[发明专利]一种协调控制被控对象传递函数模型辨识方法

摘要

本发明公开了一种协调控制被控对象传递函数模型辨识方法，包括DCS数据采样、应用RBF神经网络建模；判定对象的类型，选择需要辨识的参数；确定初始对象，以及初始对象的均匀随机响应；确定RBF神经网络输出；以及计算误差函数等步骤。本发明充分利用了大量的运行数据，避免了信息资源的浪费，同时节省了现场试验所花费的人力、物力以及现场条件的限制，并且辨识得到的传递函数模型精度明显优于现场试验得到的传递函数模型。

主权项

一种协调控制被控对象传递函数模型辨识方法，其特征在于包括以下步骤：步骤一，DCS数据采样：①选择同一负荷下各时段的DCS数据，采样时间T为5秒，包括：发电机实发功率、锅炉主蒸汽压力、汽轮机调门开度和锅炉燃料率指令，分别用变量NE、PT、uT、uB表示；②在各连续时段中，将变量NE、PT、uT、uB分别作时延处理，分别取各个变量前1～n个时刻的数值，形成样本数据：NE(k-1);NE(k-2);...;NE(k-n);PT(k-1);PT(k-2);...;PT(k-n);uT(k-1);uT(k-2);...;uT(k-n);uB(k-1);uB(k-2);...;uB(k-n),NE(k);PT(k),k=n+1,n+2,...,N,]]>其中，n为3～5的自然数，N＝3000；步骤二，建立RBF神经网络模型：NE(k-1);NE(k-2);...;NE(k-n);PT(k-1);PT(k-2);...;PT(k-n);uT(k-1);uT(k-2);...;uT(k-n);uB(k-1);uB(k-2);...;uB(k-n),k=n+1,n+2,...,N,]]>作为模型的输入，NE(k)；PT(k)，k＝n+1，n+2，...，N，作为模型的输出，建立RBF神经网络模型；步骤三，判定对象的传递函数类型，确定需要辨识的参数：根据热工过程的特性，总结归纳出2×2的协调控制对象的传递函数模型为：NEPT=WNT(s)WNB(s)WPT(s)WPB(s)uTuB=k1s(1+T2s)(1+T3s)k2(1+T1s)(1+T2s)e-τs-k31+T2sk4(1+T1s)(1+T2s)e-τsuTuB]]>其中，模型中的参数k1、k2、k3、k4表示对象的稳态增益，T1、T2、T3表示对象的惯性时间，τ表示滞后时间，对模型中的参数k1、k2、k3、k4、T1、T2、T3和τ进行辨识；步骤四，确定热工过程的初始对象：①根据步骤三中的传递函数模型WNB(s)，WPB(s)，选取初始参数k2、k4、T1、T2、τ，得到初始对象W′NB(s)，W′PB(s)；②对于初始对象W′NB(s)，在其输入端加入均匀随机信号uB(i)，i＝1，2，...，M，M＝2000，得到初始对象的输出响应y′N(j)，j＝1，2，...，M；③同理，对于初始对象W′PB(s)，在其输入端加入步骤四②中同样的均匀随机信号uB(i)，i＝1，2，...，M，得到W′PB(s)的输出响应y′P(j)，j＝1，2，...，M；其中，W′NB(s)，W′PB(s)分别是WNB(s)，WPB(s)的初始值；步骤五，确定RBF神经网络输出：对于步骤二中的RBF神经网络模型，使uT(i)＝0，i＝1，2，...，M，且uB(i)，i＝1，2，...，M为步骤四②中同样的均匀随机信号，将y′N(i)，y′P(i)，uT(i)，uB(i)，i＝1，2，...，M，经过步骤一②中同样的时延处理，得到：y′N(k-1);y′N(k-2);...;y′N(k-n);y′P(k-1);y′P(k-2);...;y′P(k-n);uT(k-1);uT(k-2);...;uT(k-n);uB(k-1);uB(k-2);...;uB(k-n),k=n+1,n+2,...,M,]]>作为步骤二中的RBF神经网络模型的输入端，从而得到RBF神经网络模型的输出yN(j)；yP(j)，j＝n+1，n+2，...，M；步骤六，计算误差函数：E=Σj=n+1M(yN(j)-y′N(j))2+Σj=n+1M(yP(j)-y′P(j))2,j=n+1,n+2,...,M;]]>将E作为目标函数，利用遗传算法进行迭代寻优，得到最佳的对象参数k2opt、k4opt、T1opt、T2opt、τopt，从而确定WNB(s)，WPB(s)；k2opt、k4opt表示对象的最佳稳态增益，T1opt、T2opt表示对象的最佳惯性时间，τopt表示最佳滞后时间；时延处理中，使得最大的延迟时间nT为惯性时间，n取3～5的自然数；遗传算法的设置如下：①实数编码机制；②初始种群选择：即k1、k2、k3、k4、T1、T2、T3和τ的上下界，总结出k1∈[0，2000]，k2∈[0，10]，k3∈[‑1，0]，k4∈[0，1]，T1∈[0，500]，T2∈[0，500]，T3∈[0，50]，τ∈[0，50]；③适应度函数：E为误差函数；④遗传操作：采用轮盘赌选择法、均匀交叉、均匀变异的策略；步骤七：使uB(i)＝0，i＝1，2，...，M，uT(i)，i＝1，2，...，M均匀随机变化，重复步骤四、步骤五、步骤六，得到最佳的对象参数k1opt、k3opt、T3opt，k1opt、k3opt表示对象的最佳稳态增益，T3opt表示对象的最佳惯性时间，从而确定WNT(s)，WPT(s)。