智能控制理论及应用大作业Word格式文档下载.docx
《智能控制理论及应用大作业Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《智能控制理论及应用大作业Word格式文档下载.docx(18页珍藏版)》请在冰豆网上搜索。
在实际工程的控制中往往很难得到页岩干馏过程的精确数学模型。
因此,ATP干馏炉温度对象的建模应参照工程实践中的方法,即用曲线拟合的方法来求得模型的近似数学模型。
由于ATP干馏炉温度对象具有滞后性、惯性的特点。
因此,其温度控制对象的传递函数是具有一阶惯性加纯滞后的特性。
即:
(s)=(1.1)
鼓风机的流量Q与频率f成正比,根据参考文献[1],并考虑空气管路传输的时延,可以将鼓风机近似模型等效为一阶惯性加纯滞后环节。
(s)=(1.2)
根据该页岩炼油厂的实际测试及运行的数据,得到干馏炉模型的温度阶跃响应曲线,可将干馏炉温度模型用纯滞后环节和一阶惯性环节来表示。
其传递函数为:
(1.3)
鼓风机近似模型的参数为:
(1.4)
2.串级PID控制
随着现代工业生产过程向着大型、连续和强化方向发展,对控制系统的控制品质提出了日益增长的要求。
串级控制是一种易于实现且效果又较好的控制方法,在生产过程中的应用也比较普遍[2]。
干馏炉温度的控制可以采用串级调节系统。
在干馏炉的炉壁上有六个均匀分布的热电偶,它们会连续并且精确的测量温度的变化,当受到干扰时,该回路的热电偶会测量到该变化,反应到该回路控制器的输入端,控制器的流量控制回路能很快对变化做出判断,改变该回路中鼓风机的频率。
这样,经过流量控制回路的控制,在干扰还未波及到干馏区温度之前就已经被克服,即便是干扰较大,其大部分影响已经被流量控制回路所克服,波及到ATP干馏炉温度时,干扰已经很小。
串级控制系统框图如图2.1所示。
图2.1串级控制系统框图
干馏炉温度串级控制系统有以下特点:
(1)流量调节回路具有快速调节作用,它能有效地克服二次扰动的影响;
(2)由于流量调节回路起到了改善对象动态特性的作用,因此可以加大温度主调节器的增益,提高系统的工作频率;
(3)由于流量调节回路的存在,使得整个串级控制系统具备了一定的自适应能力;
(4)从串级控制系统本身的特性来讲,可以部分地克服页岩干馏过程中的滞后性。
在实际应用中,很多工业过程都具有高阶、非线性、大迟延及时变等特性,给以精确数学模型为基础的现代控制理论的应用带来了困难。
PID控制器的参数整定必须相对于某一模型己知、系统参数已知的系统,但事实上大多数的生产过程都具有非线性和时变性,其特性随时间的变化而变化,而且干扰因素较多,当模型参数或者工况发生变化,运行人员要根据经验来改变参数,工程上通常用试凑法进行整定,需要反复试验,反复试凑工作量比较大,消耗大量的时间和精力,虽然这样在一定程度上也能满足运行要求,但是不可避免地存在盲目性[4]。
所以有必要研究智能控制技术手段与PID控制相结合来控制较复杂的工业过程。
3.模糊PID控制
在页岩干馏串级控制系统中,若采用二维模糊控制,以温度的偏差和偏差变化率作为输入变量,可以获得类似常规比例微分控制器的作用,实现良好的动态特性。
但是由于模糊控制器没有积分调节,不能消除静差,其稳定性不能达到预期的效果[3]。
所以,为了实现ATP干馏炉干馏区温度的无差控制,将模糊控制器与PID控制器结合在一起。
以温度的偏差e和偏差变化率ec作为输入,根据偏差的特征,找出PID参数与温度偏差e、偏差变化率ec之间的模糊关系,在运行中不断检测e与ec,根据模糊规则对三个参数进行修改,来满足不同e与ec对控制参数的不同要求,使干馏过程具有良好的动态和静态性能,进而获得更加满意的控制效果。
3.1温度控制回路模糊PID控制器的设计
模糊控制器的结构对整个系统的性能有较大影响,必须根据被控对象具体情况来进行合理选择。
一般情况下,尽量选择操作人员能观察到的变量,如被控对象的偏差、偏差的变化、偏差变化的变化等,作为模糊控制器的输入变量。
把控制量作为模糊控制器的输出变量[5]。
模糊控制器的维数越高,控制精度越高,控制就越精细。
但是,维数太多会使控制规则变得十分庞大,控制算法实现困难[6]。
所以生产过程中一般选用二维模糊控制器,即把偏差及偏差的变化作为模糊控制器的输入变量。
ATP炉温度控制系统采用的模糊PID结构如图3.1所示。
图3.1温度控制回路模糊PID控制系统框图
在页岩干馏系统串级PID控制的基础上加以改进,内环燃烧空气流量控制回路采用PI控制器,通过控制鼓风机的频率,来控制燃烧空气的流量。
外环温度控制回路采用模糊PID控制器,输入是温度的偏差e和偏差变化率ec,输出是,,,分别用来调节,,的值。
模糊PID控制器经过计算的最终输出是副回路燃烧空气流量的给定。
模糊控制器的设计一般包括以下方面:
控制系统的模糊概念的确定,包括论域、模糊集合;
输入精确量的模糊化过程,确定隶属度函数;
确定模糊控制规则;
模糊推理;
完成模糊量到精确量的转化。
模糊PID算法的控制流程如图3.2所示。
开始
取当前采样值
计算e(t)、ec(t)
e(t)、ec(t)模糊化
,,模糊整定
计算当前,,
PID控制器输出
返回
图3.2模糊PID算法流程图
3.2温度控制模糊PID控制器的输入输出参数设计
控制器首先要对输入变量进行模糊化。
对于温度模糊控制器,输入变量是干馏区温度的偏差e及偏差的变化量ec。
3.2.1论域、模糊集合
(1)基本论域及模糊论域
干馏炉温度控制系统中模糊控制器的输入变量偏差、偏差变化率的范围为输入变量的基本论域。
被控对象的实际需要的控制量变化范围,称为模糊控制器的输出变量的基本论域。
根据现场数据得出,温度偏差e的基本论域为=[-107,107],偏差变化率ec的基本论域为=[-8,8]。
将基本论域范围内连续变化的偏差分成n个区间,使其离散化,则偏差e所取模糊集论域为E=,偏差变化率ec的模糊集合的论域为EC=.从理论上讲,增加论域上元素的个数,可提高控制精度,但过于细分的量化等级会使算法复杂化,增加控制器的复杂程度,因此等级分得过细必要性不大。
一般n=6,m=6,从而构成含有13个整数的集合E、EC。
偏差e和偏差变化率ec的范围量化为[7]。
(2)量化因子
利用量化因子可以实现从基本论域和到论域E=和EC=的变换。
偏差及其变化率的量化因子则可定义为:
=n/(3.1)
=m/(3.2)
在页岩干馏控制系统中,根据上述e和ec的基本论域及模糊论域,可得出e和ec的量化因子分别为:
=n/=6/107=0.056(3.3)
=m/=6/8=0.75(3.4)
3.2.2模糊控制器的模糊化方法
根据上节选取的模糊论域,将温度变化e和温度变化率ec以及其输出量PID的,,的模糊子集均设为含有以下七个模糊子集:
负大(NL),负中(NM),负小(NS),零(ZO),正小(PS),正中(PM),正大(PL)。
在页岩干馏控制系统温度控制回路的设计中,选取模糊变量的隶属度函数时,采用便于计算、占用内存空间小的三角型隶属函数作为模糊子集的隶属函数,选取温度偏差e、偏差变化率ec的隶属度函数如图3.3所示。
图3.3变量e、ec的隶属度函数
选取,,的隶属函数如图3.4所示。
图3.4变量,,的隶属度函数
3.2.3模糊规则
PID控制器是由比例环节、积分环节和微分环节组成,PID参数的整定必须考虑在不同时刻三个参数的作用及相互之间的关系。
其基本思想是首先找出PID三个参数与偏差e和偏差变化率ec之间的模糊关系,在运行中不断检测温度偏差和偏差变化率,然后根据模糊控制原理来对三个参数进行在线修改,以满足在不同情况下系统对控制参数的不同要求。
根据比例、积分、微分作用的不同,在不同的温度偏差e和偏差变化率ec下,按照以下规则修正PID控制器参数,,:
(1)当温度偏差较大时,为了加快系统的响应速度,的取值应大些。
针对开始时可能出现的微分饱和的现象使控制作用超出许可的范围,的取值要应较小。
同时为了避免系统响应出现较大的超调产生积分饱和,应该让取值小一些限制积分的作用。
(2)当温度偏差处于中等大小时,为了防止系统超调过大,应取值小一些,取值要适当。
同时,为保证系统的响应速度,的取值要大小适中,的取值对系统影响较大。
(3)当温度偏差较小及接近设定值时,为了使系统保持较好的稳态性能,应当增加的取值并且减小的取值。
同时,为了避免出现振荡,应该增加系统的抗干扰性能。
当温度偏差变化量较小时,的取值可以大一些;
当偏差变化量较大时,的取值应当小一些[8]。
表3.1参数的模糊规则表
NB
NM
NS
ZO
PS
PM
PB
表3.2参数的模糊规则表
表3.3参数的模糊规则表
3.2.4模糊推理
根据模糊理论进行算法合成,求得相应的,,的三个控制表。
如表4.2中的调节规律可以写成如下的49条模糊条件语句:
1.ifE=NBandEC=NBthen=PB
2.ifE=NBandEC=NMthen=PB
3.ifE=NBandEC=NSthen=PM
.
49.ifE=PBandEC=PBthen=NB
3.2.5解模糊
经过模糊推理得到的控制输出是一个模糊隶属函数或者模糊子集,它反应了控制语言的模糊性质。
然而在实际应用中要控制一个对象,只能在某一个时刻有一个确定的控制量,这就必须要从模糊输出隶属函数中找出一个最能代表这个模糊集合及模糊控制作用可能性分布的精确量,这就是解模糊。
根据干馏炉温度控制系统给定的温度的偏差e和偏差变化率ec的值。
通过模糊合成推理规则求出对应的模糊输出量、、。
然后通过模糊判决可得精确量、、。
定义,,参数调整算式如式(3.5)所示。
+=+
+=+(3.5)
式中:
,是PID控制器参数,,的初始值,初始值是根据经验获得的。
,,是根据计算机在线运行时实时计算的偏差和偏差变化率,通过查询上述模糊规则表得出的。
通过测控系统不断的检测系统的输出响应值,并实时的计算出干馏区温度的偏差和偏差变化率,然后将它们模糊化得到E和EC,通过查询模糊调整矩阵即可得到,,三个参数的调整量,完成整定过程。
由此可利用模糊PID得出实时调整的PID控制参数,实现干馏区温度的精确控制。
4.系统仿真及结果分析
4.1串级PID控制仿真
图4.1温度系统串级控制的Simulink仿真框图
对于干馏炉温度控制系统的常规串级控制,首先需要选择串级PID的参数,通过不断的测试,得出干馏炉温度控制系统的参数如表4.1所示。
对应的仿真曲线如图4.2所示。
表4.1串级PID参数的比较
组
1
10
0.3
0.15
0.12
2
9.2
0.2
3
7
0.17
图4.2串级PID的响应曲线
由仿真曲线可以看出,虽然第1组数据的响应速度快,但是超调量大,调节时间长。
第3组数据的超调量小,但是其响应速度慢。
而第2组数据的整体综合性能要好。
所以选该改组的数据作为串级PID的参数。
即内环PI参数为=0.15,=0.12,外环PID参数为=9.2,=0.2,=10
4.2模糊PID控制仿真
当串级控制系统温度控制回路中的主控制器采用模糊PID控制器时,温度的偏差及偏差变化率的量化因子分别为:
=0.056和=0.75。
输出比例因子分别为:
=5/6=0.83,=0.6/6=0.1,=6/6=1。
主环PID参数的初始值为:
=9.2,=0.2,=10。
干馏炉温度控制系统的模糊控制器仿真框图如图4.3所示。
图4.3温度系统模糊PID控制的Simulink仿真框图
4.2.1模糊控制器设计
在matlab的命令窗口输入fuzzy,打开模糊控制器进行设计。
模糊控制器的结构如图4.4所示,输入量为偏差e及其变化率ec,输出量为、、,FIS中记为,,。
图4.4模糊控制器结构
模糊控制器的输入输出变量的隶属度函数及模糊规则如图4.5至4.9所示。
图4.5温度偏差e的隶属度函数
图4.6温度偏差变化ec的隶属度函数
图4.7的隶属度函数
图4.8的隶属度函数
图4.9的隶属度函数
模糊规则的建立如图4.10所示:
图4.10模糊控制器的模糊规则
图4.11模糊控制器的模糊规则显示
从而可以得出模糊PID控制器三个参数的模糊推理规则曲面,如图4.12至图4.14所示:
图4.12规则曲面
图4.13规则曲面
图4.14规则曲面
4.2.2模糊PID的仿真结果
模糊PID的仿真曲线如图4.15所示:
图4.15模糊PID温度响应曲线
5.仿真结果分析
温度控制是一个动态过程,根据第二章介绍的干馏炉温度特点,将温度给定值设为505℃。
下面分别从温度响应曲线对设定值的跟踪性能、对扰动的抗干扰能力以及干馏过程模型发生变化后的自适应能力进行分析。
对比传统串级PID控制器和模糊串级PID控制器的控制性能。
以505℃阶跃信号为输入,比较串级PID与模糊PID之间的跟踪性能如图5.1所示。
图5.1温度响应曲线
表5.1性能指标比较
控制方法
上升时间(min)
调节时间(min)
超调量
串级PID控制
98
355
20.8
模糊PID控制
90
290
6.9
由上表可以得出,模糊PID控制器初始上升速度较快,模糊PID控制器的曲线超调量小,调节时间短,可以较快速地稳定在给定的温度值。
温度控制系统受到的干扰因素较多,这里只考虑干扰作用在主控回路上。
在600分钟时,加入一个阶跃信号扰动。
得到的系统特性曲线如图5.2所示。
图5.2引入干扰的温度响应曲线
从图5.2中可以看出,加入一个扰动信号后,模糊PID控制器的调节时间短,恢复设定值的时间较快,抗干扰性能较好。
从以上仿真图可以看出,针对温度这样一个时变的非线性的复杂系统,模糊PID控制器的超调小,调节时间短,控制效果较好。
模糊PID控制方法是在模糊控制和PID控制的基础上,进行系统仿真,取得了较好的效果,其自适应能力和抗干扰能力都有所增强。
6.结论与展望
通过对目前系统中所出现的问题,采用模糊PID的控制方法,并且建立了仿真模型。
仿真研究表明:
本文的控制算法能实现较好的跟踪性能,当出现干扰时系统能较快的恢复稳定,具有一定的抗干扰能力。
如何将神经网络控制、专家系统、遗传算法等智能控制方法与模糊控制方法相结合,设计成为通用的工业控制器,为实际的非线性大时滞大惯性的工业过程服务,是进一步研究的内容和方向,这对于控制理论的研究和工程实际应用都具有重大意义。
参考文献
[1]林荣枕,李金河,林文波.干馏炉鼓风系统节能[J],自动化仪表,1998,11(4):
212-215.
[2]SuWhanEung.NewprocessidentificationmethodforautomaticdesignofPIDcontrollers[J],Automatic,1998,34(4):
513-520.
[3]王磊,王为民.模糊控制理论及应用[M],北京:
国防工业出版社,1997,19-20.
[4]李国勇.非线性PID控制的研究[D],南京:
南京理工大学,2000
[5]ZhangBin,WangJingcheng,ZhangJianmin.Dynamicmodelofreheatingfurnacebasedonfuzzysystemandgeneticalgorithm[J],ControlTheory&
Application,2003,20
(2):
293-296.
[6]MichaelLawrenceSmith.Sensors,ApplianceControl,andFuzzyLogic[J],IEEETrans,onIndustryApplication,1994,30
(2):
305-435.
[7]AStr6mKJandHNgglundT.PIDcontrollers,2ndEdition,ResearchTriangelPark[M],NorthCarolina:
InstrumentSocietyofAmerica,1995,29-75.
[8]汤兵勇,路吉,王文杰.模糊控制理论与应用技术[M],北京:
清华大学出社,2002,165-191.