- 1、本文档共41页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于动态矩阵预测控制的锅炉汽包水位控制研究
学院:自动化工程学院
姓名:韦永妙
班级:自动卓越121
学号:2012307010108
导师:吕漫丽
1
课题研究的背景和意义
2
锅炉汽包水位研究现状
3
锅炉汽包水位系统
4
动态矩阵预测控制基本原理
5
DMC-PID控制系统仿真
6
结论
主要内容
课题研究的背景和意义
01
研究背景
锅炉汽包水位是锅炉运行的重要参数,维持汽包水位平衡是保证锅炉运行的重要条件。随着锅炉容量和参数的提高,应用传统控制方法很难达到理想的控制效果。因此,急需一种鲁棒性强、算法简单的快速控制方法。
研究意义
动态矩阵预测控制算法具有很强的鲁棒性,可以及时有效地校正因模型失配、时变和环境干扰等因素引起的不确定性。因此,对汽包水位控制具有很大的意义。
锅炉汽包水位的研究现状
02
锅炉汽包水位的几种先进控制方案
1
神经网络控制
2
无模型自适应控制
3
灰色广义预测控制
4
DMC-PID控制
神经网络控制
该控制算法在响应快速性、调节平稳性及抗干扰能力方面均优于常规PID控制系统。
无模型自适应控制
该控制算法可以适应给水过程中大的、不确定滞后和实现无静差控制。
灰色广义预测控制
该控制算法系统响应速度快,稳态效果好,其控制性能更为优越,具有很好的实用价值。
DMC-PID控制
该控制算法充分发挥了PID抗干扰性强和DMC对惯性、延迟适应能力强的优点。
锅炉汽包水位系统
03
汽包水位系统的组成
主要由汽包、给水调节阀、省煤器、下降管、下联箱、水冷壁和过热器组成。
汽包水位系统结构图
锅炉汽水循环的过程
水经过给水泵送出后进入省煤器使其温度提高后再进入汽包,然后汽包中的水沿着下降管进入下联箱,再向上进入水冷壁,在水冷壁中被加热成饱和蒸汽与水的混合物又一起进入汽包。在汽包内汽水混合物被分离成饱和水和饱和蒸汽,饱和水继续参与循环,饱和蒸气则由汽包上部进入过热器被进一步加热。
给水扰动下的汽包水位动态特性
当给水增加,给水量大于蒸发量,给水温度低于汽包内水温度,会吸收一部分温度,导致汽包内水温下降,蒸汽量减少,水面下气泡数量减少,此时水位不会立即上升。
当水面下气泡容积变化趋于平衡时,汽包水位开始迅速上升。
蒸汽扰动下的汽包水位动态特性
当蒸汽量增加时,汽包内压力下降,导致水沸腾加剧,水面下气泡体积增大,此时水位上升。
当气泡容积变化趋于平衡时,由于蒸汽量大于给水量,此时水位直线下降。
汽包水位数学模型
本文的汽包水位数学模型采用向贤兵的《360MW机组汽包水位仿真控制模型改进与研究》硕士论文里的数学模型。
给水流量扰动下的传递函数:
蒸汽流量扰动下的传递函数:
动态矩阵预测控制
04
预测模型
1
滚动优化
2
反馈校正
3
动态矩阵预测控制的组成
——输入输出预测
——假设未来输入预测未来输出
——以滚动方式对未来有限时域进行优化
——在线计算并实现当前控制作用
——每一时刻检测输出
——以预测误差补偿对未来输出的预测
综合利用信息
1
对模型精度要求低
2
实时性好
3
动态矩阵预测控制的特点
4
有效处理约束问题
动态矩阵预测控制的基本原理
DMC算法是基于被控对象单位阶跃响应非参数模型的预测控制算法。通过反馈校正和滚动优化当前和未来时刻的控制量,使得输出响应符合预先设定的轨迹。动态矩阵控制主要由三个部分组成,即预测模型、滚动优化和反馈校正。
预测模型
根据阶跃响应+比例叠加原理→预测输出
预测模型
在DMC中,首先需要测定对象单位阶跃响应的采样值为:
。 为建模时域。 近似等于阶跃响应的稳态值。向量 称为模型向量。
在稳态启动时,可取初始预测值 ,则当时刻控制有一增量 时,在其作用下未来时刻的输出值为:
滚动优化
滚动优化
如果有 个控制增量 在 时刻加到对象上,使被控对象在其作用下未来 个时刻的输出预测值:
时刻的优化性能指标可取为:
式中: , 是权系数,分别表示对跟踪误差及控制量变化的抑制。
反馈校正
反馈校正
在DMC中,到下1个采样时刻时,首先要检测对象的实际输出 ,并与模型预测输出 相比较,构成输出误差: 。
采用对 进行加权来修正未来输出的预测:
式中: 为 时刻经误差校正后的预测输出。
为误差校正向量。
1.校正误差
时刻:把控制作用 加于对象,利用预测模型可知其作用下未
文档评论(0)