中国知网查重 高校在线论文查重入口

立即检测
  • 58 元/篇
    系统说明: 知网职称论文检测AMLC/SMLC是杂志社专用系统,针对投稿论文、评审论文、学校、单位职称论文的学术不端重复率检测系统。
  • 298 元/篇
    系统说明: 知网本科论文检测PMLC是最权威的大学生毕业论文检测系统,含“大学生论文联合对比库”,国内95%以上高校使用。检测结果和学校一致!
  • 498 元/篇
    系统说明: 此系统不支持验证!可用作研究生初稿检测,相比知网VIP5.3缺少“学术论文联合对比库”,检测结果有5%左右的误差!(论文中若参考往届研究生论文,重复率误差会较大)
  • 128 元/篇
    系统说明: 大分解论文检测系统,对于想检测学术不端文献检测系统,而又价格便宜的同学可以选择,限每篇2.9万字符,结果与大学生PMLC、硕博VIP定稿系统有出入!
  • 68 元/篇
    系统说明: 知网论文小分解检测系统,适合中国知网初稿查重,数据库和定稿查重不同。结果与本科PMLC,研究生VIP5.3有出入,限每篇1.4万字符!
  • 3 元/千字
    系统说明: 学术家论文重复率检测系统,支持学位论文、毕业论文、投稿论文、职称评审论文,提供全文对照,word标红报告,性价比超高!
论文案例实践-基于改进PID算法的循环流化床锅炉床温控制
时间:2021-04-24 11:25:01

  循环流化床锅炉是一种高效、燃烧适应性强、负荷调节性能好的低污染燃煤技术,被当今电厂广泛应用。循环流化床锅炉床温是锅炉运行过程中的重要参数,对锅炉燃烧的经济性、安全性有重大影响,对床温进行优化控制可以提高锅炉运行的效率,因此对循环流化床锅炉床温的控制具有非常重要的意义。

  本文主要目的是对循环流化床锅炉床温进行控制。主要介绍了循环流化床锅炉的结构及其原理,对影响床温的主要因素进行了分析,并且针对床温具有非线性、时变、多变量耦合的特点,采用粒子群算法改进PID算法对床温控制进行了仿真,并与常规PID控制进行了对比,改善了循环流化床锅炉床温的控制策略。

  随着经济的快速增长,我们对电力的需求也越来越大,燃煤发电厂对燃煤的需求日益增加。在我国的一次性能源占比中,煤炭占70%。由于燃煤供电,每年有大量的SO2和NOX排入大气,对环境造成污染。许多环境问题日益突出,为了减小污染,循环流化床锅炉技术受到大家广泛关注,循环流化床锅炉对燃煤的利用率极高[1],具有低污染的特点,得到了快速发展。

  循环流化床锅炉的运行效率的高低取决于床温的数值,床温过高或者过低都会导致锅炉的运行过程出现不良现象,如果床温很高的情况下,循环流化床锅炉脱硫系统运行欠佳,会有更多的二氧化硫和氮氧化物排入大气,造成环境污染,而且燃烧系统也会受到影响,在高温下燃煤会形成焦块,使燃煤不能充分燃烧,不利于锅炉运行的经济性。如果床温很低的情况下,燃煤同样不能充分燃烧,会有一些燃煤无法点燃,长时间的低温会导致炉膛内堆积大量未点燃的燃煤,存在炉膛灭火的可能。所以将锅炉床温控制在一定范围内有着十分重要的意义。

  1.2国内外研究现状

  循环流化床锅炉在结构上不同于传统的燃煤锅炉[2],两者的不同在燃烧系统上体现的尤为明显,循环硫化床控制系统中对床温的控制有专门的控制系统,传统燃煤锅炉对于炉温没有严格的控制要求,床温是循环流化床锅炉的最为重要的性能要求。针对床温的动态特性,有许多专业人士进行了分析归纳,对床温的控制策略提出了很多先进的控制方案。

  文献[3]通过对中小型循环流化床锅炉进行研究分析,得出了床温跟燃料之间的联系,采用不同的性质的燃煤会对床温产生不同的影响。燃煤具有高挥发性时,炉膛的高度越低,床温就越大。反之,如果燃煤是低挥发性的性质,要想床温升高,就必须增加炉膛的高度。在锅炉刚投入启动时,进去燃烧系统的煤进行燃烧会带走一部分的热量,床温会因此下降,随着燃烧过程的进行,床温会逐渐回调升高。我们通过控制给煤量的变化、一二次风配比和送入锅炉的石灰石的量来控制中小型循环流化床锅炉床温。

  目前,国内外研究床温的控制方法主要有以下几种:

  一、预测控制方法:

  非线性是循环流化床锅炉床温所具备的典型特性,向文国等针对该特性[4],采取了一种新型控制方法,他通过对预测控制方法的研究,实现了床温模型的建立。该方法建立的床温模型比传统的模型更准确,能清晰地反映输入与输出的变化。该方法使用多个控制器进行协调控制,由床温控制系统的动态特性和不同负荷下的调节能力,对控制器的输出进行加权调整,针对不同的负荷,采用不同的权重对控制器调整,使系统的控制效果达到最好。除了加权控制之外,还对预测控制的一些参数进行了调整,减小了系统在调节床温的过程中的震荡。此方法在建立模型时,由于采用了离线方式,所以在一定程度上减小了在线的计算量,简化了计算的过程。

  二、遗传算法控制方案:

  马宝萍通过遗传算法的研究分析,创造了一种新型遗传算法并应用于循环流化床的床温控制系统,针对循环流化床的特点,用遗传算法对常见的PID控制进行优化,与常见的控制方案相比而言,优化后的系统的运行效率更高,对床温的控制效果更好,在外界扰动的作用下,这种新型的控制器对床温的调节能力更强,使床温能稳定在一定的范围内。

  三、模糊算法改进PID控制方案:

  模糊控制方法在许多控制领域都具有明显的优越性,最为直接的好处就是,在对系统建模时,不用自己对数据进行分析来获得明确的模型,只需要对系统的运行数据简单处理,就可以建立模型。在模型的建立方面,模糊算法有很大的优势,而且对于一些非线性或带有大的迟延的系统,有极佳的控制效果。

  针对循环流化床锅炉的床温控制系统,使用模糊算法对控制器进行改进,在原本的控制器保留不变的情况下,再添加一个调节器,该调节器针对不同负荷下的运行状态,调节控制参数的变化,

  使控制参数实现自动调整。

  文献[5]通过对循化流化床的特性分析,使用模糊算法对床温的控制模型进行了建模,在控制方法上,与传统PID控制策略不同,而是使用模糊PID控制策略。在控制效果方面,对上述两者的控制方案进行对比分析,发现模糊PID控制下的床温更加稳定,对于干扰作用下,模糊算法的调节更加迅速,此控制方案比传统控制更具智能化。

  四、神经网络控制方案:

  神经网络作为一种优秀的智能算法,非常适用于控制一些复杂系统,文献[6]对于循化流化床床温的这种复杂系统难以建模的问题,采用神经网络算法对控制对象床温进行建模,并对PID控制器进行改进,改进后的系统在迟延问题上,得到了很大的改善。

  虽然标准的神经网络优化的循环流化床的控制策略与传统的控制相比,存在优越性,但是其仍然存在一些控制性能方面的缺陷。文献[7]将神经网络与模糊算法相融合,提出模糊神经网络,通过该算法对控制对象建模。在对控制器的优化上,用模糊神经网络算法建立了新的规则,在原本的算法规则上,加入了一个函数,对原运算规则进行了调整。在算法的训练过程中,使用梯形下降的方法来确定参数的值。应用模糊神经网络算法改进的床温控制系统在控制性能指标方面取得了很大的改善。

  针对循环流换床这种复杂的综合控制系统,可以对系统进行分层,将系统分为简单和复杂两部分,用传统的控制方法控制实现一些简单的控制要求,对于复杂的系统采用智能算法对其控制[8]。将系统分层然后采用不同的控制方法,这种控制策略下的控制效果得到了一定的优化。

  燃煤在投入锅炉内进行燃烧后,循化流化床的温度并不会立即升高,而是要经过一点的时间后,才能引起床温的变化。因其输出的温度与输入之间存在很大迟滞现象,要想对床温的控制更加准确,对建立的床温模型黝黑高的要求,谢文华通过对一次风量的改变对床温的影响的分析[9],使用智能算法中的蚁群算法对床温对象建立模型,得到了更稳准确的模型,使循环流化床的整体控制更加便利。

  1.3本论文主要研究内容及章节安排

  本文主要内容:

  1.循环流化床锅炉的概述;

  2.影响床温的主要因素;

  3.床温的常规PID控制策略;

  4.研究基于PID算法和利用粒子群改进PID算法对循环流化床锅炉床温的控制,并进行

  matlab仿真,对比研究分析结果。

  本文章节安排:

  第一章介绍了本论文的研究背景及国内外的发展现状;

  第二章介绍了循环流化床锅炉的结构及工作原理,并针对影响循环流化床锅炉床温的影响因素进行了分析;

  第三章介绍了粒子群算法的原理及流程;

  第四章运用粒子群算法优化PID参数,采用Matlab/Simulink进行仿真,并与传统PID控制进行对比及分析;

  第五章总结全文,阐述了未来发展趋势。

  第二章循环流化床锅炉简介

  2.1循环流化床锅炉结构

  循环流化床锅炉包括锅炉自身和锅炉辅助设备两部分:

  自身汽水系统:吸收燃料燃烧放出的热量,使水蒸发为所要求的过热蒸汽。主要由省煤器、汽包、水冷壁、过热器、再热器、联箱等组成。

  燃烧系统:使燃料在炉膛内进行充分的燃烧,释放热量。主要由燃烧室、气固物料分离器、回料系统组成。这些装置形成了一个固体物料的循环回路。

  本文研究的主要是对于循环流化床锅炉床温的控制,因此,对于锅炉的结构,我们主要分析其燃烧系统的组成结构。

  一、燃烧室

  循环流化床的燃烧室大致可以分为上下两个部分,分别是稀相区和密相区。燃料在密相区进行还原反应,在稀相区进行氧化反应。燃料在燃烧室内进行燃烧,炉膛壁面上分布有水冷壁,通过水冷壁,实现炉膛内燃烧产生的热量与外界的热量交换。燃烧室的作用除了燃烧产热之外,还要对燃烧后的废气进行处理,废气经过脱硫,脱氮的工艺过程后,再排入外界,实现环保低污染的工业要求。

  图2.1典型循环流化床锅炉燃烧系统示意图

  分离器和返料机构包括一个旋风分离器、一个返料阀和连接两者的立管(也称为“料腿”)。流化床燃烧系统由流化床燃烧室、飞灰分离装置组成。一次风从炉底进入炉内燃烧,二次风从侧壁进入炉内燃烧,燃料燃烧后,所产生的热量通过受热面传递给水,使水加热达到工艺工程的要求。在燃烧过程中,一些细小的燃煤颗粒来不及燃烧,被一二次风吹出炉膛,返料机构会将这些细小的燃煤收集起来,再次送入炉膛进行燃烧。

  二、飞灰分离收集装置

  燃煤在炉膛燃烧后,会产生大量的废气和灰尘颗粒,两者会混合在一起通过烟道排入大气,这些这些灰尘颗粒可以二次燃烧,排入大气会污染环境而且不利于循化流化床锅炉运行的经济性。飞灰分离收集装置的作用就是将燃煤颗粒与废气分离并收集,对于不同样式的飞灰分离器,锅炉要使用不同样式的格局进行规划。它的存在使飞灰得以循环利用,大大提高了燃烧的经济性。

  飞灰分离器的样式多种多样,国外使用的大部分旋风分离器的内部采用高温耐火材料,适应高温环境下工作,国内所采用的旋风分离器面向的更多的是中等温度。目前,所使用的适应高温环境的旋风分离器具备的分离能力强,分离效率高,适应性强,但是整体的布置松散,不够紧凑,所占用的空间大。适应中等温度环境的旋风分离器分离飞灰所需的能量少,运行时的阻力小,整体的布局紧凑,所占用的空间小。

  三、飞灰回送装置

  由于燃烧不彻底导致一些燃煤没有完全燃烧,形成飞灰排出锅炉外,为了提高经济性,将这些燃料进行二次利用,必须要用到飞灰装置。它将收集到的飞灰再次送入炉膛内,进行二次燃烧。飞灰运输系统既是粉煤灰回流系统,也是挤压系统。如果这两种特点消失,就会阻止燃烧烟灰循环,降低燃煤的利用率。

  非机械化的飞灰循环装置通常用于流化床燃烧系统。在设计阶段,采用了两种装置。一种是自动可调触发器类型的运输装置,例如流化密封的气密触发器类型的运输装置。另一种解决方案是阀门装置,比如“L”阀门。烟灰收集器自动调整烟灰的数量,以适应锅炉的负荷,没有必要调整烟灰的运输数量。为了改变提供的灰的数量,阀门分配器必须调整提供的灰的数量。这意味着送灰风量必须根据锅炉的负荷进行调整。当锅炉负荷变化时,送灰风量必须做出相应的调整,以适应锅炉负荷的变化。

  四、外部流化床热交换器

  外部流化床热交换器是针对燃料的二次循环使用而设计的,在将燃料送入炉膛二次燃烧之前,将燃料进行预加热,使其具备一定的温度标准,进入炉膛后,可以迅速燃烧,减小二次燃烧在炉膛内吸收的热量,提高了产热效率。外部流化床热交换器的使用对锅炉有很大的影响:

  (1)解决了因炉膛大小空间的因素所安装受热面面积不足的问题;

  (2)使过热蒸汽的品质更高,产生过热蒸汽的速度加快;

  (3)锅炉对于负荷变化的情况下,对燃烧系统的调节能力加强,对负荷变化的适应性加强;

  (4)节省了布置受热面所需的金属数量。

  其缺点是装备外部流化床热交换器会使燃烧系统、锅炉装置的安装复杂化。因此对于一些中小循环流化床锅炉而言,外部流化床热交换器的作用对锅炉整体的运行影响不大,没有安装外部流化床热交换器的必要性。

  2.2循环流化床锅炉的原理

  燃煤进入炉膛燃烧,必须达到流态化的状态,才能燃烧释放热量。所谓流态化就是燃煤颗粒在各种外力的作用下,看上去像流体一样。燃煤在炉膛内受到炉膛压力和一二次风的作用力等多种力的作用,在一定的条件下,这些力会相互作用处于一种动态平衡的状态,处于这种状态下的燃煤颗粒,就是流态化的状态。

  当燃煤处于流态化状态时,它可以漂浮在炉膛中,比在依靠于其他燃煤的支撑,自身有很大的活动空间。对于床层来说,燃料粒子具备了许多类似流体的特点。当床层处于倾斜状态时,处于非流化状态的燃料会相应地出现运动,处于流化状态的燃料则不会受到影响,床的表面始终保持水平。处于流态化的固体颗粒会根据自身的密度大小不同,而改变自身的位置。密度大的固体颗粒会向床的下面运动,密度小的固体颗粒向床的上面运动,在燃烧过程中,燃料的大小性质发生改变,燃料能够不断的上下运动,受热均匀。

  固体燃料要进入流态化的状态是非常困难的,在流态化的过程中,有很多的外界因素会对其造成影响,比如一二次风的变化,其次燃料自身的性质也是影响流态化的一个重要因素。在流态化阶段,床上没有泡沫,也没有明显的界面;会产生回旋粒子的存在,粒子的移动速度会加快。如果最终的速度超过其最大速度,粒子会不断地上下流动,从而导致高度的返混,对快速流体力学特性的形成至关重要。这些粒子向所有方向移动,造成和解。燃煤处于流体状态下,达到着火点后就可以燃烧生发热量。

  2.3循环流化床床温的影响因素

  一、给煤量对床温的影响

  煤炭数量会对床温产生直接影响。当锅炉开始工作时,燃料颗粒释放后未及时点火,而炉膛中的床容量非常大时,在一段时间内,燃煤不能及时燃烧,不能及时且有效地提高床温,对床温的增大具有滞后性。因而对床温调节控制有很大的难度,而这个滞后时间十分长,在低负荷运行时,时间需要20分钟以上,在高负荷运行时,延迟时间需要一分钟以上,也就是说,燃料投放之后,20分钟以后才能使床温升高,这个过程中可能导致床温度下降。在这一过程中,如果燃料继续投放,可能会在床料中堆积许多可燃的物质,当达到着火点时,会出现爆燃现象,导致床温急剧升高且失控。

  在循环流化床锅炉的使用过程中,含煤炭多的床的温度较高,含煤炭少的床的温度较低。煤炭的数量和床温呈线性相关的关系,要想保持床温处于一定的范围内,给煤量的多少至关重要。当温度处于稳定时,增加更多的煤会增加床温度,反之亦然。在控制过程中,床温应保持在一定的范围内,不应变化得太快,因此,应该控制给煤量的变化,使其不要变化得太快。循环流化锅炉床温调节存在滞后性,导致床温度长期大幅度波动。因此,煤炭通常是通过脉冲运输的,热惯性对燃烧室的影响应相应地加以规范。例如,“预调节”法,在燃煤室温度因炉负荷趋势而发生变化时,对煤进行调节,从而确保锅炉的稳定运行。

  二、一次风对床温的影响

  燃料燃烧需要大量的氧气支持,循环流化床锅炉燃烧系统的氧气来源主要是一次风,一次风从炉膛底部进入燃烧系统,它除了为燃料燃烧提供充足的氧气之外,还为燃料的流态化的过程提供保障。

  在燃料燃烧过程中,增加一次风的输入量,会对燃料的状态造成一定的影响,处于流态化的燃料会由于受力不在均衡,出现大范围移动,稀相区和密相区中的燃料会出现部分燃料在两区域间相互交换,打乱之前的燃烧状态,使燃烧加剧,床温随之升高。一次风和二次风的配比对床温的影响也至关重要,在送风量不变的前提下,改变一二次风的配比,减小一次风的份额,增大二次风的份额,会导致燃烧产生的废气增多,在排放废气的同时,废气会带走一部分热量,废气排放增多,热量会损耗,炉膛温度会下降。不仅如此,一次风输入减少,会引起炉膛温度的不均衡,炉膛下部的密相区和上部的稀相区的温度存在差值,首先密相区的温度升高,稀相区的燃料受到密相区温度的影响,温度也随之增大,两区域之间的温度差值减小。

  如果不考虑给煤量等因素的影响,只考虑一次风量对床温的影响,若加大一次风量的输送,床温则降低;若减小一次风量的输送,床温则升高。

  三、石灰石添加量对床温的影响

  石灰石的作用主要是用于脱硫的工艺流程,在炉膛内石灰石吸收硫,减小烟气中的硫含量,此过程是需要吸收热量的,所以床温会出现下降的趋势。石灰石的体积大小对床温的影响也不可忽视,石灰石的平均体积增大,在进行脱硫过程一段时间后,床温会得到一点的回升,但是与添加石灰石之前的温度相比,床温依然比之前要低。

  2.4本章小结

  本章首先对于循环流化床锅炉的结构,尤其是燃烧系统的结构进行了分析,还阐述了锅炉运行的原理,并且针对给煤量等因素对于床温的影响进行了说明。

  

  第三章粒子群优化算法

  3.1粒子群算法的概述

  3.1.1粒子群算法的由来

  20世纪90年代,电气工程师Eberhart和心理学家kennedy,从鸟类捕食这个现象中得到启示,通过模仿鸟类捕食的过程,创造了一种粒子群智能算法(PSO)。假设若干个小鸟在一定区域内寻找食物,食物的位置所有捕食的小鸟都不知道,但是鸟类知道自身距离食物的距离有多远,鸟类每个个体都会独自搜索,在搜索的过程中,鸟类能记录自身所搜索过的位置,同时,小鸟可以在整个鸟群中进行信息传递,也就是说,每只鸟都知道整个鸟群目前所搜索的所有位置,根据这些位置,鸟类自行判断改变自己的搜索方向,在经过一定时间的搜索后,小鸟会距离食物越来越近,最终找到食物的位置。

  粒子群算法就是根据上述鸟类的捕食的过程,在计算机上模拟鸟类建立模型,对于特定的问题,在一定的范围内,寻找最优解的算法。对于多维函数,复杂系统的最优解的求取,粒子群算法是一种不错的选择。

  3.1.2粒子群算法的原理

  在搜索最优解的过程中,每一只参与搜索最优解的的鸟,我们将其称为粒子。在鸟类捕食的过程中,鸟类会自行判断自身位置相对于食物的位置的优劣性来决定自身的飞行方向,而在粒子群算法中,相似的用一函数的只来衡量粒子位置的优劣性,这个函数叫做适应度函数,根据适应度函数值粒子决定自身位置的变化方向,向当前的最优解运动。需要注意的是适应度函数对于不同的问题要选择不同的适应度函数。

  在粒子群寻优过程中,首先初始化粒子群,将粒子随机分布在搜索空间内,根据适应度函数计算每个粒子的适应值,通过适应值的对比,找出当前所有粒子的最优解,这个值称为全局极值,每个粒子在搜索中找到的最优解称为个体极值。所有的粒子都会向全局极值的位置运动,在运动的过程中,个体极值和全局极值会不断变化,粒子的运动也随之不断地变化,在一定时间后,所有的粒子都会聚集在某一个点的附近,这个点就是我们所寻找的最优解。

  我们将粒子群算法中进行迭代寻优的粒子的个数设为,这些粒子构成了整个粒子群,粒子所搜索的区域设为维的空间,每个粒子的位置用来表示:

   ,。 (3-1)

  每个粒子的运动趋势是不断变化的,我们用来表示:

   ,。 (3-2)

  每个粒子自身所搜索的最好的位置用来表示:

   ,。 (3-3)

  对所有粒子所搜索的位置对比而产生的全局极值用来表示:

   。 (3-4)

  每个粒子在变换自身的运动趋势时,会受到个体极值和全局极值的影响,以下的公式1和公式2是粒子更新自身运动趋势和位置的方法:

   (3-5)

   (3-6)

  在上述的公式中,和是加速常数,它们的值一般取0到1之间。

  是惯性常数,用来衡量粒子当前的运动趋势对之后运动的影响,其值越大,当前的运动趋势对之后的运动影响越大,反之,影响则越小。的值越大,粒子在搜索范围内的寻优能力越强,但是所找到的最优解的准确度会降低,的值越小,粒子的搜索能力会降低,找到的最优解准确度更高,但是对于一些多极值的问题可能会变成局部的最优解。一般情况下,取0.6到0.75之间

  和是随机的常数,取值范围是0到1之间。

  公式1由三部分相加而成,反映了粒子的运动受到三个方面的影响,其一是粒子当前的运动趋势对之后运动的影响;其二是粒子在搜索中个体极值对粒子运动的影响;其三是粒子群体的全局极值对粒子运动的影响。

  3.2粒子群优化算法的流程

  算法的流程如下:

  图3.1PSO算法流程图

  算法步骤:

  (1):粒子群初始化,设置粒子的数目,随机分散粒子的位置,对每个粒子设置一定的初始运动趋势;

  (2):根据所设置的适应度函数计算粒子的适应度值;

  (3):计算粒子的个体极值和种群的全局极值;

  (4):对粒子的个体极值更新,如果粒子的适应度的值要优于个体极值,则个体极值换成适应度的值;

  (5):对粒子的全局极值更新,如果粒子的适应度的值要优于全局极值,则全局极值换成适应度的值;

  (6):根据公式对粒子的运动趋势更新;

  (7):判断是否满足结束条件,如果满足条件则退出循环并且输出最优解,否则返回步骤(2)。

  3.3本章小结

  本章对粒子群算法的起源,原理进行了剖析,对粒子群算法中的一些参数进行了说明,随粒子群算法寻找最优解的流程进行了叙述。

  

  

  第四章循环流化床床温控制策略

  4.1常规PID控制策略

  4.1.1常规PID算法

  本文对于循环流化床床温的控制策略采用调节给煤量来调节循环流化床床温,其原理如下图所示:

  图4.1床温单回路控制原理图

  是床温的设定值,是床温的测量值,用热电偶采集床温的数值送入调节器,形成一个单回路控制策略。

  在控制系统中,调节器的输出与输入之间的关系,如下所示:

   (4-1)

  其中为比例增益,为积分时间常数,为微分时间常数。

  4.1.2PID控制仿真

  对于给煤量与循环流化床床温之间的影响关系,我们选用如下的传递函数来表示:

   (4-2)

  床温控制在应用simulink仿真过程中,主要用到的模块为阶跃信号模块,示波器模块,控制器模块,延迟模块等,其搭建的仿真图如下:

  图4.2床温控制系统simulink仿真图

  通过对PID参数的整定,PID参数设置为=1.205,=0.005,=2.34。记录系统的响应曲线如图4-3所示:

  由响应曲线可知,系统超调量为42.3%,上升时间为46s,调节时间为210s。

  图4.3PID控制的系统响应曲线

  4.2基于PSO优化算法的PID控制方案

  4.2.1优化的目标函数

  在使用粒子群算法解决优化问题时,适应度函数是评价粒子群粒子好坏的重要标准,选取不同的适应度函数会直接影响系统优化的最优解。有了适应度函数,粒子群算法才能在不断的迭代过程中,更新粒子的个体极值及全局极值。

  因此,选取适应度函数时,应该对于具体问题具体分析,选取的适应度函数要能反应特定问题的特点。对于PID参数的优化问题,即取得,,三个参数的最优值,是控制系统的控制效果达到最好。

  在PID控制系统的性能评价指标里,ITAE是使用最普遍的一种。绝对偏差积分准则(IAE)与平方偏差积分准则(ISE)不涉及时间变量,只是误差绝对值的不断积累,它们适用于震荡幅度不大,调节时间长的系统。时间乘平方偏差积分准则(ITSE)其中含有有时间变量,由于结构复杂,其适应于输出响应震荡幅度大的系统。相比较言,ITAE不但可以减小误差对输出响应的影响,而且可以使偏差调节作用放大,其具有结构简单,震荡幅度适中等特点。

  因此,本文选取ITAE作为粒子群算法的适应度函数,其表达式如下:

   (4-3)

  4.2.2算法操作原理

  运用粒子群算法对PID参数进行整定,其流程如图所示:

  图4.4PSO整定PID参数流程图

  首先,粒子群初始化,产生随机粒子,然后将随机粒子的值赋予PID控制器的、、三个参数,针对该参数下使系统模型运转,得到此时的适应度函数值,将该值作为输出,输入判断模块,如果不满足终止条件,则粒子群进行更新,再次赋予PID的三个参数进行运算,如果满足终止条件,则退出循环输出最优值。

  4.2.3PSO优化PID控制仿真

  使用simulink搭建PSO整定PID的模型如下:

  图4.5PSO整定PID参数仿真图

  在粒子群算法算法中,我们设置群体规模为10,,最大迭代次数为100。通过PSO算法对PID的、、寻优结果如下:

  图4.6随时间的变化曲线

  图4.7随时间的变化曲线

  图4.8随时间的变化曲线

  在寻优过程中,随迭代次数的增加,适应度函数值ITAE的变化如下:

  图4.9ITAE随迭代次数的变化曲线

  由图可知,在经过不断地迭代过程之后,适应度函数ITAE的数值达到最小值,在适应度函数取最小值时,、、三个参数也相应的趋于稳定值。

  将寻优找到的最优值=1.042、=0.001、=4,代入PID控制器,运行仿真模型,其系统响应曲线如下:

  图4.10PSO整定PID系统响应曲线

  系统的超调量为16.7%,上升时间为44s,调节时间为135s。

  4.3仿真结果对比及分析

  通过PSO改进PID算法的床温控制的响应曲线与传统PID控制床温的响应曲线相比较,系统的超调量得到了很大的减少,调节时间也得到了一定的优化,系统能更快的达到稳定状态。

  从两者的响应曲线上可以看出,PSO优化PID的控制方案可以取得比传统PID控制更好的控制性能。

  4.4本章小结

  本章对于传统的PID控制策略,在MATLAB中进行了仿真模型的搭建,参数整定后,得到了仿真曲线。还应用粒子群算法设计了对PID参数的优化方案,并且在MATLAB仿真软件中搭建模型,对PID三个参数进行寻优,将寻优的结果代入系统中得到了新的响应曲线。通过两曲线的分析,看出了粒子群算法改进PID的优越性。

  第五章结论与展望

  5.1结论

  循环流化床锅炉具有低污染和高效率等特点,出于经济性等方面的考虑,循环流化床锅炉大面积使用。与传统的锅炉相比,循环流化床锅炉有很多独到的先进之处,可以在多反面进行创新,具备很大的发展潜力。PSO算法是一种优秀的寻优算法,通过对PID参数的优化,可以减小循环流化床锅炉床温调节的控制难度。

  本文分析了循环流化床锅炉的结构,并对循环流化床床温的影响因素进行分析,针对给煤量的变化,采用传统PID控制策略对床温模型进行了仿真。还应用PSO算法对PID的参数进行了整定,在MATLAB软件中进行了仿真,仿真结果表明PSO改进PID算法下的系统响应要优于传统PID算法的系统响应。

  5.2存在问题及未来展望

  首先,本论文是基于满负荷时的床温模型进行了仿真实验,在负荷大范围改变的情况下,能不能适用需要进一步实验,如果不适用可以考虑分别建立多个不同负荷下的床温模型,进行仿真优化。其次,在PSO算法整定PID参数的过程中,本文的适应度函数选取的是ITAE,并未对选取其他性能指标的情况下进行对比。

  本文选取的是PSO改进PID控制策略,还可以应用其他智能算法对PID进行改进,如:BP神经网络;模糊算法;蚁群算法等。