熱工控制對象的智能PID控制策略的研究

黎銳

摘 要：隨著大容量、高參數(shù)火電機組的蓬勃發(fā)展，熱力設(shè)備和熱工過程越來越復雜，控制要求不斷提高。PID控制算法原理簡單，適用范圍廣且邏輯組態(tài)方便易行。對于熱工系統(tǒng)控制的研究，尤其是工程應用性強的PID控制策略的研究具有重要意義。

關(guān)鍵詞：熱工系統(tǒng)；熱工控制；PID控制

DOI：10.16640/j.cnki.37-1222/t.2018.15.122

1 研究背景與現(xiàn)狀

自計算機技術(shù)誕生以來，工業(yè)過程控制取得了飛躍式的發(fā)展。以計算機仿真與智能優(yōu)化算法為主要手段，對控制系統(tǒng)進行分析、設(shè)計與整合，已成為研究的主要方向。

針對電站熱工系統(tǒng)控制的研究主要集中在三個方面：（1）利用計算智能及一些先進的控制理論對傳統(tǒng)PID控制進行改進；（2）利用計算智能或一些先進的控制理論設(shè)計新的控制策略替代傳統(tǒng)的PID控制；（3）利用計算機仿真與智能優(yōu)化算法對被控對象的特性進行辨識，在此基礎(chǔ)上設(shè)計優(yōu)化控制方案，或者利用計算機技術(shù)與智能算法優(yōu)化、整定PID控制器參數(shù)。

PID控制算法原理簡單、適用范圍廣、魯棒性強而且易于組態(tài)實現(xiàn)，目前仍然是工業(yè)生產(chǎn)中應用最廣泛、最基本的控制方法。然而，工程應用中熱工控制還是以常規(guī)的線性PID控制策略為主，難以滿足機組深度調(diào)峰的需求。尤其，當過程的非線性、大滯后等特性愈加突出時，線性PID控制器也更加難以滿足熱工過程控制品質(zhì)的要求。

2 熱工過程模型辨識及PID參數(shù)整定

近年來，仿生學智能算法隨著計算機科學、生物學和人工智能的興起，取得了飛躍式的發(fā)展，產(chǎn)生了許多備受關(guān)注的領(lǐng)域。尤其在熱工過程模型辨識和PID參數(shù)整定方面應用非常廣泛。其中比較有代表性的算法有，遺傳算法、粒子群算法、免疫算法等。

各類仿生學算法中，遺傳算法是最早興起并發(fā)展起來的，它在研究自然遺傳現(xiàn)象與人工系統(tǒng)自適應行為的基礎(chǔ)上，借鑒“優(yōu)勝劣汰”的生物進化與遺傳思想而提出的一種全局性并行搜索算法。它是通過在一定的編碼空間內(nèi)，以一定的概率或條件對種群不斷地進行選擇、交叉和變異而達到尋優(yōu)目的的。因此，種群數(shù)目、復制、交叉及變異操作和操作概率是影響遺傳算法性能的關(guān)鍵因素。

粒子群算法是一種新的進化計算技術(shù)，它是從模擬動物的社會行為中發(fā)展而來。該算法源于對鳥群捕食的行為研究，受到鳥群活動的規(guī)律性啟發(fā)，利用群體智能建立起一個初級的優(yōu)化模型。由于尋優(yōu)空間維數(shù)擴大而引起的維數(shù)災難或種群陷入局部極值點是標準粒子群算法應用中一個非常突出的問題，嚴重影響到了算法的尋優(yōu)效果，其次，由于在算法后期所有的粒子特性逐漸變得一致，當失去了粒子的多樣性滯后，算法的收斂速度會明顯減慢，以至于影響到算法最終的搜索精度。為此，許多學者將粒子群算法進行了改進，并將改進后的粒子群算法應用于控制器參數(shù)的整定當中。

免疫算法是一種模仿生物免疫系統(tǒng)的智能優(yōu)化算法，一般的免疫算法存在收斂速度慢、參數(shù)設(shè)置復雜和親和度計算存在誤差等缺點。免疫算法經(jīng)常和遺傳算法一起發(fā)揮優(yōu)勢互補，結(jié)合起來應用于熱工過程的控制當中。仿真實驗證明，免疫理論的引入有效地改善了遺傳算法的尋優(yōu)能力、提高了搜索效率，經(jīng)過遺傳算法結(jié)合免疫算法優(yōu)化整定的PID控制器控制效果明顯優(yōu)于其它傳統(tǒng)方法的整定效果。

3 PID控制在熱工控制中的主要應用

常規(guī)的PID控制算法是線性的，對于動態(tài)特性比較復雜的生產(chǎn)過程很難得到滿意的控制效果。近年來，學者們將PID控制算法進行改進，和其他一些先進的方法結(jié)合起來構(gòu)成新的控制方案，這是熱工控制當中一個很好的發(fā)展方向。目前，PID控制應用策略的主要包含：

（1）基于對角遞歸神經(jīng)網(wǎng)絡的兩級神經(jīng)網(wǎng)絡的自整定PID控制策略，其中兩級神經(jīng)網(wǎng)絡分別為靜態(tài)網(wǎng)絡和動態(tài)網(wǎng)絡，靜態(tài)網(wǎng)絡依據(jù)機組運行工況如負荷進行PID參數(shù)的粗調(diào)整定，動態(tài)網(wǎng)絡依據(jù)偏差和偏差變化率進行PID參數(shù)的細調(diào)整定，引入灰色預測器對未來信號進行預測，預測結(jié)果作為動態(tài)網(wǎng)絡使用的整定信息；

（2）基于混沌遺傳算法的徑向基函數(shù)神經(jīng)網(wǎng)絡，具有自適應能力的PID參數(shù)整定方法，可以根據(jù)所要求的優(yōu)化指標和學習算法對PID控制器參數(shù)進行實時動態(tài)的調(diào)整；

（3）針對典型燃煤機組的動態(tài)模型，通過合理選擇虛擬控制變量，逐步構(gòu)造出偏差信號的李亞普諾夫函數(shù)，利用反向推理設(shè)計了單元機組非線性協(xié)調(diào)控制器，并將該控制器轉(zhuǎn)化為相應的PID形式；

（4）通過求解與系統(tǒng)參數(shù)及控制器參數(shù)相關(guān)聯(lián)的優(yōu)化問題，串加比例-微分控制方式降低系統(tǒng)階次，設(shè)計尼科爾斯曲線的PID控制器；

（5）基于最小二乘原理的分數(shù)階內(nèi)模PID控制器的設(shè)計方法，由于該方法不僅需要采用最小二乘原理對模型進行簡化，而且還需要與內(nèi)?？刂圃硐嘟Y(jié)合設(shè)計控制策略，算法實現(xiàn)相對復雜，目前該方法仍處于仿真研究階段；

（6）基于內(nèi)?？刂圃硖岢龈呔S多變量時滯系統(tǒng)的分散PI控制器設(shè)計新方法。該方法由于受到分散結(jié)構(gòu)和PI控制結(jié)構(gòu)的限制，導致對強耦合多變量系統(tǒng)的解耦性能不佳，從而使得系統(tǒng)的性能不能滿足相應的控制要求；

（7）基于期望閉環(huán)傳遞函數(shù)的逆陣，使用動態(tài)理性遺傳算法最終由邁克勞林級數(shù)獲得PID控制器的新方法；

（8）Smith預估控制算法是利用補償原理克服系統(tǒng)大滯后的經(jīng)典控制方法，有許多學者認為Smith預估控制算法對受控對象數(shù)學模型的依賴性很強，如果模型失配，Smith預估控制將達不到理想的控制效果。為此，對Smith預估控制的改進也成了學者們研究的熱點課題，在這方面的研究非常多。

4 結(jié)束語

火力發(fā)電過程是一項負責的系統(tǒng)工程，任何設(shè)備、系統(tǒng)都不是相互獨立的，系統(tǒng)不確定因素越來越多，因此，大機組的綜合優(yōu)化控制是一個有待深入研究的課題。從整個生產(chǎn)過程來講，本文的研究是對典型的控制策略進行了介紹，但隨著經(jīng)濟的發(fā)展及火電機組規(guī)模的不斷擴大，僅對這些基礎(chǔ)層面研究是遠遠不夠的。從整個電力系統(tǒng)社會、經(jīng)濟功能的角度出發(fā)，綜合技術(shù)經(jīng)濟因素、環(huán)保目標等多種因素，對控制回路進行綜合優(yōu)化管理，提升至電力生產(chǎn)系統(tǒng)層面的綜合優(yōu)化控制是未來的發(fā)展方向。

參考文獻：

[1]劉建民.火電廠熱工過程優(yōu)化控制策略及應用研究[D].華北電力大學，2009.

[2]陳立軍，周正興，趙麗麗.先進控制策略在火電廠熱工控制中的應用[J].東北電力大學學報（自然科學版），2012（01）：57-61.

[3]韓璞，魏樂.鍋爐-汽輪機單元協(xié)調(diào)控制的反推PID方法[J].中國電機工程學報，2010，30（02）：17-22.