论文部分内容阅读
热工过程控制系统,一般都是高阶的、参数时变的,同时还具有容积惯性、物理延迟等特性,而且被控对象还受到复杂现场环境的制约,导致认识并调节这些对象变得困难,对这类对象进行有效控制和优化研究一直是热工自动控制研究领域的热点。
PID控制因算法简单、鲁棒性好、可靠性高,广泛应用于工业过程控制,尤其适用于可建立数学模型的确定性控制系统。为了确定控制系统的数学模型,设计了基于混合遗传算法的系统辨识程序用于系统结构与参数辨识。以电厂常见的一类时域响应为对象,对其进行模型辨识,并进行PID控制器的优化设计。
针对国内外热工控制类软件以低阶模型为基础进行控制器设计的现状,需要对实际高阶模型进行降阶,研究了当基于简化模型所设计的控制器用于高阶系统时,系统的时域响应变化情况,给出了控制器参数的适应性调整方式。对于PID控制策略来说,关键在于控制器参数的优化,首先建立不同形式的目标优化准则函数,然后采用基于改进的遗传算法进行控制器参数优化,探究了准则函数结构与系统性能指标与控制器参数之间的关系,并提出了辅助变异算子策略,提高了算法的局部搜索能力。在实际工况下,执行机构存在不同程度的滞环及爬行等现象,初步研究了这类非线性因素对热工回路的影响,给出了控制器适应性调整方法。
最后,以电厂主蒸汽温度控制回路与加热器水位控制回路为例,使用本文介绍的模型辨识及PID控制器参数优化算法进行仿真试验,取得了较理想的整定效果。