常杰鋒,陳 圓
(中冶南方工程技術(shù)有限公司 自動化設(shè)計二所,武漢 430223)
在工業(yè)控制領(lǐng)域,鍋爐汽包液位的控制是鍋爐運行的重要環(huán)節(jié),穩(wěn)定的汽包液位是保證鍋爐運行安全、提高鍋爐運行效率的重要因素。鍋爐運行過程中,汽包液位同時受鍋爐負荷變化、工作環(huán)境等多種因素的影響,其動態(tài)特性具有慣性大、滯后時間長、非線性時變的特點,因此汽包液位的穩(wěn)定控制問題比較復(fù)雜。實際中應(yīng)用較多的三沖量PID控制方法統(tǒng)籌考慮了鍋爐負荷、給水流量波動對汽包水位造成的影響,在鍋爐汽包穩(wěn)定工況下控制品質(zhì)良好。該控制方法的PID參數(shù)在運行初期通過人工整定獲得,這在實際工程中往往難以一次性整定得到最佳狀態(tài),并且隨著鍋爐運行時間、工況的變化,PID參數(shù)可能需要不定期的人工重新整定,這不利于鍋爐連續(xù)安全運行。
神經(jīng)網(wǎng)絡(luò)是工業(yè)控制領(lǐng)域中具有重要影響的先進控制方法,它模擬人的思維活動,是解決非線性和不確定性系統(tǒng)的有效工具。當前,將神經(jīng)網(wǎng)絡(luò)與PID控制相結(jié)合是一個新的研究熱點。其中,單神經(jīng)元自適應(yīng)PSD算法是數(shù)字PID算法與神經(jīng)網(wǎng)絡(luò)的有效結(jié)合,其物理意義明確、易于工程實現(xiàn)。
本文針對汽包液位控制中存在的問題,提出基于單神經(jīng)元自適應(yīng)PSD算法的液位控制方法,在保留了傳統(tǒng)三沖量控制方法優(yōu)點的同時,獲得神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)和非線性處理能力,提高了控制品質(zhì)。
鍋爐汽包工藝流程如圖1所示,水在泵的輸送力作用下流向汽包,流動過程中受爐膛的加熱不斷升溫直至汽化,到達汽包后水和蒸汽分離。水匯集于汽包下部,通過下降管和上升管受熱持續(xù)自循環(huán)汽化。蒸汽在汽包上部聚集并向外輸送,用來驅(qū)動汽輪機等設(shè)備。汽包給水流量大小通過泵出口調(diào)節(jié)閥開度變化或者泵轉(zhuǎn)速變化來調(diào)節(jié)。
圖1 鍋爐汽水工藝流程示意圖Fig.1 Flow of boiler
在鍋爐運行過程中,汽包液位穩(wěn)定的影響因素有很多,其中主要的是給水流量和蒸汽流量。當給水流量增加時,由于給水的溫度相對較低,從原有飽和水中吸收熱量,對汽包水容積有減小作用,所以汽包水位剛開始不會立即上升,而是表現(xiàn)出起始慣性段;當蒸汽負荷增加時,從物料平衡方面講,蒸汽量大于給水量,水位應(yīng)該下降,但是實際中,蒸汽負荷突然增加會造成汽包壓力降低,汽水混合物中蒸汽容積迅速增加,水位反而迅速上升,即“虛假水位”現(xiàn)象[1]。另外,隨著鍋爐設(shè)備運行時間的增加以及環(huán)境因素變化,爐體內(nèi)影響汽水變化的對流管束的物理特性會隨之發(fā)生變化,這會引起模型失配的問題。總之,鍋爐汽包液位系統(tǒng)是一個慣性大、滯后時間長、非線性時變的系統(tǒng)。
鑒于鍋爐運行過程中,汽包液位控制的復(fù)雜性,本文采用基于單神經(jīng)元自適應(yīng)PSD算法的鍋爐汽包液位控制方法。如圖2所示,該方法借鑒傳統(tǒng)的三沖量PID控制的優(yōu)點,同樣以汽包液位、給水流量和蒸汽流量三個變量作為處理對象,控制系統(tǒng)整體采用前饋+串級的結(jié)構(gòu)。其主調(diào)節(jié)器采用以汽包液位為檢測和控制變量的常規(guī)PID調(diào)節(jié)器,汽包液位的設(shè)定值與實際測量值的偏差經(jīng)過PID調(diào)節(jié)器運算的輸出為給水流量的設(shè)定值;汽包外供蒸汽流量測量值作為前饋量,來抑制“虛假液位”對汽包液位穩(wěn)定的不利影響。
圖2 基于單神經(jīng)元自適應(yīng)PSD算法的鍋爐汽包液位控制框圖Fig.2 Boiler drum level control based on single neuron adaptive PSD algorithm
圖2 中,LT為汽包液位實際測量值;Fw為給水流量實際測量值;Fs為蒸汽流量實際測量值;SP為汽包液位設(shè)定值;e(k)為給水流量偏差值;u(k)為給水流量調(diào)節(jié)器輸出值,作為給水調(diào)節(jié)閥的開度給定值。
其副調(diào)節(jié)器采用以給水流量為檢測和控制變量的單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器,這優(yōu)于傳統(tǒng)的三沖量PID控制。副調(diào)節(jié)器處于控制框圖的內(nèi)環(huán),主調(diào)節(jié)器和前饋量的作用整合后最終通過副調(diào)節(jié)器作用給執(zhí)行機構(gòu)(如調(diào)節(jié)閥、變頻泵等),因此一方面“虛假液位”等因素帶來的波動在副調(diào)節(jié)器輸入前已抵消,使副調(diào)節(jié)器的運算更加平穩(wěn)快捷;另一方面,副調(diào)節(jié)器所具備的自適應(yīng)等優(yōu)秀特性可使控制全局獲得。
作為副調(diào)節(jié)器的單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器結(jié)合數(shù)字PID、神經(jīng)網(wǎng)絡(luò)和自適應(yīng)算法的特點,利用三輸入單神經(jīng)元節(jié)點模擬常規(guī)PID,同時進行三個參數(shù)的動態(tài)優(yōu)化和增益的在線自學(xué)習(xí)調(diào)整。該算法無需辯識過程參數(shù),只要在線檢測出期望輸出和實際輸出,即形成自適應(yīng)控制規(guī)律。
2.2.1 控制原理
單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器的控制原理如圖3所示,包括三部分的功能:輸入轉(zhuǎn)換、神經(jīng)推理、參數(shù)自學(xué)習(xí)。
圖3 單神經(jīng)元自適應(yīng)PSD控制框圖Fig.3 Single neuron adaptive PSD control diagram
(1)輸入轉(zhuǎn)換
將主調(diào)節(jié)器輸出的給水流量設(shè)定值、前饋量(汽包外供蒸汽流量測量值Fs)與給水流量實際測量值 Fw 取差值,得到給水流量偏差值 e(k),e(k)即單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器的輸入值。e(k)通過算法轉(zhuǎn)換器轉(zhuǎn)換得單神經(jīng)元的三個輸入分別為:x1(k)=Δe(k),x2(k)=e(k),x3(k)=Δ2e(k)。 轉(zhuǎn)換方程見式(1)。三個輸入分別對應(yīng)對給水流量偏差值e(k)的比例、積分、微分作用。
(2)神經(jīng)推理
單神經(jīng)元三個輸入 x1(k)、x2(k)、x3(k)通過單神經(jīng)元的推理運算得到給水調(diào)節(jié)閥的閥位變化值Δu(k),Δu(k)與原輸出給定閥位值 u(k-1)求和得調(diào)節(jié)器輸出u(k)作為給水調(diào)節(jié)閥的開度給定值。單神經(jīng)元自適應(yīng)PSD控制的推理運行方程為
式中:K(k)為全局增益系數(shù);wi′(k)為歸一化的輸入權(quán)系數(shù)。
(3)參數(shù)自學(xué)習(xí)
給水流量調(diào)節(jié)器輸出后,根據(jù)實際的汽包液位控制效果,對比汽包液位測量值、蒸汽流量測量值、給水流量測量值和其相應(yīng)的設(shè)定值,取相應(yīng)偏差值 e(k)、調(diào)節(jié)器輸出值 u(k),進行算法參數(shù)—權(quán)系數(shù)和全局增益的自學(xué)習(xí)、自適應(yīng),來優(yōu)化控制參數(shù)。
權(quán)系數(shù) wi(k)的自學(xué)習(xí):連接權(quán)系數(shù) wi(k)的學(xué)習(xí)策略采用有監(jiān)督Hebb學(xué)習(xí)規(guī)則,規(guī)則表達式如式(3)所示,神經(jīng)元根據(jù)給水流量偏差值 e(k)的變化對環(huán)境信息進行相關(guān)學(xué)習(xí)和自組織,使相應(yīng)的輸出增強或削弱。
式中,ηi∈[0,1]為學(xué)習(xí)速率。
全局增益K的自學(xué)習(xí):全局增益系數(shù)K(k)根據(jù)給水流量偏差值e(k)的變化采用由Marsik給出的遞推算式在線學(xué)習(xí)方法[2]:
式中: 學(xué)習(xí)系數(shù) C∈[0.025,0.05];L∈[0.05,0.1];sign(x)為符號函數(shù)。
2.2.2 程序?qū)崿F(xiàn)
在鍋爐汽包液位控制系統(tǒng)的程序編程中,根據(jù)神經(jīng)元自適應(yīng)PSD控制原理式(1)~式(4),實現(xiàn)給水流量調(diào)節(jié),控制流程如圖4所示。
圖4 單神經(jīng)元自適應(yīng)PSD控制程序流程圖Fig.4 PSD control program flow of single neuron adaptive
第 1 步 確定算法常數(shù) ηi、C、L 的取值。 η1、η2、η3表征比例作用、積分作用、微分作用的學(xué)習(xí)強度,其取值調(diào)整方法類似于PID系數(shù)。若系統(tǒng)上升時間太長,可增大η1、η3;若超調(diào)迅速下降至低于給定值,此后,又緩慢上升至穩(wěn)態(tài),時間太長,則可減少η1,增加積分項作用 η2;系統(tǒng)延時大,為減少超調(diào),η1、η3應(yīng)該適當大些。根據(jù)神經(jīng)元網(wǎng)絡(luò)的特點,其初值可設(shè)定為 η1=η2=η3=0.02。 學(xué)習(xí)常數(shù) C、L 過大,全局增益系數(shù)K變化太快,調(diào)節(jié)器易超調(diào);C、L過小,全局增益系數(shù)K變化太慢,神經(jīng)元調(diào)節(jié)器調(diào)節(jié)優(yōu)化過程緩慢。
第2步 確定神經(jīng)元連接權(quán)系數(shù)初始值wi(0)、增益K的初始值K(0)、Marsik遞推算式T的初值T(0)。增益K的取值,若系統(tǒng)超調(diào)過大,則減小,若過渡過程時間太長,則增大。權(quán)系數(shù)初始值wi(0)和增益K的初始值K(0)按照下式確定[3]:
式中:Kp,Ki,Kd為 PID 控制器的最優(yōu)整定值。傳統(tǒng)三沖量PID控制器中脫開主調(diào)節(jié)器回路和前饋量的作用,使用試湊法或者飛升曲線法對副調(diào)節(jié)回路的PID控制器進行整定,獲得Kp,Ki,Kd的最優(yōu)整定值。由于神經(jīng)元的自學(xué)習(xí)能力,權(quán)系數(shù)的初值對權(quán)系數(shù)以后的學(xué)習(xí)效果影響不大,一般可以選擇0.01~1.00之間的3個相等的數(shù)。 通常取 T(0)=L。
第3步 從工藝系統(tǒng)儀表測量獲得汽包液位、給水流量以及蒸汽流量的實際值。
第4步 計算給水流量偏差信號e(k),并根據(jù)算法公式得到單神經(jīng)元輸入xi(k)。
第5步 控制器計算給水調(diào)節(jié)閥閥位輸出給定值 u(k)。
第6步 根據(jù)算法公式修正算法參數(shù)—權(quán)值wi(k)、K(k)、T(k)。
第7步 k=k+1,返回第3步。
在某廠75 t/h燃氣鍋爐汽包液位控制系統(tǒng)中,按照本文所述基于單神經(jīng)元自適應(yīng)PSD算法的控制方法對其原三沖量PID控制進行改進。系統(tǒng)原控制算法的副調(diào)節(jié)回路的PID參數(shù)在運行初期70 t/h負荷下整定得Kp=8、Ki=1、Kd=0,獲取鍋爐運行在60 t/h負荷、70 t/h負荷下的汽包液位趨勢如圖5(a)、5(c)。 切換至改進算法后,取初值 K(0)=9、w1(0)=0.9、w2(0)=0.1、w3(0)=0、η1=η2=η3=0.02、C=0.025、T(0)=L=0.05。經(jīng)過算法自學(xué)習(xí),參數(shù)逐步收斂,獲取鍋爐運行在60 t/h負荷下的汽包液位趨勢如圖5(b),此時單神經(jīng)元自適應(yīng)PSD控制算法參數(shù)K=7.56、w1=0.88、w2=0.14、w3=0.05; 獲取鍋爐運行在70 t/h負荷下的汽包液位趨勢如圖5(d),此時單神經(jīng)元自適應(yīng)PSD控制算法參數(shù)K=8.72、w1=0.92、w2=0.11、w3=0.04。
通過對比圖 5 中(a)~(d)的趨勢曲線發(fā)現(xiàn),算法改進后的液位控制系統(tǒng)可自學(xué)習(xí)適應(yīng)不同負荷狀態(tài)下,鍋爐運行進入穩(wěn)定狀態(tài)后,汽包液位(液位設(shè)定值SP=0 mm)在0 mm上下的波動幅度減小,波動頻率降低,相對算法改進前更加穩(wěn)定。
圖5 汽包液位趨勢圖Fig.5 Boiler drum level trends
本文所述基于單神經(jīng)元自適應(yīng)PSD算法的控制方法不依賴精確的對象模型,理論成熟且容易實現(xiàn)。采用該方法后,鍋爐汽包液位的動態(tài)特性和靜態(tài)特性均得到有效的改善,并且獲得神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力,可根據(jù)鍋爐汽包運行工況變化動態(tài)整定控制參數(shù),在實際生產(chǎn)中實現(xiàn)了對汽包液位的優(yōu)化控制,提高了生產(chǎn)效率。
[1] 陳立甲.電站鍋爐燃燒系統(tǒng)和汽水系統(tǒng)建模方法的研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2000.
[2] Marsik J.A new conception of digital adaptive PSD control[J].Problems of Control and Information Theory,1983(12):265-276.
[3] 龔菲,王永驥.基于神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定與實時控制[J].華中科技大學(xué)學(xué)報:自然科學(xué)版,2002,30(10):69-71. ■