CN103968367B - 基于模糊神经网络pid控制的锅炉汽包水位控制的方法 - Google Patents
基于模糊神经网络pid控制的锅炉汽包水位控制的方法 Download PDFInfo
- Publication number
- CN103968367B CN103968367B CN201310035063.6A CN201310035063A CN103968367B CN 103968367 B CN103968367 B CN 103968367B CN 201310035063 A CN201310035063 A CN 201310035063A CN 103968367 B CN103968367 B CN 103968367B
- Authority
- CN
- China
- Prior art keywords
- control
- boiler
- fuzzy neural
- drum
- control system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，包括：分析锅炉汽包水位控制系统的特征与建模条件；对锅炉汽包水位控制系统的控制对象进行建模；在组态软件中完成所述模糊神经网络PID控制系统的各元件的开发；在组态软件中通过元件组态来实现锅炉汽包水位控制系统的控制逻辑；在组态软件中测试模糊神经网络PID控制系统对锅炉汽包水位的控制效果。本发明克服了传统PID控制的缺点，提高了控制系统的自适应能力；模糊神经网络PID控制算法以元件的方式集成在组态软件中，改善了控制策略与控制站的通信效率，大大地提高先进控制策略在线运行的实时性。
Description
【技术领域】
本发明涉及流程工业领域锅炉汽包水位的控制，尤其涉及一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，属于工业自动化控制技术领域。
【背景技术】
在流程工业系统中，锅炉是化工、炼油、发电等工业生产过程必不可少的动力设备。锅炉是一种复杂的能量转换设备，是整个工厂的动力和热源。随着工业生产规模的扩大以及生产设备的不断更新，锅炉向着大容量、高参数、高效率的方向发展，因此针对锅炉的控制问题变得至关重要。由于锅炉体积庞大，其内部发生的物理、化学变化非常复杂，而且各种变化过程紧密耦合、互相影响，这些都加大了锅炉控制的难度。在锅炉系统运行当中，汽包水位是重要的监控参数之一，它反映了锅炉负荷和给水流量的动态平衡关系。现有技术中常见的锅炉汽包给水系统的示意图如图1所示，其组成部分包括：给水泵1、高压加热器2、省煤器3、汽包4、过热器5、下降管6、上升管7。该系统的主要控制任务是调节给水量与锅炉蒸发量的平衡以保证汽包水位处于设定的安全范围以内。
目前，汽包水位的控制技术主要有：1）传统控制技术，比如常用的串级三冲量PID控制，尽管针对汽包水位的传统控制技术已经发展得较为成熟，但其控制系统结构十分复杂，且鲁棒性能和动态特性较差，也不具备自适应能力；2）先进控制的引入，比如模糊控制、模糊PID控制、预测函数控制、专家控制、神经网络控制等。尽管模糊控制、模糊PID控制以及专家控制已经在流程工业控制中得到了推广应用，但它们仍然只适用于系统耦合性弱、线性特征明显、控制对象单一的工业控制系统。由于汽包水位具有动态特性强、多变量、大滞后、强耦合及极强的非线性等特性，采用以上控制方法往往难以达到预期的控制效果。而模糊神经网络PID控制具有较强的自学习和基于规则表达推理的能力，在解决大滞后、非线性及时变性等方面具有独特的优势，非常适合于复杂的流程工业控制系统中。现有的模糊神经网络PID控制在锅炉汽包水位工程中应用时，控制算法与DCS系统的通信效率较低，无法保证控制策略执行的实时性。采用先进控制算法对汽包水位进行控制时，需要额外配置性能较高的计算机来运行相关算法，且先进控制程序常以编译封装的形式呈现，因此用户无法在程序执行过程中进行必要的在线诊断和优化。
近年来模糊神经网络PID控制在锅炉汽包水位控制上的应用也得到了很大的关注；如参见‘基于模糊神经网络PID的锅炉汽包水位控制’，《热力发电》，刘春艳，第33-34页；又如：‘基于RBF模糊神经网络的船用锅炉汽包水位控制研究’，[硕士学位论文]，《大连海事大学》，刘晓丹，2008年。尽管这些方法在实验室研究阶段时能够取得良好的控制效果，但是当其应用到实际工业控制系统中时，由于模糊神经网络PID控制与传统控制在设计、开发、调试、运行等方面都存在很大的差异，模糊神经网络PID控制策略与控制系统之间协同调试较困难，而且控制策略在线更新的效率也难以把握，这大大地影响了其在锅炉汽包水位控制中的应用效果。
本申请技术是基于现有技术的不足，针对锅炉汽包水位的动态特性，提出了一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，目的在于改善传统PID控制器和常用先进控制方法的控制效果，有效地提高控制系统的自适应能力，并在工程系统中提高控制策略的在线调试和更新效率，从而降低模糊神经网络PID控制技术的导入成本和风险。
【发明内容】
本发明要解决的技术问题，在于提供一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，克服了传统PID控制的缺点，提高了控制系统的自适应能力。
本发明是这样实现的：一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，包括如下步骤：
步骤1、分析锅炉汽包水位控制系统的特征与建模条件；
步骤2、分析模糊神经网络PID控制系统的控制对象特征，根据步骤1的分析得到的特征与建模条件对锅炉汽包水位控制系统的控制对象进行建模；
步骤3、根据所述控制对象的建模结果与模糊神经网络PID控制算法，在组态软件中完成所述模糊神经网络PID控制系统的各元件的开发；
步骤4、在组态软件中通过元件组态来实现锅炉汽包水位控制系统的锅炉汽包水位的控制逻辑；
步骤5、在组态软件中测试模糊神经网络PID控制系统对锅炉汽包水位的控制效果。
本发明具有如下优点：1、克服了传统PID控制的缺点，提高了锅炉汽包水位控制系统的自适应能力；2、模糊神经网络PID控制策略的计算过程可直接在控制站中进行，无须再单独配置高端的计算机来运行，有效地节省了计算资源；3、模糊神经网络PID控制算法以元件的方式集成在组态软件中，改善了模糊神经网络PID控制的控制策略与控制站的通信效率，大大地提高先进控制策略在线运行的实时性；4、模糊神经网络PID控制策略的中间计算过程能以图形化的方式进行监控，可以根据不同的情况进行在线调试。
【附图说明】
图1为本发明中现有技术的锅炉汽包给水系统的结构示意图。
图2为本发明中锅炉汽包水位控制系统的结构示意图。
图3为本发明的方法流程示意图。
【具体实施方式】
请参阅图2和图3所示，本发明为一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，该方法中涉及的锅炉汽包水位控制系统（如图2所示）由模糊神经网络PID控制系统和锅炉汽包给水系统组成的；该方法包括如下步骤：
步骤1、分析锅炉汽包水位控制系统的特征与建模条件；具体为：步骤10、获取锅炉汽包水位控制系统的控制对象以及该控制对象的影响因素，该控制对象为汽包，控制对象的影响因素包括给水量、燃烧量、蒸汽负荷以及蒸汽压力的变化；
步骤20、获取汽包水位控制的动态特征，该动态特征包括：锅炉汽包水位控制系统的给水流量产生阶跃扰动时，汽包水位的变化，与锅炉汽包水位控制系统的蒸汽流量产生阶跃扰动时，汽包水位的变化；
步骤30、根据所述控制对象、控制对象的影响因素、汽包水位控制的动态特征来确定锅炉汽包水位控制系统的建模条件，该建模条件包括：将锅炉汽包给水系统划分为蒸发区（如图1所示），该蒸发区包括下降管、上升管和汽包三个环节；蒸发区的水密度按饱和水密度计算；该三个环节均以系统的出口值表示总参数；蒸发区中压力处处相同；锅炉汽包给水系统的省煤器的给水不带蒸汽且进入汽包时不与汽包中的水进行热交换，而是直接进入下降管；
步骤2、分析模糊神经网络PID控制系统的控制对象特征，根据步骤1的分析得到的特征与建模条件对锅炉汽包水位控制系统的控制对象进行建模；
步骤3、根据所述控制对象的建模结果与模糊神经网络PID控制算法，在组态软件中完成所述模糊神经网络PID控制系统的各元件的开发；该各元件的开发涉及元件名称与图标、输入与输出参数、元件控制参数以及模糊神经网络PID控制算法的调用。
步骤4、在组态软件中通过元件组态来实现锅炉汽包水位控制系统的控制逻辑；所述锅炉汽包水位控制系统的控制逻辑通过模糊神经网络PID控制系统的元件与常规控制元件共同组态来实现；所述常规控制元件包括模拟量设定器元件、中间模拟量元件、微分调节器元件、减法运算器元件、绘图元件；
步骤5、在组态软件中测试模糊神经网络PID控制系统对锅炉汽包水位的控制效果；具体为：针对汽包水位控制的动态特征，在不同的控制条件下，对基于模糊神经网络PID控制的锅炉汽包水位的控制效果进行测试，分析控制性能指标，考察控制锅炉汽包水位控制系统的抗扰动能力；所述控制条件包括给水流量与蒸汽流量无扰动、给水流量与蒸汽流量分别或同时产生阶跃扰动的信号；所述控制性能指标包括调节时间、超调量、稳态余差。
所述锅炉汽包水位控制系统采用模糊神经网络PID控制器，所述模糊神经网络PID控制系统以汽包水位的偏差值e以及偏差值变化量ec为输入，其输出端连接锅炉汽包给水系统；利用模糊神经网络构造模糊神经网络系统，使得模糊规则能够在线提取和优化；所述模糊神经网络系统由依次连接的输入层、模糊化层、模糊推理层、规则运算层、输出层组成；根据PID控制器的原理，对模糊神经网络系统的动态模型进行公式推导，得到与PID控制器对应的三项基本参数，即增益系数、积分时间系数和微分时间系数；通过对这三项参数的调节，可实现模糊神经网络对PID参数的优化过程；并通过PID控制器实现对锅炉汽包水位的控制。
其中，所述模糊神经网络PID控制的控制策略能够在组态软件中编辑实现，该控制策略能直接运行于锅炉汽包水位控制系统的控制站中，来提高控制的方法的执行效率。该模糊神经网络PID控制的控制策略的中间计算过程能以图形化的方式进行监控，可以根据不同的情况进行在线调试。
总之，本发明的基于模糊神经网络PID控制的锅炉汽包水位控制的方法，适用于汽包水位的仿真控制系统，同时也能够推广应用到汽包水位的实际控制系统中。本发明提供的模糊神经网络PID控制的控制策略能够直接在组态软件中编辑实现，控制策略的执行能够通过组态软件的通讯接口下载至控制站中执行，汽包水位先进控制策略的执行与更新的效率得到有效地提高。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (4)
1.一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，其特征在于，包括如下步骤：
步骤1、分析锅炉汽包水位控制系统的特征与建模条件；
步骤2、分析模糊神经网络PID控制系统的控制对象特征，根据步骤1的分析得到的特征与建模条件对锅炉汽包水位控制系统的控制对象进行建模；
步骤3、根据所述控制对象的建模结果与模糊神经网络PID控制算法，在组态软件中完成所述模糊神经网络PID控制系统的各元件的开发；所述各元件的开发涉及元件名称与图标、输入与输出参数、元件控制参数以及模糊神经网络PID控制算法的调用；
步骤4、在组态软件中通过元件组态来实现锅炉汽包水位控制系统的锅炉汽包水位的控制逻辑；所述锅炉汽包水位的控制逻辑通过模糊神经网络PID控制系统的元件与常规控制元件共同组态来实现；所述常规控制元件包括模拟量设定器元件、中间模拟量元件、微分调节器元件、减法运算器元件、绘图元件；
步骤5、在组态软件中测试模糊神经网络PID控制系统对锅炉汽包水位的控制效果；所述模糊神经网络PID控制的控制策略能够在组态软件中编辑实现，该控制策略能直接运行于锅炉汽包水位控制系统的控制站中，来提高控制的方法的执行效率。
2.根据权利要求1所述的基于模糊神经网络PID控制的锅炉汽包水位控制的方法，其特征在于：所述步骤1具体包括如下步骤：
步骤10、获取锅炉汽包水位控制系统的控制对象以及该控制对象的影响因素，该控制对象为汽包，控制对象的影响因素包括给水量、燃烧量、蒸汽负荷以及蒸汽压力的变化；
步骤20、获取汽包水位控制的动态特征，该动态特征包括：锅炉汽包水位控制系统的给水流量产生阶跃扰动时，汽包水位的变化，与锅炉汽包水位控制系统的蒸汽流量产生阶跃扰动时，汽包水位的变化；
步骤30、根据所述控制对象、控制对象的影响因素、汽包水位控制的动态特征来确定锅炉汽包水位控制系统的建模条件，该建模条件包括：将锅炉汽包给水系统划分为蒸发区，该蒸发区包括下降管、上升管和汽包三个环节；蒸发区的水密度按饱和水密度计算；该三个环节均以系统的出口值表示总参数；蒸发区中压力处处相同；锅炉汽包给水系统的省煤器的给水不带蒸汽且进入汽包时不与汽包中的水进行热交换，而是直接进入下降管。
3.根据权利要求1所述的基于模糊神经网络PID控制的锅炉汽包水位控制的方法，其特征在于：
所述模糊神经网络PID控制系统以汽包水位的偏差值e以及偏差值变化量ec为输入，其输出端连接锅炉汽包给水系统；利用模糊神经网络构造模糊神经网络系统，使得模糊规则能够在线提取和优化；所述模糊神经网络系统由依次连接的输入层、模糊化层、模糊推理层、规则运算层、输出层组成；根据PID控制器的原理，对模糊神经网络系统的动态模型进行公式推导，得到与PID控制器对应的三项基本参数，即增益系数、积分时间系数和微分时间系数；通过对这三项参数的调节，可实现模糊神经网络对PID参数的优化过程；并通过PID控制器实现对锅炉汽包水位的控制。
4.根据权利要求2所述的基于模糊神经网络PID控制的锅炉汽包水位控制的方法，其特征在于：所述步骤5具体为：针对汽包水位控制的动态特征，在不同的控制条件下，对基于模糊神经网络PID控制的锅炉汽包水位的控制效果进行测试，分析控制性能指标，考察控制锅炉汽包水位控制系统的抗扰动能力；所述控制条件包括给水流量与蒸汽流量无扰动、给水流量与蒸汽流量分别或同时产生阶跃扰动的信号；所述控制性能指标包括调节时间、超调量、稳态余差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310035063.6A CN103968367B (zh) | 2013-01-30 | 2013-01-30 | 基于模糊神经网络pid控制的锅炉汽包水位控制的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310035063.6A CN103968367B (zh) | 2013-01-30 | 2013-01-30 | 基于模糊神经网络pid控制的锅炉汽包水位控制的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103968367A CN103968367A (zh) | 2014-08-06 |
| CN103968367B true CN103968367B (zh) | 2015-12-09 |
Family
ID=51238194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310035063.6A Active CN103968367B (zh) | 2013-01-30 | 2013-01-30 | 基于模糊神经网络pid控制的锅炉汽包水位控制的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103968367B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104483930B (zh) * | 2014-11-21 | 2017-03-15 | 大唐淮南洛河发电厂 | 一种火电机组的先进过程控制优化系统 |
| CN104791764A (zh) * | 2015-05-08 | 2015-07-22 | 南通长航船舶配件有限公司 | 船舶用小型锅炉控制系统 |
| CN105183015A (zh) * | 2015-06-23 | 2015-12-23 | 潘秀娟 | 一种改进的锅炉汽包水位控制方法 |
| CN106354015B (zh) * | 2016-10-27 | 2019-06-07 | 福州大学 | 对角递归神经网络控制系统的远程监控与在线调试方法 |
| CN106642067B (zh) * | 2016-12-15 | 2019-09-06 | 神华集团有限责任公司 | 锅炉液位的控制系统及其控制方法 |
| CN108508870B (zh) * | 2018-03-29 | 2021-04-27 | 东南大学 | 一种锅炉汽包水位控制系统性能评估及参数优化的方法 |
| CN108897221B (zh) * | 2018-07-21 | 2021-04-02 | 成都光电传感技术研究所有限公司 | 一种军用电源机箱风机转速控制方法 |
| CN109811832A (zh) * | 2019-03-18 | 2019-05-28 | 哈尔滨理工大学 | 一种基于模糊神经网络pid控制的分层注水流量控制方法 |
| CN110207096B (zh) * | 2019-06-03 | 2020-09-01 | 河北国超热力工程有限公司 | 热力锅炉汽包水位智能控制方法 |
| CN110308658B (zh) * | 2019-07-24 | 2023-09-26 | 广东阿达智能装备有限公司 | 一种pid参数整定方法、装置、系统及可读存储介质 |
| CN111474965B (zh) * | 2020-04-02 | 2021-10-26 | 中国水利水电科学研究院 | 基于模糊神经网络的串联输水渠道水位预测与控制方法 |
| CN113091038B (zh) * | 2021-04-02 | 2022-05-17 | 杭州华电半山发电有限公司 | 一种余热锅炉蒸汽压力和汽包水位协调控制方法 |
| CN113898939B (zh) * | 2021-11-22 | 2023-09-19 | 江苏科技大学 | 一种基于双神经元的三冲量汽包水位控制系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60207806A (ja) * | 1984-03-31 | 1985-10-19 | 株式会社東芝 | Ｂｗｒ給水制御装置 |
| CN1858489A (zh) * | 2006-05-18 | 2006-11-08 | 上海交通大学 | 锅炉汽包水位模型辨识的方法 |
| CN101101112A (zh) * | 2007-04-29 | 2008-01-09 | 上海红箭自动化设备有限公司 | 一种锅炉水位的控制方法及其控制系统 |
| CN101709867A (zh) * | 2009-12-18 | 2010-05-19 | 杭州电子科技大学 | 燃煤锅炉汽包水位系统混合控制方法 |
-
2013
- 2013-01-30 CN CN201310035063.6A patent/CN103968367B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60207806A (ja) * | 1984-03-31 | 1985-10-19 | 株式会社東芝 | Ｂｗｒ給水制御装置 |
| CN1858489A (zh) * | 2006-05-18 | 2006-11-08 | 上海交通大学 | 锅炉汽包水位模型辨识的方法 |
| CN101101112A (zh) * | 2007-04-29 | 2008-01-09 | 上海红箭自动化设备有限公司 | 一种锅炉水位的控制方法及其控制系统 |
| CN101709867A (zh) * | 2009-12-18 | 2010-05-19 | 杭州电子科技大学 | 燃煤锅炉汽包水位系统混合控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于模糊神经网络的锅炉汽包水位控制研究;李仙;《中国优秀硕士学位论文全文数据库 信息科技辑》;20071215(第6期);第1至26、43至52页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103968367A (zh) | 2014-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103968367B (zh) | 基于模糊神经网络pid控制的锅炉汽包水位控制的方法 | |
| US20200175435A1 (en) | System and method for optimizing combustion of boiler | |
| Havlena et al. | Application of model predictive control to advanced combustion control | |
| Mahmoud et al. | Using OPC technology to support the study of advanced process control | |
| CN110285403A (zh) | 基于被控参数预估的主蒸汽温度控制方法 | |
| CN101286044A (zh) | 一种燃煤锅炉系统混合建模方法 | |
| Vasquez et al. | System identification of steam pressure in a fire-tube boiler | |
| Zheng et al. | A fault prediction of equipment based on CNN-LSTM network | |
| Ma et al. | Neural network based superheater steam temperature control for a large-scale supercritical boiler unit | |
| Abd-Kadhum et al. | Evaluation and improvement performance of a boiler in a thermal power plant using artificial neural network | |
| CN103558756B (zh) | 基于组态元件的单神经元pid控制器的实现方法 | |
| Sun et al. | Control system design and validation platform development for small pressurized water reactors (SPWR) by coupling an engineering simulator and MATLAB/Simulink | |
| Yang et al. | Application of fuzzy neural network PID algorithm in oil pump control | |
| Hussain et al. | Pilot-scale biomass gasification system for hydrogen production from palm kernel shell (part B): dynamic and control studies | |
| CN103970013B (zh) | 基于遗传算法与模糊控制的除氧器控制的实现方法 | |
| CN112363397B (zh) | 一种火电机组汽压波动前馈控制方法、存储介质及系统 | |
| Iacob et al. | Implementation of hardware-in-the-loop system for drum-boiler-turbine decoupled multivariable control | |
| Wójcik et al. | Optimal control for combustion process | |
| Timma et al. | An algorithm for the selection of structure for artificial networks. Case study: solar thermal energy systems | |
| CN103558762B (zh) | 基于图形化组态技术的免疫遗传pid控制器的实现方法 | |
| Huang et al. | Comparative study on peak power prediction methods during start-up and power-up of heat pipe reactor based on neural network and decision tree | |
| Anead et al. | Controlling for boiler in thermal power plants by using fuzzy logic controller | |
| Woldemariam et al. | A machine learning based framework for model approximation followed by design optimization for expensive numerical simulation-based optimization problems | |
| Rivas et al. | Operation Optimization Framework for Advanced Reactors Using a Data Driven Digital Twin | |
| HABBI et al. | Design of a fuzzy model-based controller for a drum boiler-turbine system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191015 Address after: 350799 Dongxing village, Geling Town, Yongtai County, Fuzhou City, Fujian Province Patentee after: Sap (Fujian) Technology Co. Ltd. Address before: 350000, No. two, building 6, Hongshan Science Park, industrial road, Fujian, Fuzhou Patentee before: FuDa Automation Technologies Co., Ltd. |
|
| TR01 | Transfer of patent right |