CN103970013A - 基于遗传算法与模糊控制的除氧器控制的实现方法 - Google Patents

Abstract

本发明提供一种基于遗传算法与模糊控制的除氧器控制的实现方法，包括：分析锅炉除氧器的结构和运行特征，建立锅炉除氧器控制系统的数学模型；设计模糊PID控制系统的结构，并确定该模糊PID控制系统的控制参数；采用遗传算法对控制参数进行优化；通过锅炉除氧器控制系统的数学模型，在工控组态软件中建立锅炉除氧器控制系统的对象模型；在组态软件中开发模糊PID控制元件与遗传算法元件；利用模糊PID控制元件、遗传算法元件、常规控制元件以及对象模型实现锅炉除氧器的控制策略，完成仿真计算并分析仿真结果。本发明的遗传优化的模糊PID控制算法是以元件的方式集成到组态软件中，其大大地提高先进控制策略在线运行的实时性。

Description

基于遗传算法与模糊控制的除氧器控制的实现方法

【技术领域】

本发明涉及流程工业领域火电厂除氧器的控制，尤其涉及一种基于遗传算法与模糊控制的除氧器控制的实现方法，属于工业自动化控制技术领域。

【背景技术】

在火电厂锅炉系统中，锅炉给水中含有对锅炉系统有害的气体，如氧气(O₂)、氮气(N₂)、二氧化碳（CO₂）等，特别是氧气会腐蚀锅炉及其附属设备，对锅炉系统造成损害。因此，除氧器是火电厂锅炉系统很重要的一部分，其除氧效果直接关系到整个电厂热力设备的正常、安全、经济运行。人们也一直在寻求高效、经济的除氧方法。图1为现有技术中常见的一类锅炉除氧器，其组成包括：补充水管1、凝结水管2、疏水箱疏水管3、高压加热器疏水管4、进汽管5、汽室6、以及排气管7。此类锅炉除氧器运行时的影响因素包括进水的温度、进水量和进汽量、溶解氧的分压、除氧器的水位等。

目前，大部分火电厂的除氧器控制系统仍然采用传统的PID控制。PID控制是当今世界上应用最广泛的控制算法，它能满足多数工业控制的要求。但是，由于火电厂除氧系统具有大滞后、大惯性、时变性、非线性等特点，且除氧器的温度和压力相互耦合，因此难以建立其精确的数学模型。传统的PID控制方法不具有自适应能力，往往得不到令人满意的除氧效果，甚至可能会使系统不稳定。

近年来随着先进控制算法的发展，许多先进控制算法被应用到除氧器控制系统中，除氧器控制系统的鲁棒性能和自适应能力等方面都有了很大的提高。除氧系统常用的先进控制方法主要有模糊控制、模糊PID控制、预测函数控制等。模糊控制便是一种先进控制算法，它的提出为解决不能确定精确数学模型的系统提供了一种有效的解决方案。然而尽管单独的模糊控制可以使得控制系统具有良好的动态特性，但由于缺少积分环节，因此系统的稳态精度较差。相比之下，PID控制则具有较好的稳态性能。而模糊PID控制器虽然结合了模糊控制与PID控制的优势，但仍然存在一定的缺陷，其控制参数设置不理想，量化因子和比例因子对控制效果具有很大的影响。另一方面，现有技术中，先进控制与除氧器控制系统都是相互独立的，其控制算法在线运行和调试的效果比较差，无法保证数据的实时性。此外，采用先进控制算法对除氧器进行控制时，控制算法运行时对计算机的计算性能要求较高，而且先进控制程序常以编译封装的形式呈现，用户无法在程序执行过程中进行必要的在线诊断和优化。

本申请技术是基于现有技术的不足，针对火电厂除氧器的稳态精度和动态特性，提出了一种基于遗传算法与模糊控制的除氧器控制的实现方法，将模糊控制和PID控制相结合设计模糊PID控制器，并利用遗传算法对模糊PID控制器的参数进行优化。目的在于改善传统PID、模糊控制及模糊PID控制等方法的控制效果，有效地提高除氧器控制系统的自适应能力，并在工程系统中降低先进控制对计算资源的要求，提高先进控制策略执行的实时性，也为用户对先进控制过程进行在线诊断和优化提供便利。

【发明内容】

本发明要解决的技术问题，在于提供一种基于遗传算法与模糊控制的除氧器控制的实现方法，克服了传统PID控制、模糊控制与模糊PID控制方法的缺点，有效地提高了除氧器控制系统的自适应能力、稳态精度和动态特性。

本发明是这样实现的：一种基于遗传算法与模糊控制的除氧器控制的实现方法，包括如下步骤：

步骤1、分析锅炉除氧器的结构和运行特征，建立锅炉除氧器控制系统的数学模型；

步骤2、设计模糊PID控制系统的结构，并确定该模糊PID控制系统的控制参数；

步骤3、根据模糊PID控制系统的控制参数的特点，采用遗传算法对控制参数进行优化；

步骤4、通过所述锅炉除氧器控制系统的数学模型，在工控组态软件中建立锅炉除氧器控制系统的对象模型；

步骤5、在工控组态软件中开发模糊PID控制元件与遗传算法元件；

步骤6、在工控组态软件中利用所述模糊PID控制元件、遗传算法元件、常规控制元件以及锅炉除氧器控制元件实现锅炉除氧器的控制策略，并完成仿真计算和结果分析。

本发明具有如下优点：1、本发明中除氧器的控制采用遗传算法来优化模糊PID控制系统的控制参数，克服了传统PID控制、模糊控制与模糊PID控制等方法的缺点，能够有效地提高了除氧器控制系统的自适应能力、稳态精度和动态特性。2、本发明中遗传优化的模糊PID控制策略可直接运行在控制站中，无须再配置独立的计算机来运行先进控制策略，有效地节省了计算资源。3、本发明中遗传优化的模糊PID控制算法是以元件的方式集成到组态软件中，能够大大地提高先进控制策略在线运行的实时性。4、本发明中遗传优化的锅炉除氧器的控制策略是在工控组态软件中开发完成，可采用图形化的方式对控制策略进行组态与调试，且系统运行过程各个环节的运算数据都能够通过组态软件得到实时的反馈和监测，同时也能够根据除氧器的运行工况进行在线调试。

【附图说明】

图1为本发明中现有技术的锅炉除氧器的结构示意图。

图2为本发明中锅炉除氧器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，本发明为一种基于遗传算法与模糊控制的除氧器控制的实现方法，如图2所示，该方法中涉及的锅炉除氧器控制系统是由模糊PID控制系统和锅炉除氧器组成的；该方法包括如下步骤：

步骤1、分析锅炉除氧器的结构和运行特征，建立锅炉除氧器控制系统的数学模型；该步骤具体包括步骤10至步骤11：

步骤10、根据锅炉除氧器的结构，获得除氧器的控制对象和运行特征；所述控制对象为锅炉除氧器，控制变量为除氧器的温度，运行特征为给水的流量扰动是影响除氧器除氧效果的主要因素；

步骤11、以阶跃信号作为锅炉除氧器的输入信号，则锅炉除氧器可表示为一个二阶惯性环节和一个延时环节，即锅炉除氧器控制系统的传递函数用公式来表示；其中，K表示被控对象的放大系数，T表示被控对象的时间常数，n表示被控对象的阶数，i被控对象的滞后时间，s表示系统的频域变量，G表示锅炉除氧器控制系统的传递函数。

步骤2、设计模糊PID控制系统的结构，并确定该模糊PID控制系统的控制参数；

步骤3、根据模糊PID控制系统的控制参数的特点，采用遗传算法对控制参数进行优化；

步骤4、通过所述锅炉除氧器控制系统的数学模型，在工控组态软件中建立锅炉除氧器控制系统的对象模型；

步骤5、在工控组态软件中开发模糊PID控制元件与遗传算法元件；该步骤具体包括步骤50至步骤51：

步骤50、在工控组态软件中编写模糊PID控制算法与遗传算法函数；

步骤51、在工控组态软件中通过调用编写的模糊PID控制算法与遗传算法函数构建模糊PID控制元件与遗传算法元件；

步骤6、在工控组态软件中利用所述模糊PID控制元件、遗传算法元件、常规控制元件以及锅炉除氧器控制元件实现锅炉除氧器的控制策略，并完成仿真计算和结果分析；该步骤具体包括步骤60至步骤61：

步骤60、在工控组态软件中通过对所述模糊PID控制元件、遗传算法元件、常规控制元件以及锅炉除氧器控制元件进行组态，来实现控制策略，所述常规控制元件包括：PID控制元件、基础计算元件、模拟量设定器、中间模拟量以及绘图元件；

步骤61、将所述控制策略下载到控制站中执行，完成仿真计算;在仿真计算的过程中，当模糊PID控制系统稳定后，给系统一个扰动信号模拟给水的扰动，观察模糊PID控制系统的抗扰动能力；所述扰动信号可在组态软件中通过编辑控制逻辑来实现。

其中，所述设计的模糊PID控制系统的结构由模糊控制器与PID控制器组成；所述模糊控制器用于调节模糊PID控制系统的控制参数，该模糊控制器输入端输入除氧器温度的误差e和误差变化ec，输出为PID的调节量△kp、△ki和△kd；在模糊PID控制系统运行时，模糊控制器不断地修正PID控制器的输入参数，该模糊PID控制系统的控制参数值为kp=kp1+△kp，ki=ki1+△ki，kd=kd1+△kd，，其中kp1，ki1,kd1为PID初始设定值；△kp、△ki和△kd是随着输入误差e和误差变化ec的变化而变化的变量值。

所述模糊控制器的影响因素包括模糊控制规则、模糊推理方法、量化因子系数ke和kec以及比例因子系数ku；所述量化因子系数ke、kec为模糊控制器的比例作用与微分作用；比例因子系数ku为总的放大倍数；该量化因子与比例因子对模糊控制器的控制性能影响最大。

采用遗传算法对控制参数进行优化，即采用遗传算法对量化因子系数ke和kec以及比例因子系数ku进行寻优，从而得到最优的模糊PID控制系统的控制参数；其中，遗传算法的适应性函数应考虑模糊PID控制系统的误差、模糊PID控制系统输出的控制量以及模糊PID控制系统的上升时间；遗传算法的适应性函数表示为 $f=\mathrm{\δ}+1/{\∫}_0^{\∞}\left(w_1\right|e\left(t\right)|+w_2{u}^2\left(t\right)+w_4|e\left(t\right)\left|\right)\mathrm{dt}+w_3\·t_u;$ 其中e(t)为模糊PID控制系统的误差，u(t)为模糊PID控制系统输出的控制量，t为模糊PID控制系统的时间变量，t_u为模糊PID控制系统的上升时间，w₁，w₂，w₃，w₄为模糊PID控制系统预设的权值，w₄>>w₁，δ是一个小于1大于0的正数；该遗传算法的控制参数包括：种群大小、选择率、交叉率、变异率。

所述对象模型为在仿真体系下的一组计算模型，用来模拟实际控制对象的运行过程；该对象模型的建立是根据锅炉除氧器控制系统的数学模型，在工控组态软件中通过开发锅炉除氧器控制元件来实现的，该锅炉除氧器控制元件的控制参数包括时间参数、放大系数以及滞后时间。

所述模糊PID控制元件包括△kp元件、△ki元件、△kd元件，该三个元件分别输出PID调节量△kp、PID调节量△ki和PID调节量△kd；该三个元件的输入均为锅炉除氧器的温度误差e和误差的变化ec，控制参数均为量化因子系数ke、kec和比例因子系数ku；所述遗传算法元件的输出为所述最优的模糊PID控制系统的控制参数，输入由模糊PID控制系统的程序来获取。

这里值得一提的是：与经典遗传算法相比，本发明中采用的遗传算法对选择率与变异率的选取进行了改进。

1、选择率采用适应度比例法来确定，但在选择下一代个体时，采用保留最优个体和去除最差个体的方法，先将最优个体复制到下一代中，以免最优个体在交叉和变异中遗失，且去除最差个体。2、变异率采用自适应变异，即当个体的适应度函数值较大时，则取较大的变异概率，以避免算法进入局部最优解；当适应度函数值较小时，则取较大的变异概率，可增加种群的多样性。

总之，本发明提供一种基于遗传算法与模糊控制的除氧器控制的实现方法，该方法一方面能够克服传统PID控制、模糊控制、模糊PID控制等方法的缺点，提高了除氧器控制系统的稳态精度和动态特性。另一方面遗传优化的模糊PID控制算法的数据结构与常规控制算法相同，可直接运行在控制站中，二者在控制站中所占的计算资源接近，因此能够有效地节省计算资源。同时由于本发明中遗传优化的模糊PID控制算法是通过元件的方式集成到组态软件中，能够大大地提高先进控制策略在线运行的实时性。此外，除氧器控制系统运行时，先进控制算法执行过程各环节的运算数据都能够得到实时反馈和监测，并且可以根据除氧器的运行工况对先进控制策略进行在线调试。

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 (9)

1.一种基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于，包括如下步骤：

步骤1、分析锅炉除氧器的结构和运行特征，建立锅炉除氧器控制系统的数学模型；

步骤2、设计模糊PID控制系统的结构，并确定该模糊PID控制系统的控制参数；

步骤3、根据模糊PID控制系统的控制参数的特点，采用遗传算法对控制参数进行优化；

步骤4、通过所述锅炉除氧器控制系统的数学模型，在工控组态软件中建立锅炉除氧器控制系统的对象模型；

步骤5、在工控组态软件中开发模糊PID控制元件与遗传算法元件；

步骤6、在工控组态软件中利用所述模糊PID控制元件、遗传算法元件、常规控制元件以及锅炉除氧器控制元件实现锅炉除氧器控制系统的控制策略，并完成仿真计算和结果分析。

2.根据权利要求1所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：所述步骤1具体包括如下步骤：

步骤10、根据锅炉除氧器的结构，获得除氧器的控制对象和运行特征；所述控制对象为锅炉除氧器，控制变量为除氧器的温度，运行特征为给水的流量扰动是影响除氧器除氧效果的主要因素；

步骤11、以阶跃信号作为锅炉除氧器的输入信号，则锅炉除氧器可表示为一个二阶惯性环节和一个延时环节，即锅炉除氧器控制系统的传递函数用公式来表示；其中，K表示被控对象的放大系数，T表示被控对象的时间常数，n表示被控对象的阶数，i表示被控对象的滞后时间，s表示系统的频域变量，G表示锅炉除氧器控制系统的传递函数。

3.根据权利要求1所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：所述设计的模糊PID控制系统的结构由模糊控制器与PID控制器组成；所述模糊控制器用于调节模糊PID控制系统的控制参数，该模糊控制器输入端输入除氧器温度的误差e和误差变化ec，输出为PID的调节量△kp、△ki和△kd；在模糊PID控制系统运行时，模糊控制器不断地修正PID控制器的输入参数，该模糊PID控制系统的控制参数值为kp=kp1+△kp，ki=ki1+△ki，kd=kd1+△kd，其中kp1，ki1，kd1为PID初始设定值；△kp、△ki和△kd是随着输入误差e和误差变化ec的变化而变化的变量值。

4.根据权利要求3所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：

所述模糊控制器的影响因素包括模糊控制规则、模糊推理方法、量化因子系数ke和kec以及比例因子系数ku；所述量化因子系数ke、kec为模糊控制器的比例作用与微分作用；比例因子系数ku为总的放大倍数；该量化因子与比例因子对模糊控制器的控制性能影响最大。

5.根据权利要求3所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：采用遗传算法对控制参数进行优化，即采用遗传算法对量化因子系数ke和kec以及比例因子系数ku进行寻优，从而得到最优的模糊PID控制系统的控制参数；其中，遗传算法的适应性函数应考虑模糊PID控制系统的误差、模糊PID控制系统输出的控制量以及模糊PID控制系统的上升时间；遗传算法的适应性函数表示为 $f=\mathrm{\δ}+1/{\∫}_0^{\∞}\left(w_1\right|e\left(t\right)|+w_2{u}^2\left(t\right)+w_4|e\left(t\right)\left|\right)\mathrm{dt}+w_3\·t_u;$ 其中e(t)为模糊PID控制系统的误差，u(t)为模糊PID控制系统输出的控制量，t为模糊PID控制系统的时间变量，t_u为模糊PID控制系统的上升时间，w₁，w₂，w₃，w₄为模糊PID控制系统预设的权值，w₄>>w₁，δ是一个小于1大于0的正数；该遗传算法的控制参数包括：种群大小、选择率、交叉率、变异率。

6.根据权利要求1所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：所述对象模型为在仿真体系下采用一组计算模型来模拟实际控制对象的运行过程；该对象模型的建立是根据锅炉除氧器控制系统的数学模型，在工控组态软件中通过开发锅炉除氧器控制元件来实现的，该锅炉除氧器控制元件的控制参数包括时间参数、放大系数以及滞后时间。

7.根据权利要求1所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：所述步骤5具体包括如下步骤：

步骤50、在工控组态软件中编写模糊PID控制算法与遗传算法函数；

步骤51、在工控组态软件中通过调用编写的模糊PID控制算法与遗传算法函数构建模糊PID控制元件与遗传算法元件。

8.根据权利要求5所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：所述模糊PID控制元件包括△kp元件、△ki元件、△kd元件，该三个元件分别输出PID调节量△kp、PID调节量△ki和PID调节量△kd；该三个元件的输入均为锅炉除氧器的温度误差e和误差的变化ec，控制参数均为量化因子系数ke、kec和比例因子系数ku；所述遗传算法元件的输出为所述最优的模糊PID控制系统的控制参数，输入由模糊PID控制系统的程序来获取。

9.根据权利要求1所述的基于遗传算法与模糊控制的除氧器控制的实现方法，其特征在于：所述步骤6具体包括如下步骤：

步骤60、在工控组态软件中通过对所述模糊PID控制元件、遗传算法元件、常规控制元件以及锅炉除氧器控制元件进行组态，来实现控制策略，所述常规控制元件包括：PID控制元件、基础计算元件、模拟量设定器、中间模拟量以及绘图元件；

步骤61、在实验仿真过程中，当模糊PID控制系统稳定后，给系统一个扰动信号模拟给水的扰动，观察模糊PID控制系统的抗扰动能力；所述扰动信号可在组态软件中通过编辑控制逻辑来实现。