CN105955024B - 船舶增压锅炉主蒸汽压力预测控制方法 - Google Patents
船舶增压锅炉主蒸汽压力预测控制方法 Download PDFInfo
- Publication number
- CN105955024B CN105955024B CN201610347464.9A CN201610347464A CN105955024B CN 105955024 B CN105955024 B CN 105955024B CN 201610347464 A CN201610347464 A CN 201610347464A CN 105955024 B CN105955024 B CN 105955024B
- Authority
- CN
- China
- Prior art keywords
- steam pressure
- main steam
- value
- ship
- supercharged
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
Abstract
本发明提供一种船舶增压锅炉主蒸汽压力预测控制方法,该方法包括:建立船舶增压锅炉主蒸汽压力控制系统中锅炉的传递函数模型,并对传递函数模型进行离散化,以获得系统的状态空间模型;设定状态空间模型中的主蒸汽压力给定值以及各参量的初值;更新当前时刻目标函数,并根据主蒸汽压力给定值以及当前各参量的值,计算后N步内的状态预测值,主蒸汽压力实际值和目标函数的当前最优输出;根据状态预测值,主蒸汽压力实际值以及当前最优输出,获得实际预测输出,并计算系统的误差;进行滚动优化,不断更新目标函数以及计算系统误差,直至系统的误差稳定在允许范围内,从而保持主蒸汽压力稳定在给定值上。
Description
技术领域
本发明涉及一种船舶增压锅炉主蒸汽压力预测控制方法。
背景技术
船舶增压锅炉作为船舶的动力装置,船舶增压锅炉主蒸汽压力是衡量锅炉本身性能好坏的重要指标。然而,现有的对船舶增压锅炉主蒸汽压力的控制方法往往存在滞后,例如,当锅炉燃料流量改变时,船舶增压锅炉主蒸汽压力的变化需要在一段时间之后才能检测到。此外,由于测量仪器(压敏元件)在测量过程中也将不可避免受测量噪声干扰,极小的测量误差就可能引起较大的控制误差,这使得船舶增压锅炉主蒸汽压力很难保证被控制在给定值上。
目前,对于船舶增压锅炉主蒸汽压力的控制多采用传统的PID控制算法,该算法能够在一定程度上改善控制效果,但是不能很好地满足实际需求。
发明内容
本发明要解决的技术问题是提供一种船舶增压锅炉主蒸汽压力预测控制方法,使得船舶增压锅炉主蒸汽压力能够被快速地控制在给定值上。
为解决上述技术问题,本发明提供一种船舶增压锅炉主蒸汽压力预测控制方法,包括:建立船舶增压锅炉主蒸汽压力控制系统中锅炉的传递函数模型G(s),并对传递函数模型G(s)进行离散化,以获得系统的状态空间模型z(k);设定状态空间模型z(k)中的主蒸汽压力给定值r(0)以及各参量的初值;更新当前时刻的目标函数J,并根据主蒸汽压力给定值r(0)以及当前各参量的值,计算后N步内的状态预测值x(k+1),主蒸汽压力实际值y(k)和目标函数的当前最优输出u(k);根据状态预测值x(k+1),主蒸汽压力实际值y(k)以及当前最优输出u(k),获得实际预测输出并计算系统的误差e(k),其中,误差e(k)为主蒸汽压力给定值与实际预测输出的差;令k=k+1,滚动优化目标函数J,直至系统的误差e(k)稳定在允许范围内,从而保持主蒸汽压力稳定在给定值上。
进一步地,传递函数模型为状态空间模型为z(k+1)=Az(k)+BΔu(k)+CΔr(k+1),其中,K,T,τ1为传递函数模型的系数,A,B,C为状态空间模型的迭代系数,Δ=1-z-1是增量算子,表示当前时刻相对于前一时刻的增量,传递函数模型G(s)描述的是输入燃料流量u(t)与输出锅炉主蒸汽压力值y(t)之间的动态特性,Y(s)为y(t)所对应的拉普拉斯变化函数,U(s)为u(t)所对应的拉普拉斯变换函数,z(k)为所述系统在第k时刻的状态,u(k)为所述系统在第k时刻的燃料输入值,r(k+1)为所述系统在第k+1时刻的主蒸汽压力给定值。
进一步地,迭代系数A为:迭代系数B为:迭代系数C为:其中,Cm=[1 0 0 … 0]1×S+1, S=τ1/Ts,Ts为离散化采样周期。
进一步地,需要设定初值的参量为,系统的控制步长M,输出步长N,以及状态初值z(0),其中,0<M≤N,且M和N均为正整数。
进一步地,状态初值z(0)的计算公式为:其中,系统的状态计算公式为Z(k)=[Δy(k),Δu(k-1),...,Δu(k-S),e(k)]T。
进一步地,目标函数为
其中,Qj和Lj为加权系数。
进一步地,加权系数Qj和Lj是值为0或1的常数。
进一步地,系统的主蒸汽压力给定值可调。
本发明提供的船舶增压锅炉主蒸汽压力预测控制方法,在建立船舶增压锅炉主蒸汽压力控制系统中锅炉的传递函数模型G(s)后,对传递函数模型G(s)进行离散化,从而推导获得系统的状态空间模型z(k)。在系统的状态空间模型基础上,对于每一个采样时刻,通过更新该时刻的目标函数,并将该时刻系统中各参量的值代入目标函数中,可以计算出系统在后N步内的状态预测值x(k+1),主蒸汽压力实际值y(k)以及目标函数的当前最优输出u(k)。根据所计算出的状态预测值x(k+1),主蒸汽压力实际值y(k)以及目标函数的当前最优输出u(k),可以获得系统的实际预测输出通过计算系统误差e(k)来判断系统是否达到控制要求。本发明提供的船舶增压锅炉主蒸汽压力预测控制方法,通过滚动优化目标函数,不断进行迭代计算,来对系统的下一状态进行预测,能够使得系统输出更快地达到主蒸汽压力给定值上,即,可以使得系统响应速度加快。
因此,本发明提供的船舶增压锅炉主蒸汽压力预测控制方法,能够使得船舶增压锅炉主蒸汽压力被快速地控制在给定值上。
此外,需要说明的是,目标函数的硬件载体为一个滚动优化控制器,系统通过不断地对滚动优化控制器中的目标函数进行滚动优化,不断进行迭代计算,来使得系统输出能够快速地达到主蒸汽压力给定值上。
附图说明
图1是本发明实施例提供的船舶增压锅炉主蒸汽压力预测控制方法流程图;
图2是本发明实施例提供的船舶增压锅炉主蒸汽压力预测控制原理图。
具体实施方式
下面通过具体的实施例进一步说明本发明,但是,应当理解为,这些实施例仅仅是用于更详细具体地说明之用,而不应理解为用于以任何形式限制本发明。
结合图1,本实施例提供的船舶增压锅炉主蒸汽压力预测控制方法,具体步骤包括:
步骤S1:建立船舶增压锅炉主蒸汽压力控制系统中锅炉的传递函数模型G(s),并对传递函数模型G(s)进行离散化,以获得系统的状态空间模型z(k);
步骤S2:设定状态空间模型z(k)中的主蒸汽压力给定值r(0)以及各参量的初值;
步骤S3:更新当前时刻的目标函数J,并根据主蒸汽压力给定值r(0)以及当前各参量的值,计算后N步内的状态预测值x(k+1),主蒸汽压力实际值y(k)和目标函数的当前最优输出u(k);
步骤S4:根据状态预测值x(k+1),主蒸汽压力实际值y(k)以及当前最优输出u(k),获得实际预测输出并计算系统的误差e(k),其中,误差e(k)为主蒸汽压力给定值与实际预测输出的差;
步骤S5:令k=k+1,滚动优化目标函数J,重复执行所述步骤S3和所述步骤S4,直至系统的误差e(k)稳定在允许范围内,从而保持主蒸汽压力稳定在给定值上。
本发明提供的船舶增压锅炉主蒸汽压力预测控制方法,在建立船舶增压锅炉主蒸汽压力控制系统中锅炉的传递函数模型G(s)后,对传递函数模型G(s)进行离散化,从而推导获得系统的状态空间模型z(k)。在系统的状态空间模型基础上,对于每一个采样时刻,通过更新该时刻的目标函数,并将该时刻系统中各参量的值代入目标函数中,可以计算出系统在后N步内的状态预测值x(k+1),主蒸汽压力实际值y(k)以及目标函数的当前最优输出u(k)。根据所计算出的状态预测值x(k+1),主蒸汽压力实际值y(k)以及目标函数的当前最优输出u(k),可以获得系统的实际预测输出通过计算系统误差e(k)来判断系统是否达到控制要求。本发明提供的船舶增压锅炉主蒸汽压力预测控制方法,通过滚动优化目标函数,不断进行迭代计算,来对系统的下一状态进行预测,能够使得系统输出更快地达到主蒸汽压力给定值上,即,可以使得系统响应速度加快。
因此,本发明提供的船舶增压锅炉主蒸汽压力预测控制方法,能够使得船舶增压锅炉主蒸汽压力被快速地控制在给定值上。
此外,需要说明的是,目标函数的硬件载体为一个滚动优化控制器,系统通过不断地对滚动优化控制器中的目标函数进行滚动优化,不断进行迭代计算,来使得系统输出能够快速地达到主蒸汽压力给定值上。
优选地,传递函数模型为状态空间模型为z(k+1)=Az(k)+BΔu(k)+CΔr(k+1),其中,K,T,τ1为传递函数模型的系数,A,B,C为状态空间模型的迭代系数,Δ=1-z-1是增量算子,表示当前时刻相对于前一时刻的增量,例如Δr(k+1)=r(k+1)-r(k)。传递函数模型G(s)描述的是输入燃料流量u(t)与输出锅炉主蒸汽压力值y(t)之间的动态特性。Y(s)为y(t)所对应的拉普拉斯变化函数,U(s)为u(t)所对应的拉普拉斯变换函数,z(k)为所述系统在第k时刻的状态,u(k)为所述系统在第k时刻的燃料输入值,r(k+1)为所述系统在第k+1时刻的主蒸汽压力给定值。
需要说明的是,本实施例所提供的传递函数模型以及状态空间模型中所涉及的符号表述均为本领域技术人员所公知并能够理解的表述方式。具体地,迭代系数A为:
迭代系数B为:迭代系数C为:其中,Cm=[1 0 0 … 0]1×S+1,
S=τ1/Ts,Ts为离散化采样周期。此外,需要说明的是,本实施例传递函数中中s是本领域技术人员公知的传递函数表述符号,本实施例S=τ1/Ts中的S为常用来简化公式复杂度的一个中间变量,s与S具有大小写之分。
进一步优选地,需要设定初值的参量为,系统的控制步长M,输出步长N,以及状态初值z(0),M和N的具体值的确定可根据系统实际需求而定,此外,M和N的取值必须始终满足0<M≤N,且M和N均为正整数。具体地,状态初值z(0)的计算公式为:其中,系统的状态计算公式为Z(k)=[Δy(k),Δu(k-1),...,Δu(k-S),e(k)]T。
进一步地,目标函数为
其中,Qj和Lj为加权系数。如图2所示,对于每一个时刻,都需要对目标函数进行更新,从而预测系统在后N步内的状态,通过不断地更新与迭代,可以使得主蒸汽压力更快地达到主蒸汽压力给定值上,即,使得系统响应加快。此外,本实施例提供的目标函数可以避免输入值发生跳变,一方面能够减少系统超调量,另一方面能够节约系统消耗。
此外,需要说明的是,本实施例提供的船舶增压锅炉主蒸汽压力预测控制方法,目标函数可调,因而可以满足不同工况下系统性能要求。
进一步优选地,加权系数Qj和Lj是值为0或1的常数。将加权系数Qj和Lj的值设定为0或1的值,可以减少计算量,提高系统响应速度。
进一步地,系统的主蒸汽压力给定值可调。可以根据系统的实际需求对主蒸汽压力给定值进行调节,本实施例提供的船舶增压锅炉主蒸汽压力预测控制方法能够快速地将系统输出稳定在给定值上,也就是说,本实施例提供的船舶增压锅炉主蒸汽压力预测控制方法具有较好的适用性,可满足不同工况需求。
尽管本发明已进行了一定程度的描述,明显地,在不脱离本发明的精神和范围的条件下,可进行各个条件的适当变化。可以理解,本发明不限于所述实施方案,而归于权利要求的范围,其包括所述每个因素的等同替换。
Claims (6)
1.一种船舶增压锅炉主蒸汽压力预测控制方法,其特征在于,包括如下步骤:
步骤S1:建立船舶增压锅炉主蒸汽压力控制系统中锅炉的传递函数模型G(s),并对所述传递函数模型G(s)进行离散化,以获得所述系统的状态空间模型z(k);
步骤S2:设定所述状态空间模型z(k)中的主蒸汽压力给定值r(0)以及各参量的初值;
步骤S3:更新当前时刻的目标函数J,并根据所述主蒸汽压力给定值r(0)以及当前所述各参量的值,计算后N步内的状态预测值x(k+1),主蒸汽压力实际值y(k)和所述目标函数的当前最优输出u(k);
步骤S4:根据所述状态预测值x(k+1),所述主蒸汽压力实际值y(k)以及所述当前最优输出u(k),获得实际预测输出并计算所述系统的误差e(k),其中,所述误差e(k)为所述主蒸汽压力给定值与所述实际预测输出的差;
步骤S5:令k=k+1,滚动优化所述目标函数J,重复执行所述步骤S3和所述步骤S4,直至所述误差e(k)稳定在允许范围内,从而保持所述主蒸汽压力稳定在给定值上,
所述步骤S1中,
所述传递函数模型为
所述状态空间模型为z(k+1)=Az(k)+BΔu(k)+CΔr(k+1);
其中,K,T,τ1为所述传递函数模型的系数,A,B,C为所述状态空间模型的迭代系数,Δ=1-z-1是增量算子,表示当前时刻相对于前一时刻的增量,所述传递函数模型G(s)描述的是输入燃料流量u(t)与输出锅炉主蒸汽压力值y(t)之间的动态特性,Y(s)为y(t)所对应的拉普拉斯变化函数,U(s)为u(t)所对应的拉普拉斯变换函数,z(k)为所述系统在第k时刻的状态,u(k)为所述系统在第k时刻的燃料输入值,r(k+1)为所述系统在第k+1时刻的主蒸汽压力给定值,
所述迭代系数A为:
所述迭代系数B为:
所述迭代系数C为:
其中,Cm=[1 0 0 … 0]1×S+1,
S=τ1/Ts,Ts为离散化采样周期。
2.根据权利要求1所述的船舶增压锅炉主蒸汽压力预测控制方法,其特征在于,所述步骤S2中,
需要设定初值的参量为,所述系统的控制步长M,输出步长N,以及状态初值z(0),其中,0<M≤N,且M和N均为正整数。
3.根据权利要求2所述的船舶增压锅炉主蒸汽压力预测控制方法,其特征在于,所述状态初值z(0)的计算公式为:其中,所述系统的状态计算公式为z(k)=[Δy(k),Δu(k-1),...,Δu(k-S),e(k)]T。
4.根据权利要求1所述的船舶增压锅炉主蒸汽压力预测控制方法,其特征在于,所述步骤S3中,所述目标函数为
其中,Qj和Lj为加权系数,s.t.为约束条件的缩写简称。
5.根据权利要求4所述的船舶增压锅炉主蒸汽压力预测控制方法,其特征在于,所述加权系数Qj和Lj是值为0或1的常数。
6.根据权利要求1至5中任一项所述的船舶增压锅炉主蒸汽压力预测控制方法,其特征在于,所述系统的所述主蒸汽压力给定值可调。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610347464.9A CN105955024B (zh) | 2016-05-24 | 2016-05-24 | 船舶增压锅炉主蒸汽压力预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610347464.9A CN105955024B (zh) | 2016-05-24 | 2016-05-24 | 船舶增压锅炉主蒸汽压力预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105955024A CN105955024A (zh) | 2016-09-21 |
CN105955024B true CN105955024B (zh) | 2019-03-01 |
Family
ID=56909715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610347464.9A Expired - Fee Related CN105955024B (zh) | 2016-05-24 | 2016-05-24 | 船舶增压锅炉主蒸汽压力预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105955024B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113703316A (zh) * | 2021-07-23 | 2021-11-26 | 上海电力大学 | 压水堆核电站主蒸汽压力模型预测控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07332602A (ja) * | 1994-06-07 | 1995-12-22 | Mitsubishi Heavy Ind Ltd | 蒸気温度予測制御装置 |
CN102494336A (zh) * | 2011-12-16 | 2012-06-13 | 浙江大学 | 一种循环流化床锅炉燃烧过程多变量控制方法 |
CN103225799A (zh) * | 2013-05-09 | 2013-07-31 | 北京四方继保自动化股份有限公司 | 一种火电厂主蒸汽温度控制方法 |
JP5500370B2 (ja) * | 2010-07-23 | 2014-05-21 | 横河電機株式会社 | 多変数モデル予測を用いた運転制御装置および運転制御方法 |
CN105240846A (zh) * | 2015-10-09 | 2016-01-13 | 南京信息工程大学 | 多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法 |
CN105276561A (zh) * | 2015-11-16 | 2016-01-27 | 黄红林 | 一种锅炉主蒸汽压力的自适应预测控制方法 |
-
2016
- 2016-05-24 CN CN201610347464.9A patent/CN105955024B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07332602A (ja) * | 1994-06-07 | 1995-12-22 | Mitsubishi Heavy Ind Ltd | 蒸気温度予測制御装置 |
JP5500370B2 (ja) * | 2010-07-23 | 2014-05-21 | 横河電機株式会社 | 多変数モデル予測を用いた運転制御装置および運転制御方法 |
CN102494336A (zh) * | 2011-12-16 | 2012-06-13 | 浙江大学 | 一种循环流化床锅炉燃烧过程多变量控制方法 |
CN103225799A (zh) * | 2013-05-09 | 2013-07-31 | 北京四方继保自动化股份有限公司 | 一种火电厂主蒸汽温度控制方法 |
CN105240846A (zh) * | 2015-10-09 | 2016-01-13 | 南京信息工程大学 | 多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法 |
CN105276561A (zh) * | 2015-11-16 | 2016-01-27 | 黄红林 | 一种锅炉主蒸汽压力的自适应预测控制方法 |
Non-Patent Citations (3)
Title |
---|
一类非线性系统的扩展状态空间预测控制;张日东 等;《控制与决策》;20050731;第20卷(第7期);第807-810页 |
模型预测控制在锅炉控制系统中的应用;周冬 等;《沈阳化工大学学报》;20120930;第26卷(第3期);第260-263页 |
船用锅炉蒸汽压力系统的滑模预测控制;丁虎 等;《哈尔滨工程大学学报》;20100831;第31卷(第8期);第1039-1042页 |
Also Published As
Publication number | Publication date |
---|---|
CN105955024A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Du et al. | A gap metric based weighting method for multimodel predictive control of MIMO nonlinear systems | |
CN108132599B (zh) | 一种基于迭代反馈整定的ude控制系统设计方法 | |
CN110764417B (zh) | 一种基于闭环辨识模型的线性二次型最优动态前馈-反馈pid控制系统及其控制方法 | |
CN108363295B (zh) | 基于系统辨识的火电机组agc性能考核指标计算与预测方法 | |
CN104698842B (zh) | 一种基于内点法的lpv模型非线性预测控制方法 | |
CN103676651A (zh) | 基于状态观测模型的锅炉汽温预测控制方法 | |
CN113641722A (zh) | 一种基于变体lstm的长期时间序列数据预测方法 | |
CN101997471B (zh) | 基于pid预测函数的励磁控制方法 | |
Dev et al. | Prediction-based super twisting sliding mode load frequency control for multi-area interconnected power systems with state and input time delays using disturbance observer | |
CN108448585A (zh) | 一种基于数据驱动的电网潮流方程线性化求解方法 | |
CN107390524A (zh) | 一种基于双线性子空间辨识的高炉铁水质量优化控制方法 | |
CN105955024B (zh) | 船舶增压锅炉主蒸汽压力预测控制方法 | |
CN110569561B (zh) | 一种分数阶pid控制器微分积分阶次估计方法 | |
CN106054616B (zh) | 模糊逻辑优化pid控制器参数的钛带卷连续酸洗活套高度控制方法 | |
CN105490266B (zh) | 基于多变量拟合的发电机调速系统参数优化建模方法 | |
CN109856959A (zh) | 一种基于pid的直线电机控制方法及系统 | |
CN100489704C (zh) | 一种自适应模糊控制系统的设计方法 | |
CN107703899B (zh) | 一种基于经验模态分解动态优化的催化剂混合反应控制装置 | |
CN103092815A (zh) | 校准装置及其对监测装置中的传递函数进行校准的方法 | |
CN106684930A (zh) | 一种考虑功率预测置信区间的风电有功功率控制方法 | |
CN109358511B (zh) | 一种数据驱动的系统关键性能指标自适应调节方法 | |
EP2778947B1 (en) | Sequential deterministic optimization based control system and method | |
CN112132428A (zh) | 基于大数据的蒸汽热网配汽站预测性调控决策方法 | |
CN103345161B (zh) | 废塑料裂解炉余热烘干装置压力控制方法 | |
CN103064286A (zh) | 一种工业过程的控制方法与设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190301 Termination date: 20210524 |