CN108646567B - 一种核电站稳压器压力被控对象动态矩阵控制方法 - Google Patents
一种核电站稳压器压力被控对象动态矩阵控制方法 Download PDFInfo
- Publication number
- CN108646567B CN108646567B CN201810663234.2A CN201810663234A CN108646567B CN 108646567 B CN108646567 B CN 108646567B CN 201810663234 A CN201810663234 A CN 201810663234A CN 108646567 B CN108646567 B CN 108646567B
- Authority
- CN
- China
- Prior art keywords
- controlled object
- nuclear power
- voltage stabilizer
- pressure controlled
- power station
- 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
Images
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)
Abstract
本发明涉及一种核电站稳压器压力被控对象动态矩阵控制方法,该方法包括如下步骤:(1)建立核电站稳压器压力被控对象模型;(2)对核电站稳压器压力被控对象设置反馈通道,建立有自平衡能力的核电站稳压器压力被控对象模型;(3)进行简化处理,建立有自平衡能力的核电站稳压器压力被控对象简化模型;(4)对简化模型设计动态矩阵控制器,得到虚拟实时预测控制信号;(5)根据虚拟实时预测控制信号得到实际实时预测控制信号,实现核电站稳压器压力被控对象动态矩阵控制。与现有技术相比,本发明能够克服动态矩阵控制算法存在的缺陷、改进传统控制方法控制品质的不足,提供一种带有积分和迟延环节的被控对象动态矩阵控制的实现方法。
Description
技术领域
本发明涉及控制技术领域,尤其是涉及一种带有积分和迟延环节的被控对象动态矩阵控制方法。
背景技术
工业过程控制中存在许多具有大惯性、大迟延、难以获得精确数学模型特点的被控对象,针对带有积分和迟延环节的无自平衡能力的复杂非线性系统,传统的PID控制方法调节效果不够理想,存在响应速度慢、超调量大等缺点。
动态矩阵控制(Dynamic Matrix Control,DMC)是一种基于被控对象阶跃响应的预测控制算法,对模型要求较低、算法计算量较小且鲁棒性较强。目前DMC算法可直接用于工业过程控制中有自平衡能力的被控对象,在对带有积分和迟延环节的被控对象建模时会产生截断误差,因此尚未用于无自平衡能力的被控对象。为解决这一问题,学者们进行了大量研究,可分为两类:一类主要针对被控对象进行研究,例如将不稳定模型进行分解得到稳定部分进行DMC控制器设计,但局限于理论上解决算法的应用问题;另一类主要针对算法自身进行研究,例如对DMC算法迭代矩阵进行改进解决预测模型的截断误差,但并未充分考虑工程实际信号的采集。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种核电站稳压器压力被控对象动态矩阵控制方法。
本发明的目的可以通过以下技术方案来实现:
一种核电站稳压器压力被控对象动态矩阵控制方法,该方法包括如下步骤:
(1)建立核电站稳压器压力被控对象模型;
(2)对核电站稳压器压力被控对象设置反馈通道,建立有自平衡能力的核电站稳压器压力被控对象模型;
(3)对有自平衡能力的核电站稳压器压力被控对象模型进行简化处理,建立有自平衡能力的核电站稳压器压力被控对象简化模型;
(4)对有自平衡能力的核电站稳压器压力被控对象简化模型设计动态矩阵控制器,得到虚拟实时预测控制信号;
(5)根据虚拟实时预测控制信号得到核电站稳压器压力被控对象的实际实时预测控制信号,实现核电站稳压器压力被控对象动态矩阵控制。
步骤(1)核电站稳压器压力被控对象模型具体为:
其中,G0(s)为核电站稳压器压力被控对象模型,k0为放大系数,T0为惯性时间常数,τ0为迟延时间,s为拉普拉斯算子,e为自然常数。
步骤(2)中有自平衡能力的核电站稳压器压力被控对象模型具体为:
G1(s)=G0(s)/(1+K×G0(s)),
其中,G1(s)为有自平衡能力的核电站稳压器压力被控对象模型,G0(s)为核电站稳压器压力被控对象模型,K为反馈通道增益,s为拉普拉斯算子。
步骤(3)中有自平衡能力的核电站稳压器压力被控对象简化模型通过如下方式获得:将有自平衡能力的核电站稳压器压力被控对象模型分母中的纯迟延环节近似线性化,得到有自平衡能力的核电站稳压器压力被控对象简化模型,纯迟延环节近似线性化具体为:
τo为迟延时间,s为拉普拉斯算子,e为自然常数。
步骤(4)中虚拟实时预测控制信号通过如下方式获得:
u(k)=u(k-1)+CT(ATQA+R)-1ATQ[ωP(k)-yP-P0(k)],
其中,u(k)为有自平衡能力的核电站稳压器压力被控对象k时刻虚拟实时预测控制信号,k为当前控制时刻,u(k-1)为有自平衡能力的核电站稳压器压力被控对象k-1时刻虚拟实时预测控制信号,CT为取首元素矩阵,A为动态矩阵,Q为误差权矩阵,R为控制权矩阵,ωP(k)为k时刻期望值矩阵,yP-P0(k)为k时刻控制器预测初值矩阵。
动态矩阵为:
其中,ai为有自平衡能力的核电站稳压器压力被控对象简化模型单位阶跃响应参数值,i=1,2,…,N,N为建模时域,P为预测时域,M为控制时域,并有M≤P≤N。
步骤(5)中核电站稳压器压力被控对象的实际实时预测控制信号通过如下方式获得:
uC(k)=u(k)-K×y(k),
其中,uC(k)为核电站稳压器压力被控对象k时刻实际实时预测控制信号,u(k)为核电站稳压器压力被控对象k时刻虚拟实时预测控制信号,y(k)为核电站稳压器压力被控对象k时刻的输出信号,K为反馈通道增益。
与现有技术相比,本发明具有如下优点:
(1)本发明将带有积分和迟延环节的被控对象转化为有自平衡能力的被控对象,进而在有自平衡能力的被控对象的基础上进行动态矩阵控制,提供了一种带有积分和迟延环节的被控对象动态矩阵控制的实现方法,进而将动态矩阵控制算法应用于带有积分和迟延环节的被控对象控制器设计,克服了动态矩阵控制算法存在的控制缺陷;
(2)本发明实现了带有积分和迟延环节的被控对象动态矩阵控制,与传统PID控制相比响应速度更快、超调量更小、鲁棒性更好,进而使得带有积分和迟延环节的控制系统具有更好的控制性能。
附图说明
图1为本发明带有积分和迟延环节的被控对象动态矩阵控制方法的流程框图;
图2为本发明实施例中实际实时预测控制信号仿真结果图;
图3为采用本发明方法与采用传统方法的仿真结果对比图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
如图1所示,一种带有积分和迟延环节的被控对象动态矩阵控制方法,总体而言,该方法包括如下步骤:
(A)提供带有积分和迟延环节的被控对象;
(B)采用动态矩阵控制算法得到带有积分和迟延环节的被控对象的实际实时预测控制信号,实现带有积分和迟延环节的被控对象动态矩阵控制。
具体地,该方法包括如下步骤:
(1)提供带有积分和迟延环节的被控对象,具体地,带有积分和迟延环节的被控对象是本发明所欲建模的工业过程控制中某一带有积分和迟延环节的被控对象,例如核电站稳压器压力被控对象;
(2)对带有积分和迟延环节的被控对象设置反馈通道,建立有自平衡能力的被控对象;
(3)对有自平衡能力的被控对象进行简化处理,建立有自平衡能力的被控对象简化模型;
(4)对有自平衡能力的被控对象简化模型设计动态矩阵控制器,得到虚拟实时预测控制信号;
(5)根据虚拟实时预测控制信号得到带有积分和迟延环节的被控对象的实际实时预测控制信号,实现带有积分和迟延环节的被控对象动态矩阵控制。
步骤(1)带有积分和迟延环节的被控对象具体为:
其中,G0(s)为带有积分和迟延环节的被控对象,k0为放大系数,T0为惯性时间常数,τ0为迟延时间,s为拉普拉斯算子,e为自然常数。具体地,本实施例中核电站稳压器压力被控对象模型为G0(s)=-(1.628×10-2)/s。
步骤(2)中有自平衡能力的被控对象具体为:
G1(s)=G0(s)/(1+K×G0(s)),
其中,G1(s)为有自平衡能力的被控对象,G0(s)为带有积分和迟延环节的被控对象,K为反馈通道增益,当反馈通道增益K小于一定范围时有自平衡能力的被控对象G1(s)是稳定的,s为拉普拉斯算子,具体地,本实施例中G1(s)为有自平衡能力的核电站稳压器压力被控对象模型。
τo为迟延时间,s为拉普拉斯算子,e为自然常数。具体地,本实施例中有自平衡能力的核电站稳压器压力被控对象简化模型为G2(s)=-(1.628×10-2)/(s+1.628×10-2)。
步骤(4)中虚拟实时预测控制信号通过如下方式获得:
u(k)=u(k-1)+CT(ATQA+R)-1ATQ[ωP(k)-yP-P0(k)],
其中,u(k)为有自平衡能力的被控对象k时刻虚拟实时预测控制信号,k为当前控制时刻,u(k-1)为有自平衡能力的被控对象k-1时刻虚拟实时预测控制信号,CT为取首元素矩阵,A为动态矩阵,Q为误差权矩阵,R为控制权矩阵,ωP(k)为k时刻期望值矩阵,yP-P0(k)为k时刻控制器预测初值矩阵,具体地,本实施例中u(k)为作用于有自平衡能力的核电站稳压器压力被控对象的动态矩阵控制器直接输出的虚拟实时预测控制信号。
其中,动态矩阵为:
其中,ai为有自平衡能力的被控对象简化模型单位阶跃响应参数值,i=1,2,…,N,N为建模时域,P为预测时域,M为控制时域,并有M≤P≤N。
步骤(5)中带有积分和迟延环节的被控对象的实际实时预测控制信号通过如下方式获得:
uC(k)=u(k)-K×y(k),
其中,uC(k)为带有积分和迟延环节的被控对象k时刻实际实时预测控制信号,u(k)为有自平衡能力的被控对象k时刻虚拟实时预测控制信号,y(k)为带有积分和迟延环节的被控对象k时刻的输出信号,K为反馈通道增益,本实施例中uC(k)为作用于核电站稳压器压力被控对象的本发明方法输出的实际实时预测控制信号,y(k)为核电站稳压器压力被控对象k时刻的压力输出信号。
对核电站稳压器压力被控对象进行本发明方法动态矩阵控制仿真,仿真实验时控制器参数设置如下:采样周期为0.1s,预测时域为70,控制时域为6,误差权矩阵参数为1,控制权矩阵参数为0,校正向量参数为1。实际实时预测控制信号仿真结果如图2所示。控制系统响应输出仿真结果如图3所示。由仿真曲线可知:动态矩阵控制的响应速度快,曲线无超调,调整时间为5s(误差为±2%),具有响应快、超调小、静态稳定性好的特点。
对核电站稳压器压力被控对象进行PID控制仿真,仿真实验时控制器参数设置如下:比例系数为20,积分系数为0.8,微分系数为0。控制系统响应输出仿真结果如图3所示。由仿真曲线可知:PID控制的上升时间为7s,峰值时间为15s,超调量为12%,调整时间为56s(误差为±2%),相较于本发明动态矩阵控制方法调节品质较差。因此,本发明一种带有积分和迟延环节的被控对象动态矩阵控制方法在带有积分和迟延环节的被控对象控制方面效果更好。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (4)
1.一种核电站稳压器压力被控对象动态矩阵控制方法,其特征在于,该方法包括如下步骤:
(1)建立核电站稳压器压力被控对象模型;
(2)对核电站稳压器压力被控对象设置反馈通道,建立有自平衡能力的核电站稳压器压力被控对象模型;
(3)对有自平衡能力的核电站稳压器压力被控对象模型进行简化处理,建立有自平衡能力的核电站稳压器压力被控对象简化模型;
(4)对有自平衡能力的核电站稳压器压力被控对象简化模型设计动态矩阵控制器,得到虚拟实时预测控制信号;
(5)根据虚拟实时预测控制信号得到核电站稳压器压力被控对象的实际实时预测控制信号,实现核电站稳压器压力被控对象动态矩阵控制;
步骤(1)核电站稳压器压力被控对象模型具体为:
其中,G0(s)为核电站稳压器压力被控对象模型,k0为放大系数,T0为惯性时间常数,τ0为迟延时间,s为拉普拉斯算子,e为自然常数;
步骤(2)中有自平衡能力的核电站稳压器压力被控对象模型具体为:
G1(s)=G0(s)/(1+K×G0(s)),
其中,G1(s)为有自平衡能力的核电站稳压器压力被控对象模型,G0(s)为核电站稳压器压力被控对象模型,K为反馈通道增益,s为拉普拉斯算子;
步骤(3)中有自平衡能力的核电站稳压器压力被控对象简化模型通过如下方式获得:将有自平衡能力的核电站稳压器压力被控对象模型分母中的纯迟延环节近似线性化,得到有自平衡能力的核电站稳压器压力被控对象简化模型,纯迟延环节近似线性化具体为:
τo为迟延时间,s为拉普拉斯算子,e为自然常数。
2.根据权利要求1所述的一种核电站稳压器压力被控对象动态矩阵控制方法,其特征在于,步骤(4)中虚拟实时预测控制信号通过如下方式获得:
u(k)=u(k-1)+CT(ATQA+R)-1ATQ[ωP(k)-yP-P0(k)],
其中,u(k)为有自平衡能力的核电站稳压器压力被控对象k时刻虚拟实时预测控制信号,k为当前控制时刻,u(k-1)为有自平衡能力的核电站稳压器压力被控对象k-1时刻虚拟实时预测控制信号,CT为取首元素矩阵,A为动态矩阵,Q为误差权矩阵,R为控制权矩阵,ωP(k)为k时刻期望值矩阵,yP-P0(k)为k时刻控制器预测初值矩阵。
4.根据权利要求1所述的一种核电站稳压器压力被控对象动态矩阵控制方法,其特征在于,步骤(5)中核电站稳压器压力被控对象的实际实时预测控制信号通过如下方式获得:
uC(k)=u(k)-K×y(k),
其中,uC(k)为核电站稳压器压力被控对象k时刻实际实时预测控制信号,u(k)为核电站稳压器压力被控对象k时刻虚拟实时预测控制信号,y(k)为核电站稳压器压力被控对象k时刻的输出信号,K为反馈通道增益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810663234.2A CN108646567B (zh) | 2018-06-25 | 2018-06-25 | 一种核电站稳压器压力被控对象动态矩阵控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810663234.2A CN108646567B (zh) | 2018-06-25 | 2018-06-25 | 一种核电站稳压器压力被控对象动态矩阵控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108646567A CN108646567A (zh) | 2018-10-12 |
CN108646567B true CN108646567B (zh) | 2021-07-20 |
Family
ID=63753571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810663234.2A Active CN108646567B (zh) | 2018-06-25 | 2018-06-25 | 一种核电站稳压器压力被控对象动态矩阵控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108646567B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197536A (zh) * | 2013-03-12 | 2013-07-10 | 北京源深节能技术有限责任公司 | 模型驱动pid控制方法及控制装置 |
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 |
CN105676915A (zh) * | 2016-03-24 | 2016-06-15 | 柳州铁道职业技术学院 | 基于自抗扰技术的生产线喷涂烘干过程的温度控制方法 |
CN105892296B (zh) * | 2016-05-11 | 2018-12-21 | 杭州电子科技大学 | 一种工业加热炉系统的分数阶动态矩阵控制方法 |
CN106483853A (zh) * | 2016-12-30 | 2017-03-08 | 杭州电子科技大学 | 炼油加热炉炉膛压力的分数阶分布式动态矩阵控制方法 |
CN107168062A (zh) * | 2017-05-31 | 2017-09-15 | 国网河南省电力公司电力科学研究院 | 一种超临界燃煤机组协调控制系统中的负荷预测方法 |
CN107515598A (zh) * | 2017-09-06 | 2017-12-26 | 东南大学 | 基于多参数动态矩阵控制的火电机组分布式协调控制系统 |
-
2018
- 2018-06-25 CN CN201810663234.2A patent/CN108646567B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108646567A (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105093931B (zh) | 一种航空发动机非线性系统控制器设计方法 | |
CN104698846B (zh) | 一种机械臂伺服系统的指定性能反演控制方法 | |
CN105116725B (zh) | 基于扩张状态观测器的伺服系统自适应滑模控制方法 | |
Wu et al. | Adaptive terminal sliding mode control for hypersonic flight vehicles with strictly lower convex function based nonlinear disturbance observer | |
CN110673469B (zh) | 一种基于反步迭代学习的欧拉-伯努利梁的振动控制方法 | |
CN106094530A (zh) | 倒立摆的非线性控制器设计方法 | |
CN108489015B (zh) | 基于极点配置和帕德近似的空调系统温度控制方法 | |
CN104991444B (zh) | 基于跟踪微分器的非线性pid自适应控制方法 | |
CN105549395B (zh) | 保证瞬态性能的机械臂伺服系统死区补偿控制方法 | |
Wang et al. | Finite-time boundedness control of morphing aircraft based on switched systems approach | |
CN105388764A (zh) | 基于动态矩阵前馈预测的电液伺服pid控制方法及系统 | |
JP2021051457A (ja) | 情報処理装置 | |
Gu et al. | Finite-time integral control for a class of nonlinear planar systems with non-vanishing uncertainties | |
JP2013069094A (ja) | 制御方法および制御装置 | |
CN106802569B (zh) | 一种补偿执行机构死区非线性的自适应状态反馈控制方法 | |
Chang et al. | Variance and passivity constrained sliding mode fuzzy control for continuous stochastic non-linear systems | |
CN108388136B (zh) | 一种具有非线性输入的柔性弦线系统的振动控制方法 | |
CN108646567B (zh) | 一种核电站稳压器压力被控对象动态矩阵控制方法 | |
CN111650829B (zh) | 基于人工智能的内嵌pid模块参数调节方法、系统及装置 | |
Bachtiar et al. | Nonlinear model predictive missile control with a stabilising terminal constraint | |
CN110262221B (zh) | 一种热工过程中对象的pid控制器参数控制方法 | |
CN108614432A (zh) | 一种基于粒子群算法的网络环境电机控制器设计算法 | |
CN110095985A (zh) | 一种观测器设计方法和抗干扰控制系统 | |
Yuxing et al. | LQR controller for longitudinal control augmentation system of aircraft based on hybrid genetic algorithm | |
CN109932900A (zh) | 一种非线性连续系统的权重更新方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |