CN112859588B - 一种快速降低铅铋快堆余热排放温度的控制装置及方法 - Google Patents
一种快速降低铅铋快堆余热排放温度的控制装置及方法 Download PDFInfo
- Publication number
- CN112859588B CN112859588B CN202110088839.5A CN202110088839A CN112859588B CN 112859588 B CN112859588 B CN 112859588B CN 202110088839 A CN202110088839 A CN 202110088839A CN 112859588 B CN112859588 B CN 112859588B
- Authority
- CN
- China
- Prior art keywords
- temperature
- waste heat
- controller
- heat discharge
- outlet
- 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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Temperature (AREA)
Abstract
一种快速降低铅铋快堆余热排放温度的智能温度控制装置及控制方法，该控制装置包括温度传感器、变频风机和智能温度控制器，其中，智能温度控制器为基于史密斯预估补偿及基于DTRNN的参数自整定PID控制器，该控制器可保证余热排放温度与外界空气的温度的最大温度波动差不超过阈值ΔT。智能温度控制器通过控制冷风管路入口变频风机的频率来控制管路空气流量，进而达到控制余热排放温度的目的。本发明在PID控制器中加入史密斯预估器对温度控制中存在的纯滞后环节进行补偿，利用DTRNN网络具有记忆和动态反馈的特性，加强了控制器适应系统时变动态扰动的特性，实现对铅铋快堆排放温度的高精度控制，具有较广的应用前景。
Description
技术领域
本发明属于余热排放控制技术领域，涉及铅铋快堆的余热排放温度控制， 特别涉及一种快速降低铅铋快堆余热排放温度的控制装置及方法。
背景技术
中国自主开发的小型铅铋快堆已经基本具备工程化条件，可作为小型模块 化核电源适用于车辆运载等情况。当小型铅铋快堆作为车载移动电源时，需要 考虑余热的快速稳定排放问题，若直接将大量的余热排放到空气中会迅速提升 周围环境温度。为解决此类问题，需要设计有效的余热排放控制系统，使得铅 铋快堆的余热在不对周围环境造成影响的情况下，快速排放到周围环境中。
由于小型铅铋快堆的余热初始排出温度较高，如图1所示，可先将余热存 储到储热装置中再进行排放。由于余热初始温度及储热装置结构等的不同，储 热装置的出口温度通常会与环境温度有较大偏差且出口温度存在慢时变波动， 因此需要旁通冷风管道来辅助调节余热排放温度。传统的温度控制通常采用PID 控制方法，由于余热排放出口温度不仅与环境空气温度有关，还受到储热装置 出口温度波动等复杂的环境条件扰动，传统的PID控制自适应性较差，难以满 足系统高性能、高精度的控制要求。
目前，神经网络模型常被用于PID控制器设计中，提高了系统的自适应性。 例如，具有较强的非线性映射能力及较强学习和泛化能力的BP(Back Propagation) 神经网络常被用于PID控制器参数的优化调整。但BP神经网络存在易陷入局部 最小且收敛速度慢等问题，并且神经网络模型无法很好的解决温度控制系统中 大时滞环节对系统造成的影响。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种快速降低铅铋 快堆余热排放温度的控制装置及方法，采用基于史密斯预估补偿及基于DTRNN 参数自整定的PID控制器，该控制器结合了DTRNN的动态特性以及史密斯预 估补偿器时滞补偿的性能，以实现铅铋快堆余热的快速稳定排放，且具有较高 的控制精度。
为了实现上述目的，本发明采用的技术方案是：
一种快速降低铅铋快堆余热排放温度的控制装置，其中所述铅铋快堆的余 热接入设置在热风管路上的储热装置中，热风管路的出口与冷风管路的出口汇 集为混合空气出口，即余热排放出口，其特征在于，控制装置包括：
温度传感器，实时采集环境空气温度以及余热排放出口温度；
变频风机，设置于冷风管路和热风管路；
智能温度控制器，与所述变频风机以及所述温度传感器连接，通过变频风 机调控冷风管路中空气流量，保证余热排放出口温度与环境空气温度的差值不 超过设定值ΔT；
其中，所述智能温度控制器包括史密斯预估补偿器和基于DTRNN进行参 数自整定的PID控制器，其中环境空气温度和余热排放出口温度的差值与设定 值ΔT作为比较器一的两路输入，比较器一的输出和史密斯预估补偿器的输出作 为比较器二的两路输入，比较器二的输出作为PID控制器的输入，PID控制器 的输出分别作为调温系统和史密斯预估补偿器的输入，调温系统通过变频风机 调控冷风管路中空气流量，进而调控冷风管路的常温空气和储热装置出口温度 波动的热空气混合后的混合气体温度，即余热排放出口温度。本发明中，所述 温度传感器至少设置在余热排放出口处以及冷风管路的常温空气入口处。
所述基于DTRNN进行参数自整定是利用DTRNN完成PID控制器参数Kp， KI，KD的整定。由于系统被控对象为温度，其数学模型中存在纯滞后环节，因 此采用史密斯预估补偿器可有效减少纯滞后环节对系统动态性能的影响。
本发明中ΔT人为设定，当要求余热排放温度与外界环境温度不超过±5℃ 时，设定ΔT＝±5℃
本发明还提供了基于所述快速降低铅铋快堆余热排放温度的控制装置的控 制方法，包括如下步骤：
步骤1：选择采样时间，对系统误差信号进行采样。具体地，在满足香农采 样定理的前提条件下，综合考虑信号跟踪效果、执行元件要求、计算机精度在 内的因素，选择能满足控制性能要求且尽可能小的采样时间间隔。以误差e(k)和 误差变化率ec(k)为输入信号，依据状态函数ht＝φh(W2 Tφl(W1 Tht-1+UTxt))、输出函数 yt＝φo(VTht)和性能指标
采用BPTT算法对DTRNN进行训练，确 定神经网络最佳结构参数信息(包括隐藏层神经元数目、循环层神经元数目以 及隐藏层和输出层的激活函数)，其中，e(k)为环境空气温度和余热排放出口温 度的差值与设定值ΔT的偏差，即系统误差信号；xt＝[e,ec]T为系统输入向量， yt＝[Kp,KI,KD]T为系统输出向量，W1,2，U，V分别为隐藏层转移矩阵，输入矩阵 和输出矩阵，φh，φl和φo为非线性激活函数；
步骤2：使用温度传感器实时监测环境空气温度及余热排放出口温度，并将 温度信息传送到智能温度控制器；
步骤3：设定余热排放出口温度与环境空气温度的最小偏差值为γ， 0＜γ＜ΔT，γ由被控系统的动态性能决定，当偏差大于γ，DTRNN对PID控制 器参数进行在线整定，同时智能温度控制器调控冷风管路中空气流量，控制余 热排放出口温度，保证被控对象在动态收敛稳定过程中，余热排放出口温度 与外界环境温度的差值小于ΔT；
步骤4：若余热排放出口温度与环境空气温度的偏差小于最小偏差值γ，则 所述智能温度控制器输出信号不变；
步骤5：若被控对象系统(包括热风管路、冷风管路以及控制装置自身)本 身不发生变化，则重复执行步骤2-4；若被控对象自身结构(热风管路、冷风管 路的规格参数，控制装置中的温度传感器以及变频风机选型等)发生变化，则 执行步骤1-5。
本发明对PID控制器参数进行在线整定的方法是：根据性能指标函数
利用BPTT算法在线对DTRNN中隐藏层转移矩阵，输入矩阵 和输出矩阵W1,2，U，V进行在线更新，进而依据 [Kp,KI,KD]T＝φo(VTφh(W2 Tφl(W1 Tht-1+UTxt)))对Kp,KI,KD进行在线整定及更新。
与现有技术相比，本发明的有益效果是：
1、本发明的智能温度控制装置能实现铅铋快堆余热快速稳定排放，为余热 排放温度的高精度控制提供了一种新的方式。
2、本发明的智能温度控制基于史密斯预估补偿器和DTRNN，利用史密斯 预估器有效弥补了温度控制系统中时滞环节，同时利用DTRNN具有动态反馈 的特性，实现PID参数在线整定，进而满足系统在不同环境、扰动条件下的控 制要求，提高了控制性能及精度。
综上，本发明可以准确地对铅铋快堆余热排放温度进行控制，可在线整定 控制器参数，容易实现对铅铋快堆余热排放温度快速、高精度调控。
附图说明
图1为智能温度控制装置的结构框图。
图2为智能温度控制装置的原理框图。
图3为DTRNN结构框图。
具体实施方式
为更清晰阐述本发明目的、方法及优点，结合图示对本发明进行进一步说 明。
如图1所示，本发明一种快速降低铅铋快堆余热排放温度的控制装置，其 中铅铋快堆的余热接入储热装置，储热装置设置在热风管路，热风管路的一端 为常温空气入口，冷风管路的一端也为常温空气入口，热风管路的另一端与冷 风管路的另一端汇合为混合空气出口，即余热排放出口。控制装置的组成部分 包括：
温度传感器，实时采集环境空气温度以及余热排放出口温度，因此，其至 少应该设置在余热排放出口处以及冷风管路的常温空气入口处。
变频风机，同时设置于冷风管路和热风管路，热风管路的变频风机用来保 证热风管路空气流速一定。
智能温度控制器，与变频风机以及温度传感器连接，接收温度传感器采集 的温度数据，通过变频风机调控冷风管路中空气流量，保证余热排放出口温度 与环境空气温度的差值不超过设定值ΔT，即，能够使得余热排放出口温度稳定 跟随环境空气温度的变化。其中ΔT由人为设定，例如，当要求余热排放温度与 外界环境温度不超过±5℃时，设定ΔT＝±5℃。
本发明智能温度控制的原理参考图2，智能温度控制器包括史密斯预估补偿 器和基于DTRNN的参数自整定PID控制器。图3为深度过渡循环神经网络(Deep TransitionRecurrent Neural Network，DTRNN)结构框图，可以看出DTRNN具有 动态反馈的特性，可记忆控制系统运行的中间状态信号使其具备映射动态特征 的性能，从而增强系统的自适应能力。同时，史密斯预估补偿器在温度控制反 馈回路中引入补偿装置来补偿系统中的滞后环节，极大减少了纯滞后环节对系 统动态性能的影响，从而加强了所述智能温度控制器对余热排出温度的有效控 制，提高系统稳定性。
具体地，环境空气温度和余热排放出口温度的差值与设定值ΔT作为比较器 一的两路输入，比较器一的输出和史密斯预估补偿器的输出作为比较器二的两 路输入，比较器二的输出作为PID控制器的输入，PID控制器的输出分别作为 调温系统和史密斯预估补偿器的输入，调温系统通过变频风机调控冷风管路中 空气流量，进而调控冷风管路的常温空气和储热装置出口温度波动的热空气混 合后的混合气体温度即余热排放出口温度。
本发明中，利用具有记忆和动态反馈特性的DTRNN完成PID控制器参数 (比例系数Kp，积分系数KI，微分系数KD)的自整定，DTRNN与史密斯预估 补偿器的结合，极大提高了系统的控制性能，实现了PID参数在线自适应调节， 使得控制器对实际复杂环境有更强的适应性。
基于上述装置，本发明的控制如下：
步骤1：选择适宜的采样时间，对DTRNN进行训练，确定神经网络最佳结 构参数信息(包括隐藏层神经元数目、循环层神经元数目、权值系数以及隐藏 层和输出层的激活函数等)。训练的具体方法为：
在满足香农采样定理的前提条件下，综合考虑信号跟踪效果、执行元件要 求、计算机精度在内的因素，选择能满足控制性能要求且尽可能小的采样时间 间隔，对系统误差信号进行采样。以误差e(k)和误差变化率ec(k)为输入信号，依 据状态函数
输出函数yt＝φo(VTht)和性能指标 
采用BPTT算法对DTRNN进行训练，其中，e(k)为环境空气温 度和余热排放出口温度的差值与设定值ΔT的偏差，即系统误差信号，xt＝[e,ec]T为 系统输入向量，yt＝[Kp,KI,KD]T为系统输出向量，W1,2，U，V分别为隐藏层转移 矩阵，输入矩阵和输出矩阵，φh，φl和φo为非线性激活函数；
步骤2：使用温度传感器实时监测环境空气温度及余热排放出口温度，并将 温度信息传送到智能温度控制器。
步骤3：设定余热排放出口温度与环境空气温度的最小偏差值为γ， 0＜γ＜ΔT，γ由被控系统的动态性能决定，当二者偏差大于γ，DTRNN对PID 控制器参数进行在线整定，同时智能温度控制器调控冷风管路中空气流量，控 制余热排放出口温度，保证被控系统在动态收敛稳定过程中，余热排放出口 温度与外界环境温度的差值小于ΔT。
其中，对PID控制器参数进行在线整定的方法是：根据性能指标函数
利用BPTT算法在线对DTRNN中隐藏层转移矩阵，输入矩阵 和输出矩阵W1,2，U，V进行在线更新，进而依据 [Kp,KI,KD]T＝φo(VTφh(W2 Tφl(W1 Tht-1+UTxt)))对Kp,KI,KD进行在线整定及更新。
步骤4：若余热排放出口温度与环境空气温度的偏差小于最小偏差值γ，则 智能温度控制器输出信号不变(即此时停止训练，不对神经网络的权值及阈值 进行更新，输出参数Kp，KI，KD不变)。
步骤5：若被控对象系统(包括热风管路、冷风管路以及控制装置自身)本 身不发生变化，则重复执行步骤2-4；若被控对象自身结构(热风管路、冷风管 路的规格参数，控制装置中的温度传感器以及变频风机选型等)发生变化，则 执行步骤1-5。
综上，本发明为铅铋快堆余热排放问题提供了一种智能控制装置及方法， 利用史密斯预估补偿器解决了系统纯滞后问题，利用DTRNN帮助系统在外界 环境发生扰动变化时在线整定PID控制器参数，为铅铋快堆余热快速稳定排放 提供了指导。
Claims (8)
1.一种快速降低铅铋快堆余热排放温度的控制装置，其中所述铅铋快堆的余热接入设置在热风管路上的储热装置中，热风管路的出口与冷风管路的出口汇集为混合空气出口，即余热排放出口，其特征在于，控制装置包括：
温度传感器，实时采集环境空气温度以及余热排放出口温度；
变频风机，设置于冷风管路和热风管路；
智能温度控制器，与所述变频风机以及所述温度传感器连接，通过变频风机调控冷风管路中空气流量，保证余热排放出口温度与环境空气温度的差值不超过设定值ΔT；
其中，所述智能温度控制器包括史密斯预估补偿器和基于深度过渡循环神经网络进行参数自整定的PID控制器，其中环境空气温度和余热排放出口温度的差值与设定值ΔT作为比较器一的两路输入，比较器一的输出和史密斯预估补偿器的输出作为比较器二的两路输入，比较器二的输出作为PID控制器的输入，PID控制器的输出分别作为调温系统和史密斯预估补偿器的输入，调温系统通过变频风机调控冷风管路中空气流量，进而调控冷风管路的常温空气和储热装置出口温度波动的热空气混合后的混合气体温度，即余热排放出口温度；
所述基于深度过渡循环神经网络进行参数自整定是利用深度过渡循环神经网络完成PID控制器参数Kp，KI，KD的整定，方法如下：根据性能指标函数
利用时序反向传播算法在线对深度过渡循环神经网络中隐藏层转移矩阵W1,2，输入矩阵U和输出矩阵V进行在线更新，进而依据
对Kp,KI,KD进行在线整定及更新；
其中，e(k)为环境空气温度和余热排放出口温度的差值与设定值ΔT的偏差，即系统误差信号；φh，φl和φo为非线性激活函数；xt＝[e,ec]T为系统输入向量；ht为状态函数，
ht-1为t-1时刻的状态函数。
2.根据权利要求1所述快速降低铅铋快堆余热排放温度的控制装置，其特征在于，所述温度传感器至少设置在余热排放出口处以及冷风管路的常温空气入口处。
3.根据权利要求1所述快速降低铅铋快堆余热排放温度的控制装置，其特征在于，所述ΔT人为设定，当要求余热排放温度与外界环境温度不超过±5℃时，设定ΔT＝±5℃。
4.基于权利要求1所述快速降低铅铋快堆余热排放温度的控制装置的控制方法，其特征在于，包括如下步骤：
步骤1：选择采样时间，对系统误差信号进行采样，以误差e(k)和误差变化率ec(k)为输入信号，依据状态函数
输出函数yt＝φo(VTht)和性能指标
采取算法对深度过渡循环神经网络进行训练，确定神经网络最佳结构参数信息，其中，yt＝[Kp,KI,KD]T为系统输出向量；
步骤2：使用温度传感器实时监测环境空气温度及余热排放出口温度，并将温度信息传送到智能温度控制器；
步骤3：设定余热排放出口温度与环境空气温度的最小偏差值为γ，0＜γ＜ΔT，当偏差大于γ，深度过渡循环神经网络对PID控制器参数进行在线整定，同时智能温度控制器调控冷风管路中空气流量，控制余热排放出口温度；
步骤4：若余热排放出口温度与环境空气温度的偏差小于最小偏差值γ，则所述智能温度控制器输出信号不变；
步骤5：若被控对象系统本身不发生变化，则重复执行步骤2-4；若被控对象自身结构发生变化，则执行步骤1-5。
5.根据权利要求4所述控制方法，其特征在于，所述步骤1中，在满足香农采样定理的前提条件下，综合考虑信号跟踪效果、执行元件要求、计算机精度在内的因素，选择能满足控制性能要求且尽可能小的采样时间间隔。
6.根据权利要求4所述控制方法，其特征在于，所述结构参数信息包括：隐藏层神经元数目、循环层神经元数目以及隐藏层和输出层的激活函数。
7.根据权利要求4所述控制方法，其特征在于，所述步骤3中，γ由被控系统的动态性能决定，保证被控对象在动态收敛稳定过程中，余热排放出口温度与外界环境温度的差值小于ΔT。
8.根据权利要求4所述控制方法，其特征在于，所述步骤5中，被控对象系统包括热风管路、冷风管路以及控制装置自身；被控对象自身结构包括热风管路、冷风管路的规格参数，控制装置中的温度传感器以及变频风机选型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110088839.5A CN112859588B (zh) | 2021-01-22 | 2021-01-22 | 一种快速降低铅铋快堆余热排放温度的控制装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110088839.5A CN112859588B (zh) | 2021-01-22 | 2021-01-22 | 一种快速降低铅铋快堆余热排放温度的控制装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112859588A CN112859588A (zh) | 2021-05-28 |
| CN112859588B true CN112859588B (zh) | 2022-03-18 |
Family
ID=76008035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110088839.5A Active CN112859588B (zh) | 2021-01-22 | 2021-01-22 | 一种快速降低铅铋快堆余热排放温度的控制装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112859588B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001132927A (ja) * | 1999-08-26 | 2001-05-18 | Mitsui Eng & Shipbuild Co Ltd | 熱交換器の温度制御方法および温度制御装置 |
| CN109545401A (zh) * | 2018-12-19 | 2019-03-29 | 岭东核电有限公司 | 一种铅基快堆堆外非能动余热排出系统 |
| CN109860947B (zh) * | 2019-01-15 | 2021-06-18 | 江苏大学 | 一种动力电池包可变流道主动热管理控制方法及系统 |
| CN210039652U (zh) * | 2019-03-06 | 2020-02-07 | 中广核研究院有限公司 | 一种带有导热油中间回路的铅铋快堆应急余热排出系统 |
| CN110001356A (zh) * | 2019-05-17 | 2019-07-12 | 天津大学 | 基于相变储热的电动汽车空调系统 |
| CN111520878A (zh) * | 2020-05-02 | 2020-08-11 | 苏州科技大学 | 一种基于rbf神经网络的空调温控系统及其控制方法 |
-
2021
- 2021-01-22 CN CN202110088839.5A patent/CN112859588B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112859588A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108134114B (zh) | 一种质子交换膜燃料电池温度控制方法 | |
| CN109062053B (zh) | 一种基于多变量校正的脱硝喷氨控制方法 | |
| CN108803336B (zh) | 一种航空发动机自适应lqg/ltr控制器设计方法 | |
| CN108962410B (zh) | 一种用于铅冷快堆功率的自抗扰控制方法 | |
| Han et al. | Knowledge-data-driven model predictive control for a class of nonlinear systems | |
| Malhotra et al. | Boiler flow control using PID and fuzzy logic controller | |
| CN111520878A (zh) | 一种基于rbf神经网络的空调温控系统及其控制方法 | |
| CN106249724A (zh) | 一种高炉多元铁水质量预测控制方法及系统 | |
| CN111006843B (zh) | 一种暂冲式超声速风洞的连续变速压方法 | |
| EP3904971A1 (en) | Pid controller autotuner using machine learning approaches | |
| CN112947088B (zh) | 一种基于密闭空间的温湿度系统的建模和控制方法 | |
| CN111781835B (zh) | 一种镇定二阶惯性加纯滞后系统的线性自抗扰控制器设计方法 | |
| CN204595644U (zh) | 基于神经网络的铝棒加热炉燃烧温度自动控制装置 | |
| CN115494892A (zh) | 高空模拟试车台进气环境模拟系统解耦控制方法 | |
| Chen et al. | Sliding mode control based on disturbance observer for greenhouse climate systems | |
| CN112859588B (zh) | 一种快速降低铅铋快堆余热排放温度的控制装置及方法 | |
| CN110554617A (zh) | 一种自动控制实验教学装置及方法 | |
| WO2019205216A1 (zh) | 一种基于rbf神经网络预测控制的双进双出球磨机控制系统及控制方法 | |
| Ji et al. | Application of the improved the ELM algorithm for prediction of blast furnace gas utilization rate | |
| CN108803342B (zh) | 一种单元机组负荷快速响应预测控制方法 | |
| CN115180461B (zh) | 新能源汽车压缩机电机生产装备的张力数据驱动控制方法 | |
| CN110794677A (zh) | 基于迭代学习的抽汽供热发电机组协调系统预测控制器 | |
| CN110684547A (zh) | 一种生物质热解炭化窑优化控制方法 | |
| CN110643485A (zh) | 一种具有智能预测补偿器的粮食发酵过程温度场自动控制系统与方法 | |
| Tian | Predictive control of coke oven flue temperature based on orthogonal neural network |
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 |