CN113359441A - 基于不确定性补偿的燃烧室热声震荡模型预测控制方法 - Google Patents

基于不确定性补偿的燃烧室热声震荡模型预测控制方法 Download PDF

Info

Publication number
CN113359441A
CN113359441A CN202110577445.6A CN202110577445A CN113359441A CN 113359441 A CN113359441 A CN 113359441A CN 202110577445 A CN202110577445 A CN 202110577445A CN 113359441 A CN113359441 A CN 113359441A
Authority
CN
China
Prior art keywords
model
function
frequency
combustion
characteristic
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.)
Granted
Application number
CN202110577445.6A
Other languages
English (en)
Other versions
CN113359441B (zh
Inventor
孙立
陈卓
苏志刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Liyang Research Institute of Southeast University
Original Assignee
Southeast University
Liyang Research Institute of Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University, Liyang Research Institute of Southeast University filed Critical Southeast University
Priority to CN202110577445.6A priority Critical patent/CN113359441B/zh
Publication of CN113359441A publication Critical patent/CN113359441A/zh
Application granted granted Critical
Publication of CN113359441B publication Critical patent/CN113359441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

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)
  • Regulation And Control Of Combustion (AREA)

Abstract

本发明公开了一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，建立了燃烧震荡的机理模型，然后对机理模型进行简化，建立用于控制器设计的半机理数学模型，并基于半机理数学模型进行燃烧系统的不确定性补偿，最后建立了一种基于不确定性补偿的模型预测控制方法。本发明通过机理建模的方法从热声震荡产生原理角度建立模型以抑制燃烧不稳定现象；通过模型简化便于反馈控制器设计，并基于DOB进行模型偏差和外部扰动的实时补偿，二者复合形成的基于不确定性补偿的模型预测控制方法可以有效提升燃气轮机燃烧过程负荷跟踪和扰动抑制两方面的性能，为进一步发掘燃气轮机灵活运行潜力提供了支撑。

Description

基于不确定性补偿的燃烧室热声震荡模型预测控制方法
技术领域
本发明涉及燃烧稳定性控制技术领域，特别是一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法。
背景技术
近年来，随着天然气资源的开发、对火力发电方式污染物排放要求的进一步提高，燃气轮机及燃气-蒸汽联合循环的发电技术得到了良好发展，其发电占比已达到全球发电量的22％以上。由于燃气轮机具有的灵活性高、启停迅速等优点，其可用于电网调峰调频和平衡微电网功率，有利于可再生能源的协助消纳。同时，燃气轮机各设备本身的稳定运行将直接影响整体的运行安全性，其中燃烧火焰的稳定性研究成为了燃气轮机控制领域的一个关键问题。
不稳定燃烧即燃烧震荡，是在火焰燃烧时发生的一种高度共振噪声，其在锅炉、火箭发动机和航空发动机燃烧室等广泛存在，对系统的正常运行有严重危害。如燃烧震荡时，会在燃烧室造成压力的剧烈震荡，影响燃烧室的正常工作，甚至导致燃烧室结构损坏或破坏。
燃气轮机的变工况运行特性，便决定其需要同时满足负荷跟踪与抑制各种干扰的两方面的要求。从不稳定燃烧发生的机理可以看出，其可以被归类为极限环振荡问题，这一问题的有效处理亟需有效的建模。而针对极限环振荡的控制已有很多方法将其当作典型的扰动抑制问题来处理。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，从机理建模和不确定性补偿角度来提升火焰燃烧的稳定性。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，包括以下步骤：
步骤S1、建立燃烧震荡的机理模型；
步骤S2、对机理模型进行简化，建立半机理数学模型；
步骤S3、基于半机理数学模型，设计干扰观测器DOB，将DOB与实际对象动态之间的模型偏差、外部干扰作为集总干扰进行估计并实时补偿；
步骤S4、根据步骤S2、S3，形成不确定性补偿的模型预测控制方法。
作为本发明所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法进一步优化方案，步骤S1中所述燃烧震荡的机理模型，包括火焰模型、燃料调节环节模型和声波模型，具体如下：
火焰模型，用于计算火焰释放的热量QN；
燃料调节环节模型，用于计算由声波火焰控制系统产生的热量Qc，声波火焰控制系统是用来抑制热声震荡的控制系统；
声波模型，用于获取总热量Q与燃烧系统压力pref之间关系，其中Q＝QN+Qc。
作为本发明所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法进一步优化方案，步骤S2具体如下：
通过Riemann不变量分解将机理模型分为三个相关部分：上游声波传播通道Hup(s)，下游声波传播通道Hdown(s)，由流动和燃烧引起的噪声动力学的燃烧系统的噪声源Hnoise(s)；燃烧系统的线性行为使用传递函数描述，非线性动力学特性部分则采用描述函数来描述；具体地：
燃烧系统的噪声源Hnoise(s)是对存在于湍流燃烧室中的宽带噪声的数学描述，Hnoise(s)传递函数模型为：
Hnoise(s)＝G1n·G2n·G3n·G4n；
其中，G1n为拟合的噪声源第一特性函数、G2n为拟合的噪声源第二特性函数、G3n为拟合的噪声源第三特性函数、G4n为拟合的噪声源第四特性函数，G1n、G2n、G3n、G4n分别为噪声源从低频至高频的特性传递函数；
Hdown(s)涵盖了燃烧器的出口声学边界条件以及从入口参考点到燃烧室出口的声波传播和反射过程；Hdown(s)传递函数模型为：
Hdown(s)＝G1d·G2d·G3d·G4d；
其中，G1d为拟合的声波通道第一特性函数、G2d为拟合的声波通道第二特性函数、G3d为拟合的声波通道第三特性函数、G4d为拟合的声波通道第四特性函数，G1d、G2d、G3d、G4d分别为下游声波通道从低频至高频的特性传递函数；
对非线性行为采用描述函数法来进行表征，在燃烧系统工作的频率范围内，频率和幅值的描述能够分解为两个独立的函数；Hup(s)的输入是Riemann不变量g，故Hup(s)写为：
Hup(iω,|g|)＝Nup(|g|)Lup(iω)；
其中，Hup(iω,|g|)为上游声波通道的频率响应，i为虚数单位，ω表示频率，Nup(|g|)为幅值；Lup(s)＝G1u·G2u·G3u·G4u，其中G1u为频率第一特性函数、G2u为频率第二特性函数、G3u为频率第三特性函数、G4u为频率第四特性函数，G1u、G2u、G3u、G4u分别为频率函数从低频至高频的特性传递函数，拉普拉斯算子s＝iω,Lup(iω)为频率函数的频率响应。
作为本发明所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法进一步优化方案，步骤S3中，集总干扰包括外部扰动、模型失配对燃烧系统的影响。
作为本发明所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法进一步优化方案，步骤S4具体如下：将半机理数学模型转化为标准状态空间模型并离散化，离散状态空间模型表示为：
Figure BDA0003084943330000031
其中，xk,uk,yk分别为k时刻下的状态变量、输入变量与输出变量，xk+1为k+1时刻的状态变量；A,B,C分别为上述离散状态空间模型的系统矩阵、输入矩阵和输出矩阵；
进一步，获得如下增广状态空间模型：
Figure BDA0003084943330000032
其中，xe,k+1＝xk+1-xk，xe,k+1为k+1时刻增量形式的扩增状态量，xe,k＝xk-xk-1，xe,k为k时刻增量形式的扩增状态量，ye,k＝yk-yk-1为k时刻增量形式的输出量，Δuk＝uk-uk-1为k时刻控制量增量，Ae，Be，Ce分别为扩增形式的增广系统矩阵、控制矩阵和输出矩阵；
取预测时域、控制时域分别为Pn和Mn，得到Ye,k和ΔUe,k：
Figure BDA0003084943330000033
其中，Ye,k为自k时刻开始未来Pn个时刻输出组成的向量，ΔUe,k为自k时刻开始未来Mn个控制量增量组成的向量，yk+i|k为k时刻预测的k+i时刻的输出量，i为大于等于1小于等于Pn的整数，
Figure BDA0003084943330000041
表示p个Pn×1列向量，其中p为输出量个数，Δuk+j-1表示k时刻优化所得的k+j-1时刻的控制增量，
Figure BDA0003084943330000042
表示m个Mn×1列向量，其中m为控制量个数，j为大于等于1小于等于Mn的整数；
进一步得预测模型为：
Ye,k＝Sxxe,k+SuΔUe,k
其中，Sx，Su分别为扩增状态矩阵和扩增控制矩阵；
Figure BDA0003084943330000043
最后，根据所得预测模型，通过滚动优化形成不确定性补偿的模型预测控制方法，从而获取考虑不确定性补偿的控制率。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明建立了燃烧震荡的机理模型，然后对机理模型进行简化，建立半机理数学模型，并基于半机理数学模型进行燃烧系统的不确定性补偿，最后建立了一种基于不确定性补偿的模型预测控制方法。本发明通过机理建模的方法从热声震荡产生原理角度建立模型以抑制燃烧不稳定现象；通过模型简化便于反馈控制器设计，并基于DOB进行模型偏差和外部扰动的实时补偿，二者复合形成的基于不确定性补偿的模型预测控制方法可以有效提升燃气轮机燃烧过程负荷跟踪和扰动抑制两方面的性能，为进一步发掘燃气轮机灵活运行潜力提供了支撑。
附图说明
图1为本发明提供的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法的流程示意图。
图2为本发明提供的燃烧震荡机理模型示意图。
图3为本发明提供的一种声波火焰控制系统结构示意图。
图4为本发明提供的基于不确定性补偿的模型预测控制系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
参见图1，为本发明提供的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法的流程示意图，所述方法包括：
S1，建立燃烧震荡的机理模型；
按照如附图2所示燃烧控制系统建立了燃烧震荡机理模型。其中，驻焰器长度为L，压力为pref，控制量为u，气流干扰速率为ug，火焰自身的放热量为QN，控制系统产生的热量为Qc，系统的总产热量为Q＝QN+Qc。火焰和声波回路共同构成了燃烧环节。
具体而言，附图2燃烧震荡机理模型示意图中：
A.火焰模型：
Figure BDA0003084943330000051
其中，Su为燃烧速率；ξ(r,t)为火焰的前锋面位置；τAQ为A至Q的延迟时间；燃烧室的驻焰器的半径为b；放热量均值为
Figure BDA0003084943330000052
圆柱体的几何半径为a，火焰的表面积为A(t)及其均值为
Figure BDA0003084943330000053
QN(t)即可通过求解上式得到。
B.燃料调节环节：
Figure BDA0003084943330000054
其中，κ＝0.001,ωc＝1100rad/sec,τa＝9ms。
C.声波模型：
Figure BDA0003084943330000061
其中，
Figure BDA0003084943330000062
声速均值为
Figure BDA0003084943330000063
上游(0≤x≤xg)马赫数均值
Figure BDA0003084943330000064
上游压力均值
Figure BDA0003084943330000065
常数B,C与声速有关，2×2常数阵X,Y，x＝xg位置气流的速率均值
Figure BDA0003084943330000066
ug(t)和pref(t)则可从以上方程解得；Q＝QN+Qc，其中Qc(t)可通过燃料调节环节方程获得。
S2，对机理模型进行简化，建立半机理数学模型；
该模型由三个部分组成，每个部分的频率特征可以分别从燃烧燃气轮机燃烧室的频率响应和非线性动力学的测量及辨识中获得。系统的线性行为使用传递函数描述，非线性动力学特性部分则采用描述函数形式。
如附图3声波火焰控制系统结构示意图中所示，热声耦合系统可以通过Riemann不变量分解为三个相关部分：上游声波传播通道Hup(s)，下游声波传播通道Hdown(s)，描述由流动和燃烧引起的噪声动力学的Hnoise(s)。该简化模型不仅考虑了热声耦合的物理过程，而且可以通过实验测量相应的动力学特征，便于主动控制建模。
燃烧系统的噪声源Hnoise(s)是对存在于湍流燃烧室中的宽带噪声的数学描述。一实施例中Hnoise(s)传递函数模型为：
Hnoise(s)＝G1n·G2n·G3n·G4n
G1n＝-0.02613(s+3853)/(s+1383)
G2n＝(s2-513.6s+3.038×105)/(s2+924.3s+2.826×105)
G3n＝(s2+305.9s+6.038×105)/(s2+13.9s+1.728×105)
G4n＝(s2+372.7s+1.592×106)/(s2-1399s+1.51×106)
其中，G1n为拟合的噪声源第一特性函数、G2n为拟合的噪声源第二特性函数、G3n为拟合的噪声源第三特性函数、G4n为拟合的噪声源第四特性函数，G1n、G2n、G3n、G4n分别为噪声源从低频至高频的特性传递函数；
Hdown(s)涵盖了燃烧器的出口声学边界条件以及从入口参考点到燃烧室出口的声波传播和反射过程。一实施例中Hdown(s)传递函数模型为：
Hdown(s)＝G1d·G2d·G3d·G4d
G1d+0.303(s+2523)(s+76.01)/(s2+80.63s+3175)
Figure BDA0003084943330000071
G3d＝(s2+114.7s+2.545×106)/(s2+3.379×104s+5.652×108)
G4d＝(s2+123.1s+6.398×106)/(s2-3.248×104s+5.437×108)
其中，G1d为拟合的声波通道第一特性函数、G2d为拟合的声波通道第二特性函数、G3d为拟合的声波通道第三特性函数、G4d为拟合的声波通道第四特性函数，G1d、G2d、G3d、G4d分别为下游声波通道从低频至高频的特性传递函数；
参考点上游的声波传播和反射特征，燃烧室的入口处声学的边界条件，以及声波和火焰的耦合作用等动力学特性都包含在Hup(s)中。热声耦合非线性系统中的不稳定主要发生在火焰动力学的响应过程中，因此对非线性行为采用描述函数法来进行表征。Hup(s)的输入是Riemann不变量g，故Hup(s)可写为：
Hup(iω,|g|)＝Nup(|g|)Lup(iω)
Lup＝G1u·G2u·G3u·G4u
G1u＝0.5471(s2+13.34s+1.155×105)/(s2+1550s+6.85×105)
G2u＝e-0.2×10-3(s2+286.1s+9.062×105)/(s2+17.34s+1.196×105)
G3u＝(s2+440.1s+3.099×106)/(s2+338.6s+1.909×106)
G4u＝(s2+564.9s+6.455×106)/(s2+227.1s+5.245×106)
Nup(|g|)＝0.2178+1.3217×0.9833g
其中，Hup(iω,|g|)为上游声波通道的频率响应，i为虚数单位，ω表示频率，Nup(|g|)为幅值；Lup(s)＝G1u·G2u·G3u·G4u，其中G1u为频率第一特性函数、G2u为频率第二特性函数、G3u为频率第三特性函数、G4u为频率第四特性函数，G1u、G2u、G3u、G4u分别为频率函数从低频至高频的特性传递函数，拉普拉斯算子s＝iω,Lup(iω)为频率函数的频率响应。
S3，基于半机理数学模型的不确定性补偿；
干扰观测器的基本思想是，将外部扰动和模型不确定性作为一个集总扰动，然后通过合理设计干扰观测器来估计并消除这一扰动。基于前述简化模型，设计干扰观测器，将其与实际对象模型、外部干扰作为集总干扰进行估计并实时补偿。
S4，基于不确定性补偿的模型预测控制；
具体地，将前述半机理数学模型转化为标准状态空间模型并离散化，离散状态空间模型可表示为：
Figure BDA0003084943330000081
其中，xk,uk,yk分别为k时刻下的状态变量、输入变量与输出变量；A,B,C分别为上述离散状态空间模型的系统矩阵、输入矩阵和输出矩阵。
由上式可知，k-1时刻的递推公式为：
xk＝Axk-1+Buk-1
取Δxk＝xk-xk-1,Δuk＝uk-uk-1，则有：
Δxk+1＝AΔxk-BΔuk
可得如下增广状态空间模型：
Figure BDA0003084943330000082
其中，Δxk+1为k+1时刻状态量增量，O为零矩阵，上标T表示矩阵转置，Ip×p为p维单位矩阵，Δxk为k时刻状态量增量，Δuk为k时刻控制量增量；故可简记为：
Figure BDA0003084943330000083
其中，xe,k+1为k+1时刻增量形式的扩增状态量，xe,k为k时刻增量形式的扩增状态量，ye,k为k时刻增量形式的输出量，Δuk为k时刻控制量增量，Ae，Be，Ce分别为扩增形式的增广系统矩阵、控制矩阵和输出矩阵；
取预测时域、控制时域分别为Pn和Mn，可得Ye,k和ΔUe,k：
Figure BDA0003084943330000084
其中，Ye,k为自k时刻开始未来Pn个时刻输出组成的向量，ΔUe,k为自k时刻开始未来Mn个控制量增量组成的向量，yk+i|k为k时刻预测的k+i时刻的输出量，i为大于等于1小于等于Pn的整数，
Figure BDA0003084943330000091
表示p个Pn×1列向量，其中p为输出量个数，Δuk+j-1表示k时刻优化所得的k+j-1时刻的控制增量，
Figure BDA0003084943330000092
表示m个Mn×1列向量，其中m为控制量个数，j为大于等于1小于等于Mn的整数；
进一步得预测模型为：
Ye,k＝Sxxe,k+SuΔUe,k
其中，
Figure BDA0003084943330000093
最后，根据所得预测模型，通过滚动优化形成不确定性补偿的模型预测控制方法，从而获取考虑不确定性补偿的控制率。
至此，附图4所示基于不确定性补偿的模型预测控制系统已构建完成。
上述实施例提供的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，建立了燃烧震荡的机理模型，然后对机理模型进行简化，建立半机理数学模型，并基于半机理数学模型进行燃烧系统的不确定性补偿，最后建立了一种基于不确定性补偿的模型预测控制方法。本发明通过机理建模的方法从热声震荡产生原理角度建立模型以抑制燃烧不稳定现象；通过模型简化便于反馈控制器设计，并基于DOB进行模型偏差和外部扰动的实时补偿，二者复合形成的基于不确定性补偿的模型预测控制方法可以有效提升燃气轮机燃烧过程负荷跟踪和扰动抑制两方面的性能，为进一步发掘燃气轮机灵活运行潜力提供了支撑。
本说明书中对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。

Claims (5)

1.一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，其特征在于，包括以下步骤：
步骤S1、建立燃烧震荡的机理模型；
步骤S2、对机理模型进行简化，建立半机理数学模型；
步骤S3、基于半机理数学模型，设计干扰观测器DOB，将DOB与实际对象动态之间的模型偏差、外部干扰作为集总干扰进行估计并实时补偿；
步骤S4、根据步骤S2、S3，形成不确定性补偿的模型预测控制方法。
2.根据权利要求1所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，其特征在于，步骤S1中所述燃烧震荡的机理模型，包括火焰模型、燃料调节环节模型和声波模型，具体如下：
火焰模型，用于计算火焰释放的热量QN；
燃料调节环节模型，用于计算由声波火焰控制系统产生的热量Qc，声波火焰控制系统是用来抑制热声震荡的控制系统；
声波模型，用于获取总热量Q与燃烧系统压力pref之间关系，其中Q＝QN+Qc。
3.根据权利要求1所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，其特征在于，步骤S2具体如下：
通过Riemann不变量分解将机理模型分为三个相关部分：上游声波传播通道Hup(s)，下游声波传播通道Hdown(s)，由流动和燃烧引起的噪声动力学的燃烧系统的噪声源Hnoise(s)；燃烧系统的线性行为使用传递函数描述，非线性动力学特性部分则采用描述函数来描述；具体地：
燃烧系统的噪声源Hnoise(s)是对存在于湍流燃烧室中的宽带噪声的数学描述，Hnoise(s)传递函数模型为：
Hnoise(s)＝G1n·G2n·G3n·G4n；
其中，G1n为拟合的噪声源第一特性函数、G2n为拟合的噪声源第二特性函数、G3n为拟合的噪声源第三特性函数、G4n为拟合的噪声源第四特性函数，G1n、G2n、G3n、G4n分别为噪声源从低频至高频的特性传递函数；
Hdown(s)涵盖了燃烧器的出口声学边界条件以及从入口参考点到燃烧室出口的声波传播和反射过程；Hdown(s)传递函数模型为：
Hdown(s)＝G1d·G2d·G3d·G4d；
其中，G1d为拟合的声波通道第一特性函数、G2d为拟合的声波通道第二特性函数、G3d为拟合的声波通道第三特性函数、G4d为拟合的声波通道第四特性函数，G1d、G2d、G3d、G4d分别为下游声波通道从低频至高频的特性传递函数；
对非线性行为采用描述函数法来进行表征，在燃烧系统工作的频率范围内，频率和幅值的描述能够分解为两个独立的函数；Hup(s)的输入是Riemann不变量g，故Hup(s)写为：
Hup(iω,|g|)＝Nup(|g|)Lup(iω)；
其中，Hup(iω,|g|)为上游声波通道的频率响应，i为虚数单位，ω表示频率，Nup(|g|)为幅值；Lup(s)＝G1u·G2u·G3u·G4u，其中G1u为频率第一特性函数、G2u为频率第二特性函数、G3u为频率第三特性函数、G4u为频率第四特性函数，G1u、G2u、G3u、G4u分别为频率函数从低频至高频的特性传递函数，拉普拉斯算子s＝iω,Lup(iω)为频率函数的频率响应。
4.根据权利要求1所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，其特征在于，步骤S3中，集总干扰包括外部扰动、模型失配对燃烧系统的影响。
5.根据权利要求3所述的一种基于不确定性补偿的燃烧室热声震荡模型预测控制方法，其特征在于，步骤S4具体如下：将半机理数学模型转化为标准状态空间模型并离散化，离散状态空间模型表示为：
Figure FDA0003084943320000021
其中，xk,uk,yk分别为k时刻下的状态变量、输入变量与输出变量，xk+1为k+1时刻的状态变量；A,B,C分别为上述离散状态空间模型的系统矩阵、输入矩阵和输出矩阵；
进一步，获得如下增广状态空间模型：
Figure FDA0003084943320000022
其中，xe,k+1＝xk+1-xk，xe,k+1为k+1时刻增量形式的扩增状态量，xe,k＝xk-xk-1，xe,k为k时刻增量形式的扩增状态量，ye,k＝yk-yk-1为k时刻增量形式的输出量，Δuk＝uk-uk-1为k时刻控制量增量，Ae，Be，Ce分别为扩增形式的增广系统矩阵、控制矩阵和输出矩阵；
取预测时域、控制时域分别为Pn和Mn，得到Ye,k和ΔUe,k：
Figure FDA0003084943320000031
其中，Ye,k为自k时刻开始未来Pn个时刻输出组成的向量，ΔUe,k为自k时刻开始未来Mn个控制量增量组成的向量，yk+i|k为k时刻预测的k+i时刻的输出量，i为大于等于1小于等于Pn的整数，
Figure FDA0003084943320000032
表示p个Pn×1列向量，其中p为输出量个数，Δuk+j-1表示k时刻优化所得的k+j-1时刻的控制增量，
Figure FDA0003084943320000033
表示m个Mn×1列向量，其中m为控制量个数，j为大于等于1小于等于Mn的整数；
进一步得预测模型为：
Ye,k＝Sxxe,k+SuΔUe,k
其中，Sx，Su分别为扩增状态矩阵和扩增控制矩阵；
Figure FDA0003084943320000034
最后，根据所得预测模型，通过滚动优化形成不确定性补偿的模型预测控制方法，从而获取考虑不确定性补偿的控制率。
CN202110577445.6A 2021-05-26 2021-05-26 基于不确定性补偿的燃烧室热声震荡模型预测控制方法 Active CN113359441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110577445.6A CN113359441B (zh) 2021-05-26 2021-05-26 基于不确定性补偿的燃烧室热声震荡模型预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110577445.6A CN113359441B (zh) 2021-05-26 2021-05-26 基于不确定性补偿的燃烧室热声震荡模型预测控制方法

Publications (2)

Publication Number Publication Date
CN113359441A true CN113359441A (zh) 2021-09-07
CN113359441B CN113359441B (zh) 2022-09-09

Family

ID=77527868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110577445.6A Active CN113359441B (zh) 2021-05-26 2021-05-26 基于不确定性补偿的燃烧室热声震荡模型预测控制方法

Country Status (1)

Country Link
CN (1) CN113359441B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113970445A (zh) * 2021-10-14 2022-01-25 上海交通大学 熵-声试验平台及其试验方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009181392A (ja) * 2008-01-31 2009-08-13 Omron Corp モデル予測制御方法およびモデル予測制御装置
CN102289199A (zh) * 2010-06-18 2011-12-21 中国石油化工股份有限公司 一种工业裂解炉生产操作的自动在线控制方法
CN102840571A (zh) * 2012-09-20 2012-12-26 贵州电力试验研究院 基于子空间辨识的火力电站锅炉输出过热蒸汽的预报方法
CN106773648A (zh) * 2016-12-19 2017-05-31 华侨大学 一种自抗扰控制的鲁棒保性能设计与参数整定方法
WO2018198132A1 (en) * 2017-04-27 2018-11-01 INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) Apparatus to estimate the root means square value or the amplitude of limit cycle oscillations in systems that encounter oscillatory instabilities and methods thereof
CN110262248A (zh) * 2019-07-08 2019-09-20 南京航空航天大学 一种微型燃气轮机故障鲁棒自适应重构方法
CN111594831A (zh) * 2020-04-16 2020-08-28 南京航空航天大学 一种基于自回归滑动平均模型的燃烧不稳定主动抑制方法
CN111596546A (zh) * 2020-05-19 2020-08-28 东南大学 一种微型燃气轮机热电联供系统抗扰预测控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009181392A (ja) * 2008-01-31 2009-08-13 Omron Corp モデル予測制御方法およびモデル予測制御装置
CN102289199A (zh) * 2010-06-18 2011-12-21 中国石油化工股份有限公司 一种工业裂解炉生产操作的自动在线控制方法
CN102840571A (zh) * 2012-09-20 2012-12-26 贵州电力试验研究院 基于子空间辨识的火力电站锅炉输出过热蒸汽的预报方法
CN106773648A (zh) * 2016-12-19 2017-05-31 华侨大学 一种自抗扰控制的鲁棒保性能设计与参数整定方法
WO2018198132A1 (en) * 2017-04-27 2018-11-01 INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) Apparatus to estimate the root means square value or the amplitude of limit cycle oscillations in systems that encounter oscillatory instabilities and methods thereof
CN110262248A (zh) * 2019-07-08 2019-09-20 南京航空航天大学 一种微型燃气轮机故障鲁棒自适应重构方法
CN111594831A (zh) * 2020-04-16 2020-08-28 南京航空航天大学 一种基于自回归滑动平均模型的燃烧不稳定主动抑制方法
CN111596546A (zh) * 2020-05-19 2020-08-28 东南大学 一种微型燃气轮机热电联供系统抗扰预测控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113970445A (zh) * 2021-10-14 2022-01-25 上海交通大学 熵-声试验平台及其试验方法
CN113970445B (zh) * 2021-10-14 2023-02-10 上海交通大学 熵-声试验平台及其试验方法

Also Published As

Publication number Publication date
CN113359441B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
Bellucci et al. On the use of Helmholtz resonators for damping acoustic pulsations in industrial gas turbines
Pankiewitz et al. Time domain simulation of combustion instabilities in annular combustors
McManus et al. A review of active control of combustion instabilities
Paschereit et al. Measurement of transfer matrices and source terms of premixed flames
Stow et al. A time-domain network model for nonlinear thermoacoustic oscillations
Bothien et al. A novel damping device for broadband attenuation of low-frequency combustion pulsations in gas turbines
Karabeyoglu et al. Modeling of hybrid rocket low frequency instabilities
de Andrade et al. Backstepping stabilization of a linearized ODE–PDE rijke tube model
Morgans et al. Model-based control of combustion instabilities
Li et al. Prediction of stability behaviors of longitudinal and circumferential eigenmodes in a choked thermoacoustic combustor
Li et al. Proper orthogonal and dynamic mode decomposition analyses of nonlinear combustion instabilities in a solid-fuel ramjet combustor
Polifke Combustion instabilities
Bothien et al. Active control of the acoustic boundary conditions of combustion test rigs
Kru¨ ger et al. Prediction and measurement of thermoacoustic improvements in gas turbines with annular combustion systems
Li et al. Theoretical and experimental demonstration of minimizing self-excited thermoacoustic oscillations by applying anti-sound technique
Li et al. Feedback control of self-sustained nonlinear combustion oscillations
Treurniet et al. Direct numerical simulation of homogeneous turbulence in combination with premixed combustion at low Mach number modelled by the-equation
Campa et al. Obtaining bifurcation diagrams with a thermoacoustic network model
Gikadi et al. Effects of the mean flow field on the thermo-acoustic stability of aero-engine combustion chambers
CN113359441B (zh) 基于不确定性补偿的燃烧室热声震荡模型预测控制方法
Huet Nonlinear indirect combustion noise for compact supercritical nozzle flows
Acharya et al. Dynamics of a transversely excited swirling, lifted flame: flame response modeling and comparison with experiments
Riley et al. Advanced closed-loop control on an atmospheric gaseous lean-premixed combustor
Zhang et al. Active control of multiple neural networks for oscillating combustion
Candel et al. Some modeling methods of combustion instabilities

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