CN116203830A - 一种空气流量不受控型加热炉温度pid优化控制方法 - Google Patents
一种空气流量不受控型加热炉温度pid优化控制方法 Download PDFInfo
- Publication number
- CN116203830A CN116203830A CN202211455401.7A CN202211455401A CN116203830A CN 116203830 A CN116203830 A CN 116203830A CN 202211455401 A CN202211455401 A CN 202211455401A CN 116203830 A CN116203830 A CN 116203830A
- Authority
- CN
- China
- Prior art keywords
- value
- temperature
- fuzzy
- hearth
- heating furnace
- 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.)
- Pending
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 10
- 230000006854 communication Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000004886 process control Methods 0.000 abstract 1
- 238000012937 correction Methods 0.000 description 7
- 239000002737 fuel gas Substances 0.000 description 5
- 239000003921 oil Substances 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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.
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种空气流量不受控型加热炉温度PID优化控制方法，属于石油化工生产过程的先进过程控制与优化领域，包括以下步骤：读取DCS数据；将支路出口温度数据经过在线野值处理，计算一段时间内支路出口温度平均值；将此平均值与支路出口温度设定值作差形成温度的时变差值ΔT，当ΔT超出‑0.5℃～0.5℃范围，则根据现场实测的炉膛温度数据和炉膛温度设定值计算偏差E和偏差变化率EC做为输入，通过改进粒子群算法计算出模糊PID控制器的最优参数，并构建模糊PID控制器；构建模糊规则，进行模糊推理，输出PID控制参数的炉膛温度设定值，计算出修正后的炉膛温度设定值返回DCS系统。该方法实现了对石化加热炉温度控制过程的优化和控制系统的性能改进。
Description
技术领域
本发明涉及石油化工过程智能控制领域，具体涉及石化加热炉燃烧优化和保持油品温度的智能稳定控制逻辑与方法。
背景技术
加热炉是石油化工生产过程的重要装备，主要功能是利用燃料燃烧产生热量实现对油品等液体加热。石化生产采用的加热炉，结构复杂、形态多样，以常见的管式加热炉为例，主要包括燃烧器、炉膛、喷嘴、烟囱、炉管以及连接件、支承件、钢结构、炉衬、烟囱挡板、仪表接管等构成，各部分相互配合和协同工作，完成对炉管内快速流动的液体加热任务，其燃烧加热过程形成一个复杂结构的动态系统。
加热炉加热过程涉及复杂的精细控制问题，控制系统性能直接影响石化化工的能效、排放、产品品质和生产过程安全。由于燃料气压力易出现压力波动和炉子动态响应一般都比较迟缓等诸多不确定性因素的影响，需要充分考虑不同类型干扰因素的影响过程、影响后果及其滞后响应，选用科学合理和切实可行的控制逻辑与控制方法。例如，燃料气流量成分复杂多变，作为主要成分的氢气，其含量通常在20％-50％之间波动，如果不合理控制燃料气流量，加热炉炉膛温度会产生较大波动，导致加热炉出口原油温度波动较大，会直接影响油品质量。
现有的加热炉温度控制大多是采用基于现场DCS的局部PID控制模式，通过基于PID的单回路控制系统或串级控制系统，采用预先设定或手动给定的PID系数，对炉膛温度进行控制，不能动态适应燃料气压力、流量和热值变化情况，存在控制效果不稳定或油品品质严重受影响的实际问题。
发明内容
针对上述领域中存在的问题，本发明设计一种空气流量不受控型加热炉温度PID优化控制方法，为了保持加热炉出口原油温度稳定，需要在燃料气压力、流量、热值波动的情况下，建立能适应上述变化的控制策略，才能充分适应实际变化的复杂情况，实现炉膛燃烧过程优化和出口端油品温度的稳定控制。
为解决上述技术问题，本发明提出了一种空气流量不受控型加热炉温度PID优化控制方法，包括以下步骤如下：
读取DCS现场数据中加热炉的支路出口温度数据和炉膛温度数据；
将支路出口温度数据经过在线野值处理，计算一段时间内支路出口温度平均值；
将支路出口温度平均值与支路出口温度设定值作差形成温度的时变差值ΔT，当时变差值ΔT超出-0.5℃～0.5℃范围，则：
根据现场实测的炉膛温度数据和炉膛温度设定值计算偏差E和偏差变化率EC做为输入，通过改进粒子群算法计算出模糊PID控制器的最优参数，并构建模糊PID控制器；
构建模糊规则，通过模糊PID控制器进行模糊推理，输出PID控制参数的优化改变值，即炉膛温度设定值；
将优化后的炉膛温度设定值返回DCS。
优选地，所述模糊PID控制器的最优参数包括KP0，KI0，KD0，Ke，Kec，Ku；
KP0表示比例增益，KI0表示积分增益，KD0表示微分增益，Ke表示偏差E的增益，Kec表示偏差变化率EC的增益，Ku表示控制输出的增益。
优选地，通过改进粒子群算法计算所述模糊PID控制器的最优参数，具体计算步骤如下：
S1：初始化粒子群的位置和速度，设置粒子KP0、KI0、KD0、Ke、Kec、Ku的最大迭代次数及种群数量；
式中：ITAE表示误差绝对值乘以时间积分，e(t)表示炉膛温度偏差；
S2：根据式上式计算粒子当前位置的适应度，并与个体历史最佳位置和全局最佳位置对应的适应度作比较，如果当前适应度更低，则用当前位置更新粒子个体历史最佳位置和全局最佳位置；
S3：如果达到最优解或最大迭代次数，执行步骤S4；否则，根据公式：
Vid＝w·Vid+C1×rand(0,1)×(Pid-Yid)
+C2×rand(0,1)×(Pgd-Yid)
更新粒子的速度和位置，得到更新的参数KP0、KI0、KD0、Ke、Kec、Ku，转到步骤S2；
式中w为惯性权重；C1,C2为加速常数，一般取C1＝C2∈[0,4]；rand(0,1)为区间[0,1]上的随机数；Pid为个体最优位置；Pgd为全局最优位置；
为约束因子，控制速度的权重；
采用自适应惯性权重的粒子群算法，自适应惯性权重的计算如下所示：
式中，w表示当前的惯性权重；wmax和wmin表示最大惯性权重系数和最小惯性权重系数；f表示算法适应度值；favg表示算法适应度平均值；fmin表示算法适应度最小值；
S4：输出最优KP0、KI0、KD0、Ke、Kec、Ku。
优选地，所述构建模糊规则并进行模糊推理，输出PID控制参数的优化改变值，包括以下步骤：
输出最优参数KP0、KI0、KD0、Ke、Kec、Ku，则设定E、EC的模糊论域和△KP、△KI、△KD的模糊论域，同时，各输入输出变量均采用七段式模糊语言值集，即对应的模糊子集为{NB：负大，NM：负中，NS：负小，ZO：零，PS：正大，PM：正中，PB：正大}，隶属度函数均选取三角形函数，根据加热炉炉膛温度变化的特点，制定如下所示的模糊规则：
当炉膛温度实测值与设定值偏差在负大范围时，设定Kp取值较大、Kd取值较小、Ki为零；
当炉膛温度实测值与设定值偏差在负中范围时，设定Kp取较小值、Ki和Kd取适中值；
当炉膛温度实测值与设定值偏差在负小范围或趋近0时，设定Kp和Ki取值较大，Kd应取值适中。
优选地，所述DCS控制系统包括OPC通信、SQL数据库、温度优化控制逻辑和实时动态显示。
与现有技术相比，本发明具有如下有益效果：
本发明公开了一种空气流量不受控型加热炉温度PID优化控制方法，包括以下步骤：读取DCS数据，将支路出口温度数据经过在线野值处理，计算一段时间内支路出口温度平均值，将此平均值与支路出口温度设定值作差形成温度的时变差值ΔT，当ΔT超出-0.5℃～0.5℃范围，则根据现场实测的炉膛温度数据和炉膛温度设定值计算偏差E和偏差变化率EC做为输入，通过改进粒子群算法计算出模糊PID控制器的最优参数，并构建模糊PID控制器，进行模糊推理，输出PID控制参数的炉膛温度设定值，计算出修正后的炉膛温度设定值返回DCS系统。该方法实现了对石化加热炉温度控制过程的优化和控制系统的性能改进。
附图说明
图1是本发明的整体结构示例图；
图2是本发明的加热炉温度优化控制流程图；
图3是本发明的采样数据野值识别与修复流程图；
图4是本发明的加热炉出口温度优化控制系统结构图；
图5是本发明的基于改进粒子群的模糊PID控制器参数优化结构图；
图6是本发明的基于自适应惯性权重的粒子群算法流程图；
图7是本发明实施例提供的加热炉炉膛温度实测数据变化曲线图；
图8为本发明实施例提供的加热炉炉膛温度实测数据野值处理结果曲线图；
图9为本发明实施例提供的加热炉出口温度优化结果曲线图。
具体实施方式
下面将结合本发明实施例中的附图1，对本发明实施例中的技术方案进行清楚、完整地描述。
实施例1
按图1所示方式，对上位机、OPC通信、DCS、工业现场加热炉等功能模块部分进行连接，形成加热炉温度PID优化控制系统结构。
S2：基于Qt5.12软件框架研制加热炉温度PID智能优化控制系统，主要由OPC通信、SQL数据库、温度优化控制逻辑和实时动态显示等四个功能模块构成，OPC通信模块负责DCS与上位机之间的双向通信，本地数据库便利其余功能模块对工况数据的灵活调用，加热炉温度优化控制模块实现炉膛温度设定值优化和PID参数优化，实时动态显示模块承担数据曲线绘制和过程时序数据可视化显示，软件系统运行逻辑如图2所示。
S3：加热炉温度优化控制系统，当加热炉现场情况为炉膛温度单回路控制且空气流量恒定时，优化控制实施方案如下：
利用OPC通讯接口实时读取DCS系统中支路出口温度、炉膛温度等数据，并将读取数据送入本地数据库存储；
从OPC通信模块中实时读取支路出口温度数据，经野值识别、剔除与补正后，进行滑动窗口均值平滑，时窗设置为1min～3min，获得支路出口温度均值；
将温度均值与支路出口温度设定值比对作差，当差值超出区间-0.5℃～0.5℃的范围时，修正炉膛温度设定值，计算出修正量送入DCS系统；
从OPC通信模块中读取炉膛温度数据，经野值识别、剔除与补正后与设定值比较，计算△Kp，△Ki，△Kd，送入DCS中实现对PID控制器优化改进。
S4：在线野值处理，在线野值处理的目的是识别和消除采样数据中野值，避免其对PID控制带来不利影响，算法流程如图3所示，图中滑动滤波值
的计算见公式(1)。
S5：炉膛温度设定值优化，计算设定时间段内支路出口温度变化均值，时间段窗口宽度H设置为1min～3min，将温度滑动均值与支路出口温度期待值作差形成温度的时变差值ΔT，按差值大小并结合工程实际，形成如下校正控制的策略和方法：
当温度时变差值ΔT∈(-0.5℃～0.5℃)时，支路出口温度比较稳定，不需要修正炉膛温度设定值，设置PID控制器校正量ΔKp＝ΔKi＝ΔKd＝0。
当温度时变差值ΔT<-0.5℃或ΔT>0.5℃时，则需及时地修正炉膛温度设定值，计算出修正量送入DCS系统，修正量的计算方法具体为：
通过最小二乘拟合出如公式(2)所示的炉膛温度x和出口温度y(x)之间的数值关系，然后根据出口温度时变差值的大小ΔT反算出需要改变的炉膛温度设定值。最小二乘法LS拟合多项式通过最小化误差的平方和寻找数据的最佳函数匹配。拟合出的多项式如下：
y(x)＝a0+a1x+a2x2+…+anxn (2)
式中，x为炉膛温度，y(x)为出口温度，a0,a1,...,an为多项式系数。根据现场数据变化趋势选择合适的阶次；
完成拟合后，采用学习算法计算PID控制器校正量ΔKp，ΔKi，ΔKd，送入DCS系统实现对DCS中加热炉控制环节PID参数的改进，如图3所示，达到控制系统优化的效果。
S6：PID参数优化，如图5所示。具体地，利用现场实测数据计算设定值与实际值的偏差E和偏差变化率EC，通过改进粒子群算法计算出模糊PID控制器最优参数KP0、KI0、KD0、Ke、Kec、Ku，KP0表示比例增益，KI0表示积分增益，KD0表示微分增益，Ke表示偏差E的增益，Kec表示偏差变化率EC的增益，Ku表示控制输出的增益。
然后构建模糊规则和进行模糊推理，对模糊参数解模糊处理，输出PID控制参数的优化改变值ΔKp，ΔKi，ΔKd。
图5中偏差E和偏差变化率EC经过量化因子Ke和Kec计算后传递给模糊控制器，输出值经过比例因子Ku计算后传递给PID控制器，故量化因子和比例因子值的设定可以改变控制器的输出特性。针对不同的被控对象，对量化、比例因子进行最优值的寻找才能提高控制准确度。因此，采用改进粒子群算法确定PID控制器的三个初始参数KP0、KI0、KD0，以及量化因子Ke、Kec和比例因子Ku，最优参数只通过改进粒子群算法计算一次，KP0、KI0、KD0、Ke、Kec、Ku确定后不再改变，具体步骤如下所示：
1)初始化粒子群的位置和速度，设置粒子KP0、KI0、KD0、Ke、Kec、Ku的最大迭代次数、种群数量；
2)根据公式(3)计算粒子当前位置的适应度，并与个体历史最佳位置和全局最佳位置对应的适应度作比较，如果当前适应度更低，则用当前位置更新粒子个体历史最佳位置和全局最佳位置；
式中ITAE表示误差绝对值乘以时间积分，他能够有效评估PID控制器的性能；e(t)表示炉膛温度偏差；
3)判断：如果达到最优解或最大迭代次数，执行步骤4)；否则，按公式(4)～(5)更新粒子的速度和位置，得到更新参数KP0、KI0、KD0、Ke、Kec、Ku，转到步骤2)。
Vid＝w·Vid+C1×rand(0,1)×(Pid-Yid)+C2×rand(0,1)×(Pgd-Yid) (4)
式中：w为惯性权重；C1,C2为加速常数，一般取C1＝C2∈[0,4]；rand(0,1)为区间[0,1]上的随机数；Pid为个体最优位置；Pgd为全局最优位置；
为约束因子，用来控制速度的权重；
针对公式(4)中惯性权重w不能动态调节的缺点，采用自适应惯性权重的粒子群算法，提高粒子群算法的性能，自适应惯性权重的计算如下所示：
式中，w表示当前惯性权重；wmax和wmin表示最大惯性权重系数和最小惯性权重系数；f表示算法适应度值；favg表示算法适应度平均值；fmin表示算法适应度最小值。基于自适应惯性权重的粒子群算法流程图6如下图所示；
4)基于改进粒子群算法，得到最优KP0、KI0、KD0、Ke、Kec、Ku。
得到模糊PID控制器最优参数后，设定E、EC的模糊论域和△KP、△KI、△KD的模糊论域。同时，各输入输出变量均采用七段式模糊语言值集，即对应的模糊子集为{NB：负大，NM：负中，NS：负小，ZO：零，PS：正大，PM：正中，PB：正大}，隶属度函数均选取三角形函数。根据加热炉炉膛温度变化的特点，制定如下所示的模糊规则：
当炉膛温度实测值与设定值偏差在负大范围时，设定Kp取值较大、Kd取值较小、Ki为零；
当炉膛温度实测值与设定值偏差在负中范围时，设定Kp取较小值、Ki和Kd取适中值；
当炉膛温度实测值与设定值偏差在负小范围或趋近0时，设定Kp和Ki取值较大，Kd应取值适中。
根据实例计算分析，得出本发明实施例提供的加热炉炉膛温度实测数据变化曲线图、加热炉温度数据野值处理结果曲线图、加热炉出口温度优化结果曲线图如图7-9所示。
以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种空气流量不受控型加热炉温度PID优化控制方法，包括以下步骤如下：
读取DCS现场数据中加热炉的支路出口温度数据和炉膛温度数据；
将支路出口温度数据经过在线野值处理，计算一段时间内支路出口温度平均值；
将支路出口温度平均值与支路出口温度设定值作差形成温度的时变差值ΔT，当时变差值ΔT超出-0.5℃～0.5℃范围，则：
根据现场实测的炉膛温度数据和炉膛温度设定值计算偏差E和偏差变化率EC做为输入，通过改进粒子群算法计算出模糊PID控制器的最优参数，并构建模糊PID控制器；
构建模糊规则，通过模糊PID控制器进行模糊推理，输出PID控制参数的优化改变值，即炉膛温度设定值；
将优化后的炉膛温度设定值返回DCS。
2.根据权利要求1所述的一种空气流量不受控型加热炉温度PID优化控制方法，其特征在于，所述模糊PID控制器的最优参数包括KP0，KI0，KD0，Ke，Kec，Ku；
KP0表示比例增益，KI0表示积分增益，KD0表示微分增益，Ke表示偏差E的增益，Kec表示偏差变化率EC的增益，Ku表示控制输出的增益。
3.根据权利要求2所述的一种空气流量不受控型加热炉温度PID优化控制方法，其特征在于，通过改进粒子群算法计算所述模糊PID控制器的最优参数，具体计算步骤如下：
S1：初始化粒子群的位置和速度，设置粒子KP0、KI0、KD0、Ke、Kec、Ku的最大迭代次数及种群数量；
式中：ITAE表示误差绝对值乘以时间积分，e(t)表示炉膛温度偏差；
S2：根据式上式计算粒子当前位置的适应度，并与个体历史最佳位置和全局最佳位置对应的适应度作比较，如果当前适应度更低，则用当前位置更新粒子个体历史最佳位置和全局最佳位置；
S3：如果达到最优解或最大迭代次数，执行步骤S4；否则，根据公式：
更新粒子的速度和位置，得到更新的参数KP0、KI0、KD0、Ke、Kec、Ku，转到步骤S2；
式中w为惯性权重；C1,C2为加速常数，一般取C1＝C2∈[0,4]；rand(0,1)为区间[0,1]上的随机数；Pid为个体最优位置；Pgd为全局最优位置；
为约束因子，控制速度的权重；
采用自适应惯性权重的粒子群算法，自适应惯性权重的计算如下所示：
式中，w表示当前的惯性权重；wmax和wmin表示最大惯性权重系数和最小惯性权重系数；f表示算法适应度值；favg表示算法适应度平均值；fmin表示算法适应度最小值；
S4：输出最优KP0、KI0、KD0、Ke、Kec、Ku。
4.根据权利要求3所述的改进粒子群算法，其特征在于，所述构建模糊规则并进行模糊推理，输出PID控制参数的优化改变值，包括以下步骤：
输出最优参数KP0、KI0、KD0、Ke、Kec、Ku，则设定E、EC的模糊论域和△KP、△KI、△KD的模糊论域，同时，各输入输出变量均采用七段式模糊语言值集，即对应的模糊子集为{NB：负大，NM：负中，NS：负小，ZO：零，PS：正大，PM：正中，PB：正大}，隶属度函数均选取三角形函数，根据加热炉炉膛温度变化的特点，制定如下所示的模糊规则：
当炉膛温度实测值与设定值偏差在负大范围时，设定Kp取值较大、Kd取值较小、Ki为零；
当炉膛温度实测值与设定值偏差在负中范围时，设定Kp取较小值、Ki和Kd取适中值；
当炉膛温度实测值与设定值偏差在负小范围或趋近0时，设定Kp和Ki取值较大，Kd应取值适中。
5.根据权利要求1所述的一种空气流量不受控型加热炉温度PID优化控制方法，其特征在于，所述DCS控制系统包括OPC通信、SQL数据库、温度优化控制逻辑和实时动态显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211455401.7A CN116203830A (zh) | 2022-11-21 | 2022-11-21 | 一种空气流量不受控型加热炉温度pid优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211455401.7A CN116203830A (zh) | 2022-11-21 | 2022-11-21 | 一种空气流量不受控型加热炉温度pid优化控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116203830A true CN116203830A (zh) | 2023-06-02 |
Family
ID=86511884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211455401.7A Pending CN116203830A (zh) | 2022-11-21 | 2022-11-21 | 一种空气流量不受控型加热炉温度pid优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116203830A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108120451A (zh) * | 2017-12-21 | 2018-06-05 | 苏州大学 | 基于改进pso优化神经网络的硅微加速度计温度补偿方法、系统 |
| CN110824908A (zh) * | 2019-11-30 | 2020-02-21 | 华南理工大学 | 一种自调整模糊Smith-PID温度控制系统及方法 |
| CN111811111A (zh) * | 2020-06-17 | 2020-10-23 | 上海电力大学 | 一种基于改进粒子群算法的中央空调能耗控制方法 |
| CN113253779A (zh) * | 2021-04-12 | 2021-08-13 | 南通大学 | 一种基于粒子群模糊pid算法的热泵温度控制系统 |
| CN113552797A (zh) * | 2021-07-21 | 2021-10-26 | 安徽工业大学 | 一种基于改进粒子群优化的加热炉炉温控制方法和系统 |
| CN114020073A (zh) * | 2021-10-11 | 2022-02-08 | 上海策立工程技术有限公司 | 基于加热炉pid上下限自适应的控制方法和系统 |
-
2022
- 2022-11-21 CN CN202211455401.7A patent/CN116203830A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108120451A (zh) * | 2017-12-21 | 2018-06-05 | 苏州大学 | 基于改进pso优化神经网络的硅微加速度计温度补偿方法、系统 |
| CN110824908A (zh) * | 2019-11-30 | 2020-02-21 | 华南理工大学 | 一种自调整模糊Smith-PID温度控制系统及方法 |
| CN111811111A (zh) * | 2020-06-17 | 2020-10-23 | 上海电力大学 | 一种基于改进粒子群算法的中央空调能耗控制方法 |
| CN113253779A (zh) * | 2021-04-12 | 2021-08-13 | 南通大学 | 一种基于粒子群模糊pid算法的热泵温度控制系统 |
| CN113552797A (zh) * | 2021-07-21 | 2021-10-26 | 安徽工业大学 | 一种基于改进粒子群优化的加热炉炉温控制方法和系统 |
| CN114020073A (zh) * | 2021-10-11 | 2022-02-08 | 上海策立工程技术有限公司 | 基于加热炉pid上下限自适应的控制方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| 花晶晶，费敏锐: "基于粒子群优化的锅炉温度模糊PID 控制器设计及其仿真", 仪表技术, no. 10, pages 33 - 37 * |
| 贾伯年，俞朴: "传感器技术", 东南大学出版社, pages: 295 - 296 * |
| 陈茹，胡绍林: "基于ZigBee的电网变压器远程 在线监控系统设计", 技术纵横, pages 76 - 82 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110618706B (zh) | 一种基于数据驱动的多级智能脱硝在线优化控制系统 | |
| CN106873381A (zh) | 喷氨控制系统 | |
| CA3169197A1 (en) | Method for determining and tuning process characteristic parameters using a simulation system | |
| CN111650834B (zh) | 基于极限学习机的污水处理过程预测控制方法 | |
| CN111522229B (zh) | 参数自整定的mimo异因子偏格式无模型控制方法 | |
| CN111983918A (zh) | 一种基于改进型模糊Smith-PID的电加热炉温度控制方法 | |
| CN101709863B (zh) | 燃煤锅炉炉膛压力系统混合控制方法 | |
| CN115629537A (zh) | 基于子群改进粒子群优化pid的加热炉燃烧控制方法及系统 | |
| WO2022105356A1 (zh) | 带有增量式调节功能的核电机组控制棒调节方法及系统 | |
| CN111765447B (zh) | 一种基于多变量解耦的发电锅炉主汽温控制方法和系统 | |
| CN110889638B (zh) | 一种火电厂操作评价方法及相关设备 | |
| CN116700393A (zh) | 一种基于模糊控制的反应釜温度控制方法 | |
| CN112316718A (zh) | 一种w火焰锅炉脱硝喷氨控制系统及方法 | |
| CN115685743A (zh) | 一种智能控制燃煤锅炉及其智能预测调控烟气排放方法 | |
| JPH05313705A (ja) | プロセス制御方法および装置 | |
| CN116203830A (zh) | 一种空气流量不受控型加热炉温度pid优化控制方法 | |
| JP5117232B2 (ja) | ボイラを備えたプラントの制御装置、及びボイラを備えたプラントの制御方法 | |
| JPH07210208A (ja) | 火力プラント制御におけるオートチューニング方法及びそれを利用した火力プラント制御装置 | |
| Mao et al. | Simulation of liquid level cascade control system based on genetic Fuzzy PID | |
| CN115657466A (zh) | 一种智能控制氨气输入量的锅炉系统 | |
| CN113110034A (zh) | 一种基于dcs的引风机模糊pid控制系统 | |
| CN114277260A (zh) | 一种铜富氧侧吹熔炼过程在线优化控制系统 | |
| Chen et al. | Variable discourse of universe fuzzy-PID temperature control system for vacuum smelting based on PLC | |
| CN111663032B (zh) | 一种非晶铁芯退火炉自抗扰温度控制方法 | |
| JPH08121704A (ja) | ボイラの蒸気温度制御装置 |
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 |