- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
火电机组输煤顺控
基于动态矩阵预测控制的锅炉汽包水位控制研究学院:自动化工程学院姓名:韦永妙班级:自动卓越121学号:2012307010108导师:吕漫丽主要内容14课题研究的背景和意义动态矩阵预测控制基本原理25DMC-PID控制系统仿真锅炉汽包水位研究现状36锅炉汽包水位系统结论01课题研究的背景和意义研究背景锅炉汽包水位是锅炉运行的重要参数,维持汽包水位平衡是保证锅炉运行的重要条件。随着锅炉容量和参数的提高,应用传统控制方法很难达到理想的控制效果。因此,急需一种鲁棒性强、算法简单的快速控制方法。研究意义动态矩阵预测控制算法具有很强的鲁棒性,可以及时有效地校正因模型失配、时变和环境干扰等因素引起的不确定性。因此,对汽包水位控制具有很大的意义。02锅炉汽包水位的研究现状锅炉汽包水位的几种先进控制方案神经网络控制1无模型自适应控制2灰色广义预测控制3DMC-PID控制4神经网络控制该控制算法在响应快速性、调节平稳性及抗干扰能力方面均优于常规PID控制系统。无模型自适应控制该控制算法可以适应给水过程中大的、不确定滞后和实现无静差控制。灰色广义预测控制该控制算法系统响应速度快,稳态效果好,其控制性能更为优越,具有很好的实用价值。DMC-PID控制该控制算法充分发挥了PID抗干扰性强和DMC对惯性、延迟适应能力强的优点。03锅炉汽包水位系统汽包水位系统的组成主要由汽包、给水调节阀、省煤器、下降管、下联箱、水冷壁和过热器组成。汽包水位系统结构图锅炉汽水循环的过程水经过给水泵送出后进入省煤器使其温度提高后再进入汽包,然后汽包中的水沿着下降管进入下联箱,再向上进入水冷壁,在水冷壁中被加热成饱和蒸汽与水的混合物又一起进入汽包。在汽包内汽水混合物被分离成饱和水和饱和蒸汽,饱和水继续参与循环,饱和蒸气则由汽包上部进入过热器被进一步加热。给水扰动下的汽包水位动态特性当给水增加,给水量大于蒸发量,给水温度低于汽包内水温度,会吸收一部分温度,导致汽包内水温下降,蒸汽量减少,水面下气泡数量减少,此时水位不会立即上升。当水面下气泡容积变化趋于平衡时,汽包水位开始迅速上升。蒸汽扰动下的汽包水位动态特性当蒸汽量增加时,汽包内压力下降,导致水沸腾加剧,水面下气泡体积增大,此时水位上升。当气泡容积变化趋于平衡时,由于蒸汽量大于给水量,此时水位直线下降。汽包水位数学模型本文的汽包水位数学模型采用向贤兵的《360MW机组汽包水位仿真控制模型改进与研究》硕士论文里的数学模型。给水流量扰动下的传递函数:蒸汽流量扰动下的传递函数:04动态矩阵预测控制动态矩阵预测控制的组成预测模型1——输入输出预测——假设未来输入预测未来输出滚动优化2——以滚动方式对未来有限时域进行优化——在线计算并实现当前控制作用反馈校正3——每一时刻检测输出——以预测误差补偿对未来输出的预测动态矩阵预测控制的特点综合利用信息1对模型精度要求低23实时性好4有效处理约束问题动态矩阵预测控制的基本原理DMC算法是基于被控对象单位阶跃响应非参数模型的预测控制算法。通过反馈校正和滚动优化当前和未来时刻的控制量,使得输出响应符合预先设定的轨迹。动态矩阵控制主要由三个部分组成,即预测模型、滚动优化和反馈校正。预测模型根据阶跃响应+比例叠加原理→预测输出预测模型在DMC中,首先需要测定对象单位阶跃响应的采样值为: 。 为建模时域。 近似等于阶跃响应的稳态值。向量 称为模型向量。在稳态启动时,可取初始预测值 ,则当时刻控制有一增量 时,在其作用下未来时刻的输出值为:滚动优化滚动优化如果有 个控制增量 在 时刻加到对象上,使被控对象在其作用下未来 个时刻的输出预测值: 时刻的优化性能指标可取为: 式中: , 是权系数,分别表示对跟踪误差及控制量变化的抑制。反馈校正反馈校正在DMC中,到下1个采样时刻时,首先要检测对象的实际输出 ,并与模型预测输出 相比较,构成输出误差: 。采用对 进行加权来修正未来输出的预测:式中: 为 时刻经误差校正后的预测输出。 为误差校正向量。1.校正误差 时刻:把控制作用 加于对象,利用预测模型可知其作用下未来时刻的预测输出为:一步滚动后,可作为 时刻的初始预测值k+1时刻:检测对象的实际输出 ,与模型预测值相比较,得到输出误差为:2.修正方式采用对误差 进行加权来修正未来输出的预测:其中:3.状态更新 时刻:预测未来时间点转移到设置初始预测值:
原创力文档


文档评论(0)