基于多智能体循环流化床锅炉燃烧控制系统.docVIP

基于多智能体循环流化床锅炉燃烧控制系统 　　摘 要：由于循环流化床锅炉燃烧系统具有参数分布广、非线性、时变和大滞后等控制难题，因此分析了该系统的结构与工艺特点。运用多智能体建模方法，将系统进行机理分析分解为若干个子系统，并找出子系统输入输出变量之间的关系，建立被控对象的子系统的数学模型。采用多智能体预估和控制方法，给出循环流化床锅炉燃烧系统的多智能体预估控制算法。仿真结果表明采用该建模和控制方法，能够取得满意的控制效果。 　　关键词：循环流化床锅炉；多智能体；预估；控制 　　中图分类号：TP13；TP273 　　近年来，我国北方雾霾越来越严重，究其原因，我国的能源结果以煤炭为主，火电装机总量高达8.81亿千瓦，因此我国大力发展清洁燃烧技术。循环流化床锅炉以其燃烧效率高、污染少、燃料范围广的优势，在近年来得到大规模的应用。在控制过程中，床层温度是一个直接影响锅炉能否经济安全运行的重要指标。但是由于循环流化床锅炉燃烧过程中伴随着强烈的热交换和化学反应，而且煤炭燃烧具有大的热惯性，通过给煤量调节床层温度滞后较大，这些情况大大增加了循环流化床锅炉建模的复杂性，因此采用普通的控制手段，很难有良好的效果。 　　循环流化床锅炉燃烧过程存在着复杂的流体动力学特性和传热传质特性，难以得到被控对象的精确模型，目前大部分的控制系统数学模型是依靠原始数据辨识或者依赖技术人员经验积累来实现的。文献[1]在总结研究循环流化床锅炉的动态特性后，建立了循环流化床锅炉的自整定智能控制器并成功应用于国产75t/h循环流化床锅炉床层温度的控制。文献[2]针对循环流化床锅炉汽温被控对象的高阶特性，将Smith预估器应用到大滞后系统中，设计出一种结合系统数学模型，参考内膜原理的自适应解耦控制系统。然而，循环流化床锅炉燃烧系统存在着大惯性、强耦合以及调节给煤量的大滞后特性，致使被控对象难以控制；Smith预估器对于大滞后系统来说要求得到系统被控对象的精确数学模型，否则一旦模型误差发生大的变化，系统可能进入不稳定状态。 　　近年来，多Agent系统MAS（Multi-agent System）已成为一个热门的研究方向。Agent模型最初是作为一种分布式智能计算模型被提出来的。二十世纪八十年代Bratman[4]提出了Agent的基本模型，模型包含三个基本的要素：信念（Belief）、期望（Desire）和意图（Intention），各自表示其Agent所具有的认知、能力以及要实现的意图，各个Agent的独立行为动作，都是基于三个基本要素，通过与外界以及和其他Agent之间的交互来完成的。 　　对于现实中复杂的、大规模的系统有必要采用多Agent系统，多Agent不但具有求解自身内部的参数，而且还可以通过相互合作，来解决系统整体复杂的问题。它们具有如下特点： 　　（1）各个Agent具备处理自身信息和解决自身问题的能力； 　　（2）各个Agent独自存储并且处理自身的数据； 　　（3）各个Agent之间是异步通信和并行计算的。 　　MSA系统由多个Agent组成，它们通过相互之间以及与环境之间通讯、协作来共同完成复杂的任务，和传统建模方法和控制方式比起来，具有更灵活的适用性、更高的效率、分布式的感知与作用、内在的并行性[5]、改良的系统性能、容错控制、鲁棒性。因此多Agent系统近年来得到学者们深入的研究，并且在医学、航天和交通控制等领域也得到广泛的应用。 　　本文在分析循环流化床锅炉燃烧过程系统内部结构和工艺特点的基础上，采用一种多智能体模型描述不确定、大滞后、强耦合的循环流化床锅炉燃烧过程的运动特性，将复杂的系统分解为多个子系统模型。子系统数学模型比整体系统模型更易求得而且可以大大降低输出对输入的时延，采用一种多智能体预估控制算法，以期提高控制效果的满意程度[6]。 　　1 循环流化床锅炉燃烧系统结构分析与多智能体建模 　　循环流化床锅炉燃烧系统结构复杂，本文采用多智能体建模方法，通过利用Agent的局部连接规则、机理方程和局部细节模型，建立该复杂系统的一种多智能体模型。 　　循环流化床锅炉按结构分，由炉体、给煤系统、一次风系统、二次风系统、分离器、回料器、尾部烟道等组成。通常锅炉本体分为密相区和稀相区两部分。 　　循环流化床锅炉燃烧过程可以看成是由相互关联的四个部分组成，即密相区、稀相区、分离器和回料器，假设每一部分中包含有一个Agent模块，这些Agent模块分别为Agent1、Agent2、Agent3、Agent4。它们能够长期获取数据，发现规则并且建立周期性的模型。分别对这四个部分进行分析，列出动态物料平衡和动态能量平衡方程，用大量实例数据训练Agent模块，建立子系统智能体模型。 　　根据某型循环流化床锅炉的运行状况，提出