基于拟合曲线法的加热炉过程建模与仿真.docxVIP

基于拟合曲线法的加热炉过程建模与仿真 作者利用1加热炉作为研究对象，利用现场测试的梯度响应数据，应用基于最小二乘曲线的适应方法，并将加热炉的数学模型应用于计算机的模拟线程的适应性。可以更准确地识别带有代理的加热炉的数学模型，并具有很高的精度。该方法能快速寻优二阶以内自衡对象的传递函数。 加热炉过程是具有严重非线性及时变特性的多变量系统,如何能使数学模型准确地反映加热炉过程的实际特性,这对于加热炉过程高级控制和优化控制是至关重要的。现场运行和实际测试表明:燃油流量的改变不仅影响流体出口温度,而且对烟气中氧含量也有很大的影响;助燃风量的改变不仅影响烟气中氧含量,而且对流体出口温度也有影响。上述表明,此系统各变量之间存在着强烈的关联现象。如果采用燃油流量F和助燃风挡板开度X作为控制变量,以流体出口温度T和烟气中氧含量O2作为被控变量,那么可以把加热炉看作是一个二输入——二输出的系统,如图1所示。 在系统工作点附近(燃油压力为0.3MPa;氧含量为4%),采用飞升曲线法对该系统进行了特性测试。 以飞升曲线求解对象传递函数的方法很多,但这些经典的方法,在求解时都需要飞升曲线必须达到新的稳态。由于实际生产中加热炉干扰多、惯性大,用飞升曲线求解对象的传递函数时,要得到重合性好的飞升曲线是很困难的,并且达到稳态的时间很长。经调查了解到阶跃飞升曲线前半部的重复性好,可信度高,试验时间较短,从而产生了能否利用飞升曲线的前半部进行求解传递函数的设想,经过一段时间的研究工作,找出了一种模型辨识的有效方法——拟合曲线法。该方法就是利用飞升曲线的测量值构造目标函数J(x),找出使J(x)最小的飞升曲线的参数,即传递函数的参数K,T。并用MATLAB语言编制了自寻最佳传递函数参数及拟合曲线程序,这样用微机求解就可以做到快速、准确、精度高。本程序适用于一阶滞后、二阶滞后的自衡系统的传递函数求解。 1 a学习目标函数 加热炉对象是一个自衡系统,即在其它条件不变,一定的燃油流量和助燃风量的作用下,炉出口温度和烟气中的氧含量是一定的。资料显示,在大多数情况下,自衡对象的动态特性都可以用一阶、一阶滞后、二阶、二阶滞后4种模型来描述。对加热炉测试的结果表明:燃油流量F(s)及助燃风量挡板开度X(s)对炉出口温度T(s)及烟气中氧含量O2(s)的关系均可用二阶滞后传递函数来描述。设: W(s)=Ke?τs(1+T1S)(1+T2S)(1)W(s)=Κe-τs(1+Τ1S)(1+Τ2S)(1) 取,T2=T,T1T2=nΤ2=Τ,Τ1Τ2=n,则(1)式变为: W(s)=Ke?τs(1+TS)(1+nTS)(2)W(s)=Κe-τs(1+ΤS)(1+nΤS)(2) 公式(2)可以用来表达大多数自衡对象的传递函数,而上述4种状态只是它的特例。因此我们从(2)式出发,带时滞的传递函数实际上只不过是时间坐标后移一个τ,τ可以通过反复的试验测得。所以求解(2)式就变成了求解(3)式,即: W(s)=K(1+TS)(1+nTS)(3)W(s)=Κ(1+ΤS)(1+nΤS)(3) 对于(3)式这样的二阶对象,在单位阶跃信号的作用下,可以用三个方程去描述即: 当[n]≠0,n≠1时 f(t)=fs(1+e?t|Tn?1?ne?t|Tn?1)(4)f(t)=fs(1+e-t|Τn-1-ne-t|Τn-1)(4) 当n=0时 f(t)=fs(1-e-t|T) (5) 当n=1时 f(t)=fs(1?e?t|T?tTe?t|T)(6)f(t)=fs(1-e-t|Τ-tΤe-t|Τ)(6) 以上式中的fs、n、T就是我们要寻找最佳传递函数的参数。由于我们利用飞升曲线的前半部进行分析工作的,所以稳态值fs不是测出来的,而是通过使目标函数J(x)极小而计算出来的。 设目标函数为: J=∑i=1N[f(ti)?f?(ti)]2(7)J=∑i=1Ν[f(ti)-f*(ti)]2(7) 其中:f(ti)——为飞升曲线相应时标下的实测值; f*(ti)——为飞升曲线相应时标下由(4)～(6)式得到的计算值。 2 优化模型的算法和程序 2.1 有二次函数x 由目标函数J(fs,n,T)可知,J是(fs,n,T)的函数,当(fs,n,T)处于最佳状态时,可使J(fs,n,T)最小,因此最终问题是寻找一组X*=(fs,n,T)使J最小。寻找的方法可以采用多种方法,如步进搜索方法等,但实际上太浪费时间。在这里我们应用拟Newton方法来寻找J的极小值,这样可以大大的节约寻优时间。 定理:如果目标函数J(x)在Rn上有连续的二阶偏导数,且其Hesse矩阵G(x)正定并解析,则J(x)存在极小点X*。 证明:考虑到xk到xk+1的迭代过程,在xk点处用一个二次函数来近似J(x)。显然这个二次函数就是J(x