（动力工程及工程热物理专业论文）基于分散模糊推理结构的电站热工过程控制.pdf

重庆大学硕十学位论文中文摘要 摘要 火力发电机组热力系统工作过程复杂，是十分典型的多变量非线性控制对 象，在机组的运行过程中，机组热力系统还具有十分明显的滞后特性和时变特 性。火力发电机组热力系统的上述特点对传统的p i d 控制方法提出了直接的挑 战。为了有效提高电厂热工过程的控制品质，基于模糊控制技术等一些人工智能 控制方法的热工过程的控制得到了迅速发展。 模糊控制是一种基于规则的非线性控制方法，它不需要控制对象的精确数学 模型，直接采用语言型控制规则实现控制过程。模糊控制规则是模糊控制器的核 心，它的建立主要依赖于专家知识或操作人员的经验知识。当控制器输入参数数 目大于3 时，模糊控制规则的建立将十分复杂，甚至很难做到。 针对传统的模糊控制方法存在的问题，提出了一种基于分散模糊推理结构的 控制方法。该控制方法的基本思想在于，首先将输入信息人为地划分为若干组， 对于每一组局部输入信息，利用基于经验的模糊推理规则产生一个对应的控制分 量，最后根据各组输入信息的重要程度，对各控制分量进行综合以产生控制量。 本文还结合火力发电机组热工过程的几个典型的控制问题，对前述的基于分 散模糊推理结构的控制方法的具体应用进行了研究。 本文设计了一种基于分散模糊推理结构的过热汽温控制系统，增加了导前汽 温偏差及其变化率作为控制器的输入参数，形成具有四个输入参数的多变量模糊 控制系统，对该控制系统的动态特性进行了仿真试验研究，获得了良好的控制品 质。 火电单元机组是典型的具有多输入多输出的非线性时变系统，各变量之间存在 严重的耦合，其准确模型难以建立，常规的线性p i d 控制系统难以在整个负荷变 动范围内均取得优良的控制品质。本文建立了一种基于分散模糊推理的机组协调 控制系统。该系统包括三个二维模糊控制器f c l 、f c 2 和只。利用f c i 和f c 2 通过分散模糊推理产生两组模糊控制分量，进一步通过对每一组模糊控制分量的 加权综合，获得汽轮机调节阀门开度和锅炉燃烧率两个控制输出；同时，利用模糊 控制器实现权值的自适应调整。仿真试验表明，上述的单元机组协调控制系 统具有较好的控制品质和自适应能力。 关键词：火电机组，分散推理，模糊控制，过热汽温，协调控制 重庆大学硕士学位论文 英文摘要 a b s t r a c t t h e r m a ls y s t e mo ft h eu n i t sh a sac o m p l e xw o r k i n g p r o c e s s i ti sat y p i c a lm u l t i - v a r i a b l en o n l i n e a rc o n t r o lo b j e c t i nt h eo p e r a t i o np r o c e s so ft h eu n i t ，t h et h e r m a l s y s t e ma l s oh a sav e r yo b v i o u sd e l a ya n dt i m e v a r y i n gc h a r a c t e r i s t i c t h i sc h a r a c t e r i s t i c o ft h et h e r m a ls y s t e mp r e s e n t sad i r e c tc h a l l e n g et ot h et r a d i t i o n a lp i dc o n t r o lm e t h o d i no r d e rt oi m p r o v et h ec o n t r o lq u a l i t yo fp o w e rp l a n tt h e r m a lp r o c e s se f f e c t i v e l y , s o m e a r t i f i c i a l i n t e l l i g e n c e c o n t r o lm e t h o d s ，s u c ha sam e t h o db a s e do nf u z z yc o n t r o l t e c h n o l o g y , h a v eb e e nd e v e l o p e dr a p i d l yi nt h ec o n t r o lo ft h e r m a lp r o c e s s e s f u z z yc o n t r o li san o n l i n e a rc o n t r o lm e t h o db a s e do nf u z z yr u l e s i td o e s n tn e e d e x a c tm a t h e m a t i cm o d e la n dc a l ld i r e c t l ya d o p tl i n g u a lc o n t r o lr u l e st oa c h i e v et h e c o n t r o lp r o c e s s f u z z yc o n t r o lr u l ei st h ek e r n e lo ft h e f u z z yc o n t r o l l e r , w h o s e e s t a b l i s h m e n t d e p e n d s o nt h e k n o w l e d g e o ft h e e x p e r t o rt h e o p e r a t o r s e x p e r i e n c e w h e nt h en u m b e ro ft h ei n p u tp a r a m e t e ri sm o r et h a nt h r e e ，i ti sc o m p l e x a n dd i f f i c u l tt oe s t a b l i s ht h ef u z z yc o n t r o lr u l e s t ot h ep r o b l e m si nt r a d i t i o n a lf u z z yc o n t r o lm e t h o d ，i tp r o p o s e sac o n t r o lm e t h o d b a s e do nd i s t r i b u t e df u z z yi n f e r e n c e t h eb a s i ci d e ao ft h ec o n t r o lm e t h o di st h a t f i r s t , d i v i d et h ei n p u ti n f o r m a t i o ni n t os e v e r a lg r o u p s ，f o re a c hs e to fl o c a li n p u ti n f o r m a t i o n ， a c o r r e s p o n d i n gc o n t r o lc o m p o n e n ti sp r o d u c e du s i n gt h ef u z z yi n f e r e n c er u l e sb a s e do n e x p e r i e n c e ，a tl a s tt h ef i n a lc o n t r o li n f o r m a t i o nc a ni n t e g r a t ef r o me a c hc o n t r o l c o m p o n e n tb a s e do nt h ei m p o r t a n c et h a te a c hc o n t r o lc o m p o n e n tc o n t r i b u t e s i n t e g r a t e dt h et y p i c a lp r o b l e m si nt h ep r o c e s so ft h e r m a lp o w e ru n i t s ，t h i sp a p e r s t u d i e dt h es p e c i f i ca p p l i c a t i o no ft h ec o n t r o lm e t h o db a s e do nd i s t r i b u t e df u z z y i n f e r e n c e i nt h i sp a p e r ，ac o n t r o ls y s t e mb a s e do nd i s t r i b u t e df u z z yi n f e r e n c ef o rt h e s u p e r h e a t e dt e m p e r a t u r ei sp r e s e n t e d i ta d d st h ed e v i a t i o na n di t sr a t eo fl e a d i n g t e m p e r a t u r ea st h ei n p u tp a r a m e t e r so ft h ec o n t r o l l e rt of o r mam u l t i v a r i a b l es y s t e m w i t l lf o u ri n p u t s t h e nt h ed y n a m i cc h a r a c t e r i s t i co ft h ec o n t r o ls y s t e mi sr e s e a r c h e db y s i m u l a t i o ne x p e r i m e n tw h i c hr e s u l t i n gag o o dc o n t r o lq u a l i t y t h e r m a lp o w e ru n i ti sat y p i c a ln o n l i n e a rt i m e - - v a r y i n gs y s t e mw i t hm u l t i - - i n p u t s a n dm u l t i - o u t p u t s t h e r ea r es e r i o u sc o u p l i n g sb e t w e e nt h ev a r i a b l e s ，a n di ti sd i f f i c u l t t oe s t a b l i s ht h ea c c u r a t em o d e l t h e r e f o r ei ti sd i f f i c u l tt oa c h i e v eg o o dc o n t r o lq u a l i t y i nt h ew h o l er a n g eo fl o a dv a r i a t i o n sf o rt h ec o n v e n t i o n a ll i n e a rp i dc o n t r o ls y s t e m 1 1 重庆人学硕士学位论文 英文摘要 t h i sp a p e rd e s i g n sac o o r d i n a t e dc o n t r o ls y s t e mb a s e do nd i s t r i b u t e df u z z yi n f e r e n c e i t i n c l u d e st h r e et w o d i m e n s i o n a lf u z z yc o n t r o l l e r s ，w h i c ha l ef c i ，f c 2a n df c a t w o c o u p l e so fc o n t r o lv a l u e sa r ep r o d u c e db yt h ef u z z yc o n t r o l l e r sf c ia n df c 2t h r o u g h d i s t r i b u t e df u z z yi n f e r e n c e ，a n dt h e nt h ef i n a lc o n t r o lo u t p u t sw h i c ha r et u r b i n ev a l v e o p e n i n ga n db o i l e rc o m b u s t i o nr a t ea l eo b t a i n e db yi n t e g r a t i n ge v e r yc o u p l eo fc o n t r o l c o m p o n e n t sr e s p e c t i v e l y s i m u l t a n e o u s l yt h ef u z z yc o n t r o l l e rf c ai sd e s i g n e dt or e a l i z e t h ea d a p t i v ea d j u s t m e n tt ow e i g h t e df a c t o r s i m u l a t i o nr e s u l t ss h o wg o o dc o n t r o l q u a l i t ya n da d a p t i v ec a p a c i t yo f t h ec o o r d i n a t e dc o n t r o ls y s t e mf o rp o w e ru n i ta b o v e k e y w o r d s ：p o w e ru n i t ，d i s t r i b u t e di n f e r e n c e ，f u z z yc o n t r o l ，s u p e r h e a t e d t e m p e r a t u r e ，c o o r d i n a t e dc o n t r 0 1 i i i 工 学位论文独创性声明 本人声明 所呈交的篮 士 学位论文 是我个人在导师指导下进行的研究 中特别加以标注和致谢的地方外，论 文中不包含其他人己经发表或撰写过的研究成果。与我一同工作的同志对本研究 所做的任何贡献均己在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 导师签名： 签字日期：劢0 7 。i i 、；o 签字日期： 学位论文使用授权书 本人完全了解重庆大学有关保留、使用学位论文的规定。本人完全同意中 禚嚣专淼溢鬣嚣镒谶滏豁黼下简称“章程”) ，愿意将本人的砒学位论文馒盈匾幽邕墅鲤堕璺丝壁矿援一f 交中国学术期刊( 光盘版) 电子杂志社( c n k i ) 在中国博士学位论文全文数据 库、中国优秀硕士学位论文全文数据库以及重庆大学博硕学位论文全文数 据库中全文发表。中国博士学位论文全文数据库、中国优秀硕士学位论文 全文数据库可以以电子、网络及其他数字媒体形式公开出版，并同意编入c n k i 中国知识资源总库，在中国博硕士学位论文评价数据库中使用和在互联 网上传播，同意按“章程”规定享受相关权益和承担相应义务。本人授权重庆大学 可以采用影印、缩印或其他复制手段保存论文，可以公开论文的全部或部分内容。 作者签名：二刻匣卜 导师签名 备注：审核通过的涉密论文不得签署“授权书，须填写以下内容： 该论文属于涉密论文，其密级是，涉密期限至年一月一日。 说明：本声明及授权书生逝装订在提交的学位论文最后一页。 靴 、：， 、互 诳 重庆人学硕士学位论文1 绪论 1 绪论 1 1 课题背景 现代科学技术的不断发展，被控对象复杂化，而且通常具有严重非线性，数 学模型的不确定性，动态特性的时变与多输入输出问的强耦合性，从系统对象所 能获得的知识信息量相对减少，而对控制性能的要求却日益高度化。也就是说， 在多变量、非线性、时变的大系统中，系统的复杂性与人类要求的精确性之间形 成了尖锐矛盾。模糊控制方法是以一种模糊性的描述高效的使准确和简明之间取 得平衡，因此在现代自动控制系统领域中具有重要的地位与意义。 经典控制( 如p i d 控制) 理论首先被使用于线性常规系统的自动化领域。随 着计算机技术和自动控制理论的发展，现代控制理论和先进控制理论在大规模线 性多变量系统中也得到广泛应用。但是，对于非线性复杂系统，这些控制策略却 难以适用：它们不仅算法相当复杂，而且无望获得满意的结果。近十年来，采用 专家知识的人工智能和智能信息处理技术，以及人工进化算法等控制策略，虽然 引起了人们的研究兴趣和重视，但由于其知识库庞大和计算复杂，多数作为一种 离线寻优和学习方法，很难用作实时的模拟控制和工业应用。模糊控制不仅适用 于小规模线性、非线性复杂系统，而且逐渐向大规模复杂系统扩展，具有易于熟 悉，输出量连续、可靠性高，能发挥熟练专家操作的良好自动化效果等优点。对 于多变量系统，存在的问题主要是互联和解耦，模型的不确定性和鲁棒性等，利 用传统的控制方法都很难解决，由于模糊控制提供了常规控制策略不可替代的高 效控制方法，研究如何将模糊理论应用于多变量控制系统己成为模糊控制领域的 热点课题【l j 。 1 2 课题研究现状及发展 1 2 1 模糊控制的现状和发展 模糊控制是智能控制较早的形式，它吸取了人的思维具有模糊性的特点，以 模糊数学为基础，以模糊集合、模糊关系、模糊推理来模仿人类思维的判断综合 推理，处理、解决常规方法难以解决的问题。从广义上讲，模糊控制是应用模糊 集合理论统筹考虑系统的一种控制方式。 模糊建模 模糊建模是模糊理论研究中一个重要的方向。模糊模型能够有效的辨识具有 大时延、时变、多变量，非线性的复杂系统和一些病态系统，由于它使用模糊规 则的表现形式，易于分析系统的行为特性。对于复杂的实际系统，采用传统的机 重庆人学硕士学位论文 1 绪论 理建模方法是很困难的。基于模糊集的建模，可以将专家的定性知识与输入输出 数据的定量知识相结合，解决复杂系统中大量的模糊、不确定信息。模糊模型表 现为模糊规则的形式，模糊建模的核心就是模糊规则的获取。s u g e n 2 总结了四 种获取规则的方法，即1 ) 基于专家的经验和知识；2 ) 建立操作者的控制行为模 型：3 ) 建立被控对象的模型；4 ) 自组织( s e l fo r g a n i z a t i o n ) 。 模糊模型在形式上表现为一系列“f t h e n ”的模糊规则的组合。按照模糊 规则后件结构的不同，模糊模型分为三种，即m a m d a n i 模糊模型、模糊关系模型 和t - s 模糊模型。模糊模型的辨识在控制、规划、决策、统计和分析等领域中得 到广泛应用。1 9 8 3 年，h i r o t a 和p e d r y c z 提出了采用参考模糊集的概念进行模糊 辨测3 】；1 9 8 4 年，p e d r y c z 提出用概率统计方法来确定模糊系统关系矩阵的模糊 辨识方法【4 1 ；1 9 8 5 年，由日本学者t a k a g i 和s u g e n o 提出一种动态系统的模糊模 型辨识方法，即t - s 模型5 。t - s 模型基于系统局域线性化，在模糊规则结论部分 用线性多项式表示，以拟合受控对象的非线性特性，具有逼近能力强和结构简单 等特点。近十几年来，在基于神经网络模糊辨识和自适应模糊辨识的建模和控制 方面的研究与应用也取得了不少成果1 6 。8 j 。 模糊控制 2 0 世纪后期，国内外学者将各类先进控制神经网络、遗传算法、自适应控 制策略等与模糊控制相结合，形成模糊控制的一些新的研究方向，主要包括自适 应模糊控制、模糊预测控制、模糊神经网络控制、模糊遗传算法控制等。 1 ) 自适应模糊控制 自适应模糊控制就是它能自动地对模糊控制规则进行修改、改进和完善，以 提高控制系统性能。模糊控制器控制质量的好坏主要取决于模糊控制规则的设 定，对于那些时变的、非线性的复杂系统采用模糊控制时，要获得良好的控制效 果，必须要求模糊控制器具有较完善的控制规则。而且由于被控过程的非线性、 高阶次、时变性以及随机干扰等因素的影响，造成模糊控制规则粗糙或者不够完 善，从而不同程度地影响控制效果。为了使控制规则在控制过程中自动调整和完 善，p r o c y k & m a m d a n i 提出了自适应模糊控制器的思想，自适应模糊控制器能够 在线或离线调节模糊控制规则的结构或参数，使其工作在最优状态1 9 。龙升照和 汪培庄提出的解析描述的模糊控制规则自调整方法，为研究自适应模糊控制提供 了新途径【l 。m i k i om a e d a 和s h u t am ur a k a m i 提出的自校正模糊控制器实时学习 算法，推动了自学习模糊控制的研究【1 1 1 。模糊控制规则可以调整的一般模糊控制 器输出采用解析表达式，因此提出了带有一个调整因子的控制规则，根据不同的 状态来选用不同的调整因子，从而相应改变了控制规则。调整因子也可以为两个 或多个，控制精度也会提高。 2 重庆大学硕十学位论文 1 绪论 2 ) 模糊预测控制 模糊控制将专家的经验知识表达为语言控制规则，利用控制规则通过推理、 决策对系统进行控制，不需要预知对象模型，特别适用于数学模糊未知或者难以 建立的系统。预测控制利用预测模型，同时利用系统过去和未来的信息，提高控 制系统控制性能，对于解决有滞后特性的控制对象有优势。模糊预测控制就是把 各种预测的典型算法与模糊控制理论相结合，构成一种以模糊控制为主体的集成 控制策略【l 玉1 4 j 。 3 ) 模糊神经网络控制 神经网络显著特点是具有学习性。模糊控制系统擅长处理定性的知识，能使 人们的熟练操作经验和专家知识以规则的形式存在于模糊控制中，但它缺乏自学 习能力。而神经网络对环境的变化具有较强的自适应能力，所以可结合神经网络 的学习能力来训练模糊规则，提高整个系统的学习能力和表达能力。神经网络与 模糊理论相结合用于控制有以下几种形式：a ) 用神经网络驱动模糊推理；b ) 用神 经网络记忆模糊规则的控制；c ) 用神经网络优化模糊控制器的参数，利用神经网 络在被控系统运行过程中在线对隶属函数进行修正、优化和调整量化因子和比例 因子；d ) 利用神经网络获取知识和提取知识。在模糊控制器内部用神经网络对控 制模式进行分类，并用神经网络来表达控制系统的动态特性。因此，可以利用神 经网络来调整模糊推理系统的隶属函数和推理规则。在上述的模糊神经网络中， 其主要的目的是提取规则、修改参数i l5 。 4 ) 模糊遗传算法控制 由于模糊逻辑控制所要确定的参数很多，专家的经验只能起一个指导作用， 很难根据它准确地定出各项参数，因而实际上还要反复试凑，寻找一个最优过 程，按所给优化性能指标，对被控对象进行寻优学习，从而有效地确定模糊逻辑 控制器的结构和参数。遗传算法是一种新型的全局搜索算法。它的主要特点是群 体搜索和群体中个体之间的信息交换，搜索不依赖梯度信息，因而它可以高效率 地找到全局最优解或接近最优解。利用遗传算法优化模糊控制器时，主要是优化 模糊控制器的控制规则与隶属函数 1 6 , 1 。 模糊控制存在很多优点。首先，它不依赖被控对象的精确的数学模型，是解 决不确定性系统控制问题的有效方法之一。其次，模糊控制的机理比较符合人们 对控制的直观描述和思维逻辑，而且模糊控制具有较强的鲁棒性，尤其适合于非 线性和时变系统。通过近几十年的研究，模糊控制方法在实际应用中取得了很大 的进展，但依然存在技术和理论上的问题。技术上，模糊控制的核心是模糊推理 规则库，而建立复杂完善的推理规则需要借助操作人员或专家的经验；其次，信 号通过简单的模糊处理，将导致失真和控制进度的降低，虽然可以通过增加量化 3 重庆人学硕十学位论文 1 绪论 级数来改善，但会导致规则与计算量的急剧膨胀，控制性能难以提升。此外，目 前模糊控制器的设计尚缺乏系统的理论指导，如论域的选择、隶属度函数的选择 尚处于依据经验和试凑阶段。理论上，如何将传统理论的概念和方法推广到模糊 控制系统以及怎样使模糊控制器具有自学习能力等等，都需要进一步加以研究解 决。 1 2 2 多变量模糊控制的研究现状 对于经典的模糊控制器，通常以被控变量相对于参考给定值和偏差变化率作 为控制器的输入，控制规则采用如下二维模糊条件句【1 8 j ： 矿( 偏差i s e j ，偏差率i s e c i ) t h e n ( 控制量i su i )( 1 1 ) 这种基于规则的控制方法实际上已经成为模糊控制的标准结构，但是这种控 制器一般限于单变量系统。对于实际工业过程中的复杂多变量系统，如果将之直 接推广，会产生很多难以克服的缺陷【1 9 j ： 由于控制规则的建立主要依赖于专家知识或操作人员的经验知识，要形成 一组多维( 芝3 维) 的模糊控制规则会很困难，甚至办不到； 这种控制器是基于模糊关系模型的，对于m i m o 系统，这些模型的模糊关 系矩阵的维数对于变量数将呈指数次增长，以致无法具有实际应用的意义； 控制器的结构和算法都很复杂，难以开发满足实际需要的实时智能系统； 这种形式的多变量模糊控制器系统的分析具有很大难度。 多变量模糊控制系统需要一个结构复杂，数量庞大的控制规则集。构造合理 的算法结构，降低对计算机性能的要求，是实现多变量系统模糊控制的关键。当 前多变量模糊控制算法结构主要有以下几类： 分层多规则集结构 对于分层多规则集结构，每个分规则集一般为常规的较为简单的结构形式， 但是它们分为不同的层次，作用也不完全相同。在实际的工业生产过程控制中， 当有多个输入变量时，它们对控制的作用也往往不完全一样。有的变量可以用它 们来判断过程状态，或者判断工艺阶段，取得更好的控制效果，这些输入变量可 以称为全局变量，由全局变量组成的模糊推理语句构成的规则集用来判断过程状 态或工艺阶段，作为高层的规则集。而低层的规则集贝l j 针对不同的过程状态或工 艺阶段进行模糊控制。低层模糊集使用的输入变量一般是系统的受控变量或与之 直接相关的过程变量，即局部变量，这样一个多变量模糊控制器分解为图1 1 的结 构形式。 4 重庆大学硕士学位论文 1 绪论 全局变量 控制输出 图1 1 分层多规则集结构 f i g 1 1s t r u c t u r eo fm u l t i - l a y e r e ds e to fr u l e s 分层多规则集结构的设计思想1 2 0 j ：当多个输入量引入模糊控制器时，用其中 一个( 或多个) 量作为辅助输入量，由它的变化来代表不同的过程状态( 的。在不 同的过程状态下，再根据被调量的偏差及其变化率( e c ) 定出控制规则。如图 1 1 所示，这种模糊控制器可以用下列模糊条件语句描述： 在高层： 矿过程状态k ，t h e n 控制规则瓜( k = l ，2 ，尸)( 1 2 ) 在低层： 矿e = 既a n de c = e c o ，t h e nu = u n j ( 江1 ，2 ，m ；j = 1 ，2 ，刀)( 1 3 ) 基于分层多规则集的模糊控制器比常规控制器能更好地适应生产过程状态的 变化，它更全面地反应了人工操作的经验，因而有更佳的控制效果。其实现简 单，概念明确，但仍需要设计人员对受控对象认识的模糊信息的归纳和对操作人 员经验的总结，如何选择合适的层次变量以及为提高系统性能，如何在线修正分 层的控制规则集仍是有待解决的问题。 在分层多规则集结构的基础上，g v s r a j u 和j u nz h o u 提出了一种自适应多 级模糊控制器【2 1 1 ，它按照变量参数对系统影响的大小进行分级，把对系统影响最 大的变量作为一级变量，次之作为二级变量，依次类推构成不同级别的控制规 则，将一个多变量控制器分解为多级规则的结构形式： 第1 级规则： 矿五li s4 la n d 砭li s4 2a n d 以li s4 。t h e nki s 岛( 1 4 ) 第i 级规则： 矿墨fi s4 1a n dx 2 fi s4 2a n d 咒fi s a n d 巧1i se 1t h e n ，：i sb l ( 1 5 ) 在这种分级结构中，将多输入多输出结构解耦为多输入单输出或单输入单输 5 重庆人学硕士学位论文1 绪论 出结构，各级发规则不仅包含本级输入变量，而且将前一级的输出变量也作为本 级的输入变量，兼顾了多规则集之间的相互关系。 何小宁等人采用分级分层的控制策略进行结构分解和模糊解耦，以大型水泥 管桩生产线【2 2 】为应用对象，对控制过程中的重要环节和全局变量分别按照不同的 模糊规则进行控制，跟随性和稳定性很好，达到了预期的控制效果。邵青等人以烟 叶发酵过程为模糊控制对象【2 3 】，采用基于系统工况模糊识别，控制量判断输出的 两阶模糊控制器，简单实用。 解耦结构( 规则分解结构) 规则分解是指对多变量模糊控制规则进行子空间分解，用一组二维模糊方程 来描述多维模糊控制规则。 设有聊个输入x 和刀个输出y j 的m i m o 系统，将多维模糊关系简化为二维关 系，以三输入二输出系统示图为例，如图1 2 。 其中： 图1 2 多变量系统规则分解结构图 f i 9 1 2s t i u c t i j l eo fr u l e sd e c o m p o s i t i o nf o rm u l t i v a r i a b l es y s t e m s z = ( k 。蜀。) n ( 墨。r 。) n n ( 以。毛。) e = ( x l 。r l ：) n ( 五。r ：) n n ( 以。如：) e = ( 墨。r l 。) n ( 五。心：) n n ( 以。) 式中分解后的二维模糊关系 ， 吩= u ( 置( 后) 寸i ( 后) ) ，( f _ l ，2 ，朋；= l ，2 ，刀) k = l 而分解前的模糊关系 ， r = u 【( ( 七) 啦( | j ) 置( 七) ) 寸( x ( 七) 艺( 后) ( 七) ) 】 6 ( 1 6 ) ( 1 7 ) ( 1 8 ) 重庆大学硕士学位论文1 绪论 基于规则分解结构的控制算法大大节省了计算机内存和计算时间，为多变量 系统模糊控制的实现提供了又一有效途径。但是该方法是用的结构分解是近似 的，并不是严格的推导结果，对控制精度有一定的影响。 其它结构 以神经网络作为算法结构的模糊控制器是指在神经网络中引入模糊逻辑，使 其具有直接处理模糊信息的能力，经过训练的模糊神经网络，不仅具有记忆控制 规则的能力，而且由于神经网络的自适应特点。模糊神经网络可以较好的解决规 则的抽取和细化，是当前颇受关注的新颖控制策略研究方向之一，也取得了不少 理论研究成果【2 4 。2 6 】。文献【2 7 】针对一个多输入多输出、非线性复杂系统明显的非 线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结 构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在 线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有 模糊控制的特点，又有神经网络学习的能力。通过对风冷制冷机组控制试验的结 果表明，该控制器能够达到同时控制蒸发压力和过热度的目的。 此外，文献 2 8 3 1 针对具体不同m i m o 系统提出了模型补偿，多层模糊逻 辑、模糊加权等控制方法。 1 2 3 电站热工对象的控制现状 电厂热工对象往往表现出非线性、时延性、不确定性( 参数的未知性、时变 性、随机性、扰动性和突变性) 、变量间的关联性以及信息的不完整性。在大型 火电机组庞大、参数众多的控制对象中，单元机组自动控制中有3 0 多个主要控 制回路，其中地位较重要的控制回路是：燃烧控制系统、汽包水位控制系统、汽 温控制系统、制粉系统、汽轮机系统和协调控制系统。本文只针对过热汽温和协 调控制系统进行分析和设计。 锅炉过热汽温控制系统 电厂锅炉过热汽温对象具有非线性和不确定性，滞后性强，其动态特性随运 行工况的变化而改变。目前过热汽温控制系统主要有串级控制系统、采用导前汽 温微分信号的控制系统两种方案。在大型火力发电机组上，一般采用由前馈控制 + 串级控制构成的前馈一反馈控制系统方案。过热汽温系统的控制器一般采用p i d 控制规律。p i d 控制规律具有概念清晰、算法简捷、易于实现、稳态精度较高等 优点，但是对于过热汽温对象，其精确数学模型难以建立或较复杂，且具有一定 的时变特性，这使得p i d 控制器参数的整定很难实现动态最优。由于常规p i d 控 制器自身的局限性，使得其参数整定无法同时兼顾系统汽温响应特性、抗扰动特 性以及对象参数摄动情况下的鲁棒稳定性。而且过热汽温具有大迟延和大惯性的 特性，单纯的p i d 线性控制律适应突发性干扰、设定值突变、对象特性时变性等 7 重庆大学硕十学位论文 1 绪论 的能力有限，常出现被控量较大的动态偏差。 近年来，人们根据过热汽温系统的特点，将智能控制技术引入其中，如参数 模糊自校正p i d 控制器【3 2 1 等。文献 3 3 】设计了一种基于控制历史的串级控制系 统。在对控制对象的动态特性分析的基础上，用历史的控制信息代替偏差变化率 作为模糊控制的决策依据，从而及时地反映出被控制量的变化趋势；并在此基础 上，引入了比例环节，综合了p i d 控制器和模糊控制器的优点，克服了传统模糊 控制器结构上的缺陷。文献 3 4 】在延迟系统逆动力学过程定性分析的基础上，对 传统模糊控制器加以改造，提出一种新的适合于迟延系统的控制方法。以控制历 史数据为基础，对控制量定义了新的矫正基准参量，设计了一种模糊增量型控制 器。文献 3 5 】提出了一种基于逆动力学过程模糊规则模型的控制算法，通过控制 对象逆动力学过程模糊规则模型离线辨识，直接产生形成与控制对象运动规律相 适应的初始控制规则，并根据对象逆动力学过程模糊规则模型在线辨识结果，对 控制规则进行在线调整。此外，模糊预测控制【3 6 】、神经网络控隹j l j f 3 7 , 3 8 等在过热汽 温控制中的应用进行了研究，仿真试验证明，它们可以有效地改善常规过热汽温 控制系统的性能和控制品质，增强控制系统的适应性。 单元机组协调控制系统 火电单元机组是典型的具有多输入多输出( m i m o ) 的非线性时变系统，各变量 之间存在严重的耦合，其准确模型难以建立，基于传统p i d 控制系统的机、炉协调 控制系统，只是根据大型火电机组在某一负荷点上的对象特性来设计的，但当机 组的负荷大范围变化时，被控对象的动态特性往往变化很大，且被控对象存在严 重的非线性，所以p i d 控制为基础的常规协调控制难以获得理想的控制效果。智 能控制在协调系统中得到了广泛应用。文献1 3 9 通过解耦控制、模糊推理及模糊 自校正等技术的有机集成，提出了机组协调控制系统的一种设计方法，并获得了 成功应用。文献【4 0 】从多变量系统的控制理论出发，使用专家的原理对负荷控制 系统的p i d 控制器参数进行自整定，以达到提高系统鲁棒性的目的。文献 4 1 】建 立了单元机组负荷对象的逆动力学模型，为进一步开展基于逆动力学模型的机组 协调控制方法的研究奠定了基础。文献 4 2 将i d f r 直接作为控制规则，设计了 一种机组协调控制系统，通过i d f r 在线辨识对控制规则自动调整，保证了控制 规则与负荷对象运动规律的匹配。模糊控制和多模型控制为改善机组协调控制性 能提供了很好的研究思路【4 3 j 。多模型控制在若干工作点建立多个固定模型并设计 相应的控制器，根据系统工况变化选择相应的控制输出。为提高控制性能，通常 需要较多的固定模型，导致控制系统的计算量和复杂性显著增加。 8 重庆大学硕士学位论文1 绪论 1 3 本文的工作 本文将基于分散模糊推理的控制方法应用于电站热工对象的控制过程，主要 进行了以下三个方面的工作： 首先针对多变量的复杂系统给出了一种基于分散模糊推理( d f i ) 的控制方法， 解决多变量模糊控制系统模糊规则难以获取结构和算法的复杂性问题；对于复杂 的m i m o 控制对象，为了解决模糊规则难以获取和复杂的问题，首先将输入信息 人为地划分为若干组，对于每一组局部输入信息，利用基于经验的模糊推理规则 产生一个对应的控制分量，最后根据各组输入信息的重要程度，对各控制分量进 行综合以产生控制量。 设计了基于分散模糊推理( d f i ) 的过热汽温控制系统。锅炉汽温具有非线性和 不确定性，滞后性强，为了提高控制性能，在控制过程中引入导前汽温信息，综 合考虑了过热器出口温度及其变化速度，以及过热器导前区出口温度及其变化速 度等四个基本信息，形成一个具有多个输入的模糊处理系统。为了有效地获得模 糊控制规则，建立了一种基于分散模糊推理( d f i ) 的过热汽温控制系统，通过对基 本模糊控制器输出的控制分量的加权综合，产生最终的控制信息。通过仿真实 验，对基于d f i 的锅炉过热蒸汽温度模糊控制系统的有效性及自适应能力进行了 验证，并与常规串级p i d 控制方法系统和模糊串级控制系统的控制效果进行了比 较。 建立了一种基于分散模糊推理的机组协调控制系统。火电单元机组是典型的 具有多输入多输出的非线性时变系统，各变量之间存在严重的耦合，其准确模型难 以建立，常规的线性p i d 控制系统难以在整个负荷变动范围内均取得优良的控制品 质。本文设计的系统包括三个二维模糊控制器f c i 、f c 2 和f c a 。利用f c l 和 f c 2 通过分散模糊推理产生两组模糊控制分量，进一步通过对每一组模糊控制分 量的加权综合，获得汽轮机调节阀门开度和锅炉燃烧率两个控制输出；同时，利用 模糊控制器实现权值的自适应调整。仿真试验表明，上述的单元机组协调控 制系统具有较好的控制品质和自适应能力。 9 重庆人学硕士学位论文2 基于分散模糊推理的控制方法 2 基于分散模糊推理的控制方法 2 1 模糊控制理论 模糊控制是以模糊数学为基础，以模糊集合、模糊关系、模糊推理来模仿人 类思维的判断综合推理，处理解决常规方法难以解决的问题。1 9 6 5 年，美国控制 理论专家l a z a d e h 首先提出了模糊集合的概念，从而突破了经典集合论中属于 或不属于的绝对关系，它标志着模糊数学的诞生。在随后的研究中，他还进一步 发展了语言变量、模糊俨- t h e n 规则、模糊映射和模拟图等概念，为模糊控制和模 糊系统建模奠定了良好的基础。模糊控制作为模糊集合理论应用的一个重要方 面，在过去的四十多年里，无论在理论上还是在工程应用上都有了很大的发展， 是智能控制的一个十分活跃的研究与应用领域。 2 1 1 模糊控制的思想 模糊控制的基本思想是把有经验的操作人员或者专家对特定的被控对象或过 程的控制策略用自然语言总结成为一套因果形式，并表示成特定的模糊控制规 则，通过模糊推理达到所需要的控制要求。如人工控制水槽水位的经验可以表达 为： 若水槽无水或水较少时，则开大水阀； 若水位和要求的水位相差不太大，则把水阀关小； 若水位快接近要求的水位，则把水阀关的很小； 这些经验规则中，“较少”、“不太大”、“接近”、“开大”、“关小”、“关的很小” 这些表示水位状态和控制阀门动作的概念都带有模糊性，这些规则的形式正是模 糊条件语句的形式，可以用模糊数学的方法来描述过程变量和控制作用的这些模 糊概念及它们之间的关系，又可以根据这些模糊关系及时刻过程变量的检测值 ( 需化成模糊量) 用模糊逻辑推理的方法得出此时刻的控制量，这正是模糊控制 的基本思路】。经验规则实际上是人们的经验和知识的体现，对于某一种控制规 则，可以随着人们经验的积累和知识的增多不断的完善，也可以随着控制过程的 不断凋整和修改，使控制系统的性能不断完善。 2 1 2 模糊控制的特点 所谓模糊控制，既不是指被控对象是模糊的，也不是指控制器是不确定 的，它是指在表示知识、概念上的模糊性。虽然模糊控制算法是通过模糊语言描 述的，但它所完成的却是一项完全确定的工作。模糊控制理论是控制领域中非常 有发展前途的一个分支，这是由于模糊控制具有许多传统控制无法与之比拟的优 1 0 重庆大学硕+ 学位论文2 基丁分散模糊推理的控制方法 点【4 引，其中主要是： 使用语言方法，不需要掌握过程的精确数学模型。因为对复杂的生产过程 很难获取过程的精确数学模型，而语言方法却是一种很方便的近似； 对于具有一定操作经验、而非控制专业的工作者，模糊控制方法易于掌 握；操作人员易于通过人的自然语言进行人机界面联系，这些模糊条件语句很容 易加入到过程的控制环节上； 为一种非线性控制方法，工作范围宽，适应范围宽，特别对于复杂的、非 线性系统，其控制效果比p i d 控制的效果更好； 采用模糊控制，过程的动态响应品质优于常规p i d 控制，并对过程参数的 变化具有较强的适应性；具有内在并行处理机制，表现出极强鲁棒性，模糊控制 器参数易调整； 算法简单，执行快，易实现，而且经济性好。 通过近几年的研究，模糊控制方法在实际应用中取得了很大的进展，但依然 存在技术和理论上的问题。技术上，模糊控制的核心是模糊推理规则库，而建立 复杂完善的推理规则需要借助操作人员或专家的经验；其次，信号通过简单的模 糊处理，将导致失真和控制进度的降低，虽然可以通过增加量化级数来改善，但 会导致规则与计算量的急剧膨胀，控制性能难以提升；目前，模糊控制器的设计 尚缺乏系统的理论指导，如论域的选择、隶属度函数的选择尚处于依据经验和试 凑阶段。理论上，如何将传统理论的概念和方法推广到模糊控制系统以及怎样使 模糊控制器具有自学习能力等等，都需要进一步加以研究解决。 2 2 模糊控制器的设计 对于一个熟练的操作人员，并不需要了解被控对象精确的数学模型，而是凭 借其丰富的实践经验，对被控对象的信息加以分析、判断和综合，采取适当的决 策去操作控制器，来控制被控对象。这个过程是将被控对象的被调量转化为模糊 量，通过操作人员来操作执行机构动作的过程。如果通过把这些熟练操作人员的