智能电—气阀门定位器智能控制策略研究

论文摘要

调节阀在石油、化工、纺织、冶金、制药等大型过程控制领域具有广泛的应用,调节阀按照驱动方式可以分为电动阀门、气动阀门和液动阀门。气动调节阀由于其结构简单、操作方便、使用可靠、易于维护和防火防爆等优点,在工业中更是得到了广泛的应用。智能电-气阀门定位器是气动调节阀的核心控制附件,可以改善阀门特性、提高控制的精度、速度和增加控制的灵活性。在工业应用中,对流量控制方面的要求越来越高,相应的亦对智能电-气阀门定位器的性能提出了更高的要求。气动执行器作为智能电-气阀门定位器的控制对象具有非线性、时变性和滞后性等特性,而且多应用于工业的多干扰环境中,这使得电-气阀门定位器采用传统的控制算法很难达到更高的性能要求。为了提高智能电-气阀门定位器的控制性能,本文以智能控制为理论基础,以863项目（2006AA040303）“智能化通用仪器仪表的开发及产业化”为应用背景,针对气动执行器的非线性、时变性和滞后性等特性,研究了智能电-气阀门定位器的智能控制策略,本文主要做了以下工作:①论文以气动执行机构为研究对象,分析了气动执行机构存在非线性、时变性与滞后性的原因。针对气动执行机构的特性分析了智能电-气阀门定位器采用模糊PD控制策略与仿人智能控制策略的可行性以及模糊控制策略需要解决的参数优化与控制精度的问题。②针对模糊控制器参数与规则的优化设计问题,结合模糊推理、遗传算法和单纯形法,提出了一种改进的遗传算法——模糊自适应混合遗传算法。该遗传算法以模糊推理为基础,完成对遗传算法中的交叉、变异概率以及反馈式灾变个体数量的自适应调整,并通过单纯形法加强局部寻优能力。仿真结果表明,模糊自适应混合遗传算法较之于标准遗传算法与自适应交叉、变异算子的自适应遗传算法具有更快的收敛速度和更高的寻优精度。模糊自适应混合遗传算法用于对模糊控制器的量化因子与比例因子的寻优,以及对模糊控制器的隶属函数的优化。③针对模糊控制器精度不高的问题,提出了一种CMAC网络与模糊并行控制器的设计方法以提高控制精度。该方法以模糊控制实现反馈控制,CMAC网络实现前馈控制,并采用模糊自适应混合遗传算法完成对模糊控制器中的量化因子与比例因子的寻优。仿真与实验测试结果表明了该并行控制器的有效性。④研究了智能电-气阀门定位器的仿人智能控制策略。针对智能电-气阀门定位器采用的积分分离PID控制算法存在的问题,提出了一种仿人智能控制算法。该算法依据智能电-气阀门定位器的系统自检得到气动调节阀的动态信息和辨识得到的模型信息,查询基于专家经验的参数知识库,完成仿人智能控制器运行控制级参数的整定;依据运行过程中的误差相轨迹和滞后时间等特征信息,结合专家规则,完成仿人智能控制器参数校正级的设计。并对气体泄漏量采取补偿措施,以减少由气体泄漏造成的不利影响。应用测试结果表明,参数自整定的仿人智能控制算法较之原智能电-气阀门定位器采用的积分分离的PID控制算法在调节时间与超调量等性能方面,均有显著提高。通过上述工作,本文研究了CMAC网络与模糊并行控制和仿人智能控制作为基于喷嘴-挡板原理的压电线圈式智能电-气阀门定位器控制策略各自的特点以及实际用中需要解决的问题。实际的应用测试证明了本文所提出的智能控制策略的有效性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 引言
• 1.2 电-气阀门定位器
• 1.2.1 传统的电-气阀门定位器
• 1.2.2 智能电-气阀门定位器
• 1.3 气动控制系统的研究现状及存在问题
• 1.3.1 气动系统的控制算法
• 1.3.2 气动控制系统存在的问题
• 1.4 智能控制策略分析
• 1.4.1 智能控制的基本方法
• 1.4.2 模糊控制策略分析
• 1.4.3 仿人智能控制策略分析
• 1.5 课题的研究背景与意义
• 1.6 论文组织结构及主要内容
• 2 气动执行器与阀门定位器特性研究
• 2.1 引言
• 2.2 气动执行器
• 2.2.1 执行单元
• 2.2.2 气动执行器
• 2.3 气动执行器特性分析
• 2.3.1 流量特性分析
• 2.3.2 阀头特性分析
• 2.3.3 阀芯特性分析
• 2.4 电-气转换器特性分析
• 2.5 本章小结
• 3 基于改进遗传算法的模糊控制策略研究
• 3.1 引言
• 3.2 改进的遗传算法设计
• 3.2.1 标准遗传算法
• 3.2.2 改进的遗传算法分析
• 3.2.3 模糊自适应遗传算法设计
• 3.2.4 模糊自适应混合遗传算法设计
• 3.3 基于模糊自适应混合遗传算法的模糊控制器优化
• 3.3.1 仿真对象
• 3.3.2 模糊控制精度分析
• 3.3.3 模糊自适应混合遗传算法优化模糊控制器的因子
• 3.3.4 模糊自适应混合遗传算法优化模糊控制器隶属函数
• 3.4 本章小结
• 4 CMAC 网络与模糊并行控制策略研究
• 4.1 引言
• 4.2 CMAC 网络分析
• 4.2.1 CMAC 神经网络的基本结构和学习算法
• 4.2.2 仿真实验
• 4.3 CMAC 算法在控制方面的应用
• 4.4 CMAC 网络与模糊并行控制器分析
• 4.4.1 CMAC 网络与模糊并行控制器设计
• 4.4.2 仿真研究
• 4.5 实验测试
• 4.6 本章小结
• 5 仿人智能控制策略研究
• 5.1 引言
• 5.2 仿人智能控制
• 5.2.1 仿人智能控制的基本概念
• 5.2.2 仿人智能控制系统的设计依据
• 5.2.3 仿人智能控制算法设计步骤
• 5.2.4 仿真研究
• 5.3 应用研究
• 5.3.1 一种仿人智能控制算法设计
• 5.3.2 自检与参数整定
• 5.3.3 实验测试
• 5.4 本章小结
• 6 总结与展望
• 6.1 主要研究工作
• 6.2 主要创新点
• 6.3 研究不足与展望
• 致谢
• 参考文献
• 附录
• 附录A 作者在攻读学位期间发表的论文目录
• 附录B 作者在攻读博士学位期间参加的科研项目
• 附录C 调节阀性能对控制系统的影响