基于广义预测控制的锅炉测控系统研究

论文摘要

燃煤锅炉是重要的动力设备,在我国国民经济发展中占有重要地位。近年来,随着人们能源与环保意识的增强,锅炉生产过程的在线监测与优化控制,已成为能源、环保和控制领域研究的热点方向之一。本文分析了锅炉换能过程的多输入、多输出、大时滞、紧耦合、非线性等特点,在充分研究广义预测控制的基本原理基础上,提出了一类新型广义预测控制算法,开发了基于新算法的锅炉测控系统。分析了锅炉燃烧过程参数的多样性和控制的复杂性,研究了广义预测机理在复杂工业过程控制中的优势,针对广义预测控制传统算法由于存在反复求取逆阵而导致计算过程相对缓慢的问题,借鉴预测控制直接算法的诸多研究成果,提出了以矩阵迭代法求取最优解的一类新算法。对于一个M阶系统,新算法只需M次迭代即可求得最优解,减少了多步预测计算量,解决了预测控制传统算法和直接算法由于存在求取逆阵或部分求取逆阵所带来数据处理时间过长、占用内存过大的瓶颈问题,提高了算法的快速性和系统的实时性。研究了燃烧过程的时滞特性和关键参数的测量方法,建立了基于广义预测算法的软测量预测模型,实现了燃烧过程关键参量的实时在线测量,解决了锅炉控制中测量与控制的时域适配问题。针对锅炉换能过程的模型参数与噪声耦合、系统时滞时变、设备性能时变等问题,在传统广义预测控制自校正方法基础上,给出了一种改进的时变遗忘因子参数估计的广义预测自校正方法。该方法可以依据系统动态特性的变化自动调整遗忘因子,可及时修正模型误差、提高预测精度和保证控制效果。解决了复杂工况下参数估计变慢的问题。研究了锅炉燃烧换热过程的非线性和输入输出及过程参数(如炉膛温度)的约束条件问题,创建了一种带约束条件的广义预测控制快速收敛的递推新算法。递推算法避开了传统算法的逐点优化、优化时间长、难以充分利用有效信息和控制效果过多依赖简化的线性模型使精度降低等缺陷,拓宽了控制时域的选择范围,解决了广义预测控制由于线性规划不当容易引起控制品质过差,甚至难以实现稳定控制的问题,这一新算法适于任意函数约束条件的复杂控制问题。深入论述了新算法的机理,给出系列新算法的收敛性的证明。结合锅炉燃烧过

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 预测控制研究现状
• 1.2.2 锅炉控制系统研究现状
• 1.3 课题的来源、研究的目的和意义
• 1.4 论文的研究内容及章节安排
• 第2章 锅炉燃烧过程分析及控制策略
• 2.1 引言
• 2.2 工业锅炉燃烧过程分析
• 2.2.1 燃烧过程热量分析
• 2.2.2 热平衡特性分析
• 2.2.3 换热过程特性分析
• 2.3 燃烧过程的关键参量测量
• 2.3.1 关键参量测量
• 2.3.2 信号的耦合问题
• 2.4 燃烧过程的控制策略
• 2.5 本章小结
• 第3章 带滤波器的广义预测控制算法
• 3.1 引言
• 3.2 广义预测基本方法
• 3.2.1 数学模型描述
• 3.2.2 广义预测基本方法
• 3.3 带滤波器的广义预测控制新型算法
• 3.3.1 广义预测控制模型的建立
• 3.3.2 多步辅助预测输出
• 3.3.3 新型递推优化算法
• 3.4 一种新的丢番图求解方法
• 3.5 算法的收敛性分析
• 3.6 本章小结
• 第4章 时变遗忘因子参数估计方法
• 4.1 引言
• 4.2 递推最小二乘算法
• 4.2.1 最小二乘辨识算法
• 4.2.2 预报误差和计算误差的影响
• 4.3 递推增广最小二乘算法
• 4.4 时变遗忘因子参数估计算法
• 4.4.1 预测模型
• 4.4.2 时变遗忘因子递推增广最小二乘法
• 4.4.3 时变遗忘因子两段参数估计方法
• 4.5 广义预测自校正控制算法
• 4.6 本章小结
• 第5章 带约束的广义预测控制新型算法
• 5.1 引言
• 5.2 非线性规划概述
• 5.3 约束问题的最优性条件
• 5.4 约束模型的建立
• 5.4.1 约束条件
• 5.4.2 约束模型的建立
• 5.5 带约束的广义预测控制新型算法
• 5.5.1 子算法一
• 5.5.2 子算法二
• 5.5.3 主算法
• 5.6 收敛性证明
• 5.6.1 收敛性分析
• 5.6.2 算法收敛性证明
• 5.7 本章小结
• 第6章 基于广义预测控制的锅炉测控系统应用研究
• 6.1 引言
• 6.2 工业锅炉燃烧控制系统分析
• 6.3 基于广义预测的含氧量软测量方法
• 6.3.1 烟气含氧量测控模型的建立
• 6.3.2 广义预测软仪表的设计
• 6.3.3 测量实验研究
• 6.4 带约束广义预测控制器应用
• 6.4.1 带约束广义预测控制器
• 6.4.2 仿真研究
• 6.4.3 系统运行结果
• 6.5 工业锅炉测控平台设计
• 6.6 本章小结
• 结论
• 参考文献
• 攻读博士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介