徐澎波，王偉杰，黃曉童

(1.中國石油大慶石化公司 工程管理部，黑龍江 大慶163714;2.哈爾濱工業(yè)大學(xué) 機(jī)電工程學(xué)院機(jī)電控制及自動(dòng)化系，黑龍江 哈爾濱150001)

0 引言

近年來，為滿足節(jié)能減排、提高熱用戶供熱質(zhì)量以及提高供熱公司經(jīng)濟(jì)效益的要求，換熱站的質(zhì)量并調(diào)控制方式得到越來越多國內(nèi)外學(xué)者的關(guān)注和重視［1］。質(zhì)量并調(diào)是在換熱站中采用質(zhì)調(diào)、量調(diào)兩種調(diào)節(jié)方式分別對(duì)溫度和流量進(jìn)行調(diào)節(jié)。由于質(zhì)調(diào)通道和量調(diào)通道之間存在著較強(qiáng)的耦合作用，因此必須對(duì)質(zhì)調(diào)、量調(diào)通道進(jìn)行解耦設(shè)計(jì)，消除或減小耦合作用。此外，供熱系統(tǒng)的控制模型具有時(shí)變的特性，這會(huì)顯著降低傳統(tǒng)PID控制的控制品質(zhì)［2］。因此需要對(duì)傳統(tǒng)PID控制器進(jìn)行相應(yīng)改進(jìn)，減小控制模型時(shí)變的影響。

傳統(tǒng)解耦方法以現(xiàn)代頻域法為代表，包括逆奈氏陣列法、特征軌跡法、奇異值分解法等［3］。主要適用于線性、定常MIMO系統(tǒng)，由于換熱站具有非線性、時(shí)變等特性，傳統(tǒng)解耦方法解耦效果并不理想。此外，國內(nèi)外也對(duì)利用智能算法實(shí)現(xiàn)解耦進(jìn)行了探索，并取得一定成果［4］。然而這些智能解耦方法還存在結(jié)構(gòu)復(fù)雜，計(jì)算量大，需要建立精確的耦合模型等問題。消除換熱站控制模型時(shí)變影響的主要方法有自適應(yīng)控制、自適應(yīng)模糊控制、神經(jīng)網(wǎng)絡(luò)自整定PID控制、多模型預(yù)測控制等［5－7］。這些控制方法在過程控制中應(yīng)用較少，可靠性和穩(wěn)定性尚待驗(yàn)證，在工程中難以實(shí)現(xiàn)，從而影響了實(shí)際應(yīng)用效果。

本文提出一種神經(jīng)網(wǎng)絡(luò):模糊PID控制器。利用神經(jīng)網(wǎng)絡(luò)所具有的學(xué)習(xí)能力、泛化能力和非線性映射能力，對(duì)質(zhì)調(diào)、量調(diào)通道實(shí)施解耦;利用模糊控制對(duì)傳統(tǒng)PID控制中的比例常數(shù)、積分常數(shù)、微分常數(shù)進(jìn)行適時(shí)整定，減小控制模型時(shí)變對(duì)控制效果的影響。文中給出的神經(jīng)網(wǎng)絡(luò):模糊PID控制器能夠滿足換熱站質(zhì)量并調(diào)控制方式的需要，同時(shí)還具有結(jié)構(gòu)簡單、易實(shí)現(xiàn)、實(shí)用性強(qiáng)等特點(diǎn)，具有重要的工程實(shí)際意義。

1 換熱站質(zhì)調(diào)量調(diào)通道建模

在本文中，換熱站質(zhì)調(diào)通道是以一次網(wǎng)供水閥門開度作為控制量，二次網(wǎng)供水溫度作為被控量。量調(diào)通道是以二次網(wǎng)循環(huán)水泵變頻器輸出頻率作為控制量，二次網(wǎng)循環(huán)水流量作為被控量。換熱站的質(zhì)調(diào)、量調(diào)通道分別可以用二階加滯后環(huán)節(jié)和一階加滯后環(huán)節(jié)來描述［8－9］。

質(zhì)調(diào)通道的模型表達(dá)式可寫為

量調(diào)通道的模型表達(dá)式可寫為

式中K、K1——放大系數(shù);

T1、T2、T——時(shí)間常數(shù);

τ1、τ——滯后時(shí)間。

在S市電業(yè)小區(qū)換熱站進(jìn)行現(xiàn)場實(shí)驗(yàn)，分別對(duì)質(zhì)調(diào)、量調(diào)通道進(jìn)行正反階躍響應(yīng)，每30 s記錄一次數(shù)據(jù)，直至二次網(wǎng)供熱參數(shù)達(dá)到穩(wěn)定為止，對(duì)所得實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理得到換熱站質(zhì)調(diào)、量調(diào)通道的脈沖響應(yīng)、階躍響應(yīng)、斜坡響應(yīng)。利用現(xiàn)場實(shí)驗(yàn)所得的實(shí)驗(yàn)數(shù)據(jù)，采用換熱站最小二乘建模法［10］對(duì)質(zhì)調(diào)、量調(diào)模型中的參數(shù)進(jìn)行辨識(shí)。

可得質(zhì)調(diào)通道具體模型為

量調(diào)通道模型為

圖1 質(zhì)調(diào)通道階躍響應(yīng)的比較

圖2 量調(diào)通道階躍響應(yīng)的比較

比較辨識(shí)模型與實(shí)際質(zhì)調(diào)、量調(diào)通道對(duì)階躍信號(hào)的響應(yīng)，對(duì)所建模型進(jìn)行評(píng)價(jià)。從實(shí)際系統(tǒng)和辨識(shí)模型對(duì)階躍信號(hào)響應(yīng)的對(duì)比中可知，所建模型對(duì)階躍信號(hào)的響應(yīng)與實(shí)際系統(tǒng)對(duì)階躍信號(hào)響應(yīng)的擬合程度較好，經(jīng)計(jì)算可得所建質(zhì)調(diào)、量調(diào)通道模型辨識(shí)誤差均小于5%，說明該控制模型具有較高的辨識(shí)精度，完全能夠滿足換熱站質(zhì)量并調(diào)控制方式仿真研究的需要。

2 神經(jīng)網(wǎng)絡(luò):模糊PID控制系統(tǒng)的設(shè)計(jì)

2.1 神經(jīng)網(wǎng)絡(luò):模糊PID控制系統(tǒng)結(jié)構(gòu)

換熱站神經(jīng)網(wǎng)絡(luò):模糊PID控制系統(tǒng)如圖3所示，系統(tǒng)由模糊PID控制器、RBF神經(jīng)網(wǎng)絡(luò)解耦器、被控對(duì)象三部分組成。其中，x1、x2分別是設(shè)定的溫度、流量;y1、y2分別是實(shí)際輸出的溫度和流量。

圖3 神經(jīng)網(wǎng)絡(luò):模糊PID控制系統(tǒng)結(jié)構(gòu)圖

神經(jīng)網(wǎng)絡(luò)解耦器對(duì)質(zhì)調(diào)、量調(diào)通道進(jìn)行解耦，同時(shí)保持質(zhì)調(diào)、量調(diào)主通道特性，這樣就可將被控系統(tǒng)分為兩個(gè)獨(dú)立的單回路控制系統(tǒng)。

采用過程控制中廣泛應(yīng)用的PID控制，對(duì)解耦后的質(zhì)調(diào)、量調(diào)單回路系統(tǒng)進(jìn)行控制。同時(shí)利用模糊控制器對(duì)傳統(tǒng)PID控制參數(shù)kp、ki、kd進(jìn)行適時(shí)整定，消除控制模型時(shí)變對(duì)控制效果的影響。

2.2 神經(jīng)網(wǎng)絡(luò)解耦器結(jié)構(gòu)及訓(xùn)練

在本文中，采用RBF神經(jīng)網(wǎng)絡(luò)對(duì)質(zhì)調(diào)、量調(diào)通道進(jìn)行解耦，神經(jīng)網(wǎng)絡(luò)解耦器如圖4所示。其中，z1、z1分別是質(zhì)調(diào)、量調(diào)通道PID的輸出;y1、y2分別是實(shí)際系統(tǒng)輸出的溫度和流量。RBF神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，其可以根據(jù)輸入的訓(xùn)練數(shù)據(jù)自動(dòng)確定輸入層和輸出層神經(jīng)元個(gè)數(shù)，并根據(jù)訓(xùn)練數(shù)據(jù)規(guī)模自動(dòng)優(yōu)化隱含層神經(jīng)元的個(gè)數(shù)，改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)需要依靠經(jīng)驗(yàn)公式和試湊法確定隱含層神經(jīng)元個(gè)數(shù)的缺陷。

圖4 神經(jīng)網(wǎng)絡(luò)解耦器結(jié)構(gòu)

訓(xùn)練數(shù)據(jù)的獲得通過以下方法:調(diào)節(jié)一次網(wǎng)閥門開度、二次網(wǎng)循環(huán)水泵變頻器輸出頻率的值，記錄供熱參數(shù)達(dá)到穩(wěn)定時(shí)二次網(wǎng)供水溫度和二次網(wǎng)循環(huán)水流量。重復(fù)進(jìn)行多次，可獲得多組實(shí)驗(yàn)數(shù)據(jù)。通過上一部分的建模已得到質(zhì)調(diào)量調(diào)主通道模型，所以可以求出對(duì)應(yīng)實(shí)際輸出不存在耦合時(shí)的理想輸入。以求出的理想輸入作為輸入，以記錄的實(shí)際輸入作為輸出，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

2.3 模糊PID控制器結(jié)構(gòu)

模糊PID控制器結(jié)構(gòu)如圖5所示，以偏差e和偏差變化率ec作為模糊控制器的輸入，根據(jù)模糊控制規(guī)則對(duì)PID參數(shù)kp、ki、kd進(jìn)行適時(shí)調(diào)整，以消除系統(tǒng)模型隨時(shí)間及外界環(huán)境變化而產(chǎn)生的影響。

圖5 模糊－PID控制結(jié)構(gòu)圖

其中，x1、x2分別是設(shè)定的溫度和流量;z1、z1分別是質(zhì)調(diào)、量調(diào)通道PID的輸出。

將模糊控制器輸入和輸出的模糊子集均設(shè)定為{NB，NM，NS，ZR，PS，PM，PB}，采用隸屬度函數(shù)對(duì)模糊控制器的輸入進(jìn)行模糊化，輸入e和ec分別對(duì)應(yīng)的隸屬度函數(shù)為:

根據(jù)經(jīng)驗(yàn)總結(jié)和相關(guān)文獻(xiàn)，歸納了針對(duì)不同的偏差和偏差的變化率，參數(shù)kp、ki、kd的整定原則，將這些知識(shí)轉(zhuǎn)變?yōu)槟：刂破髂茏R(shí)別的模糊控制規(guī)則:

3 仿真結(jié)果與分析

3.1 解耦效果仿真分析

分別以x1=x2=0.5和x1=0.7 x2=0.3作為輸入進(jìn)行仿真實(shí)驗(yàn)，分析RBF神經(jīng)網(wǎng)絡(luò)解耦器的解耦效果。

圖6 輸入x1=x2=0.5時(shí)輸出y1的對(duì)比

圖7 輸入x1=x2=0.5時(shí)輸出y2的對(duì)比

圖8 輸入x1=0.7 x2=0.3時(shí)輸出y1的對(duì)比

圖9 輸入x1=0.7 x2=0.3時(shí)輸出y2的對(duì)比

表1 輸入x1=x2=0.5時(shí)解耦效果

由上述對(duì)比數(shù)據(jù)可知:未解耦時(shí)的穩(wěn)態(tài)誤差較大，說明質(zhì)調(diào)、量調(diào)通道之間的耦合顯著降低了系統(tǒng)的控制效果，同時(shí)也驗(yàn)證了對(duì)質(zhì)調(diào)、量調(diào)通道進(jìn)行解耦的必要性;RBF神經(jīng)網(wǎng)絡(luò)解耦后，控制系統(tǒng)的穩(wěn)態(tài)誤差與動(dòng)態(tài)特性與未解耦時(shí)相比得到明顯改善，說明RBF神經(jīng)網(wǎng)絡(luò)解耦器具有較好的解耦效果。

3.2 消除時(shí)變效果仿真分析

通過二階工程設(shè)計(jì)法與試湊法，對(duì)質(zhì)調(diào)通道PID控制參數(shù)進(jìn)行人工整定:

當(dāng)質(zhì)調(diào)模型滯后環(huán)節(jié)τ由0.861 9變?yōu)?.161 9時(shí)，對(duì)比傳統(tǒng)PID與模糊PID的控制效果:

圖10 Fuzzy－PID和PID的控制效果對(duì)比

表2 Fuzzy－PID和PID的控制指標(biāo)

從上述對(duì)比中可以發(fā)現(xiàn)，當(dāng)質(zhì)調(diào)通道模型滯后參數(shù)發(fā)生改變后，傳統(tǒng)PID控制超調(diào)量增大，穩(wěn)定時(shí)間加長，這在熱網(wǎng)控制系統(tǒng)中是需要盡量避免的;模糊PID控制可以有效地抑制參數(shù)時(shí)變產(chǎn)生的影響，具有較好的穩(wěn)定性和控制效果。

4 結(jié)論

本文將神經(jīng)網(wǎng)絡(luò)、模糊控制、常規(guī)PID控制相結(jié)合，構(gòu)成了具有解耦、PID參數(shù)適時(shí)自整定功能的換熱站智能控制器。對(duì)現(xiàn)場實(shí)測數(shù)據(jù)進(jìn)行模型辨識(shí)，擬合出換熱站質(zhì)調(diào)、量調(diào)通道的控制模型，并利用所得模型對(duì)建立的神經(jīng)網(wǎng)絡(luò)解耦器、模糊PID控制器進(jìn)行了仿真實(shí)驗(yàn)，仿真結(jié)果表明該控制器具有良好的解耦效果，能夠有效減小控制模型時(shí)變產(chǎn)生的影響，對(duì)實(shí)現(xiàn)換熱站質(zhì)量并調(diào)自動(dòng)控制方式具有指導(dǎo)意義。

［1］陳烈，張永明，齊維貴，等.供熱過程時(shí)滯遞推神經(jīng)網(wǎng)絡(luò)解耦器設(shè)計(jì)［J］.電機(jī)與控制學(xué)報(bào)，2009.11(13):78－81.

［2］范永勝，徐治皋，陳來九.基于動(dòng)態(tài)特性機(jī)理分析的鍋爐過熱汽溫自適應(yīng)模糊控制系統(tǒng)研究［J］.中國電機(jī)工程學(xué)報(bào)，1997，17(1):23－28.

［3］Dennis D.Sourlas.Optimization based decoupling controller design for discrete systems［J］.Chemical Engineering Science，2001，56:4695－4710.

［4］陳烈，朱學(xué)莉，齊維貴.RBF遞歸神經(jīng)網(wǎng)絡(luò)在供熱解耦控制中的應(yīng)用［J］.暖通空調(diào)，2010，40(2):128－132.

［5］Zhang Jian，Sun He－xu，Zhang Jiang－tao.Application of Adaptive Fuzzy Sliding－mode Controller for Heat Exchanger System in District Heating.2008 International Conference on Intelligent Computation Technology and Automation，2008:850－854.

［6］王東風(fēng)，韓璞，郭啟剛.鍋爐過熱汽溫系統(tǒng)的DRNN網(wǎng)絡(luò)自整定PID控制［J］.中國電機(jī)工程學(xué)報(bào)，2004，24(8):196－200.

［7］韓璞，王東風(fēng)，王國玉，等.多模型預(yù)測函數(shù)控制及其應(yīng)用研究［J］.控制與決策，2003，18(3):375－377.

［8］QI Wei－gui，CHEN Lie，ZHU Xue－li.Study on Least square modeling of heat engineering object based on typical signal response［J］.Journal of Harbin Institute of Technology，2007，14(1):1－4.

［9］曾克娥，謝慶國，付予力，等.供熱網(wǎng)時(shí)滯過程中的一種自適應(yīng)模糊控制器設(shè)計(jì)［J］.華中理工大學(xué)學(xué)報(bào)，2000，3(3):111－113.

［10］朱學(xué)莉，劉成剛，汪幫富，等.熱力站最小二乘建模法仿真研究［J］.系統(tǒng)仿真學(xué)報(bào)，2009，21(22):7073－7076.