基于改进粒子群算法的惯性迟延系统模型辨识及PlD参数寻优软件设计与应用

引言

火电机组的生产过程中存在大量具有大惯性、纯迟延特性的被控对象,如锅炉燃烧过程、汽水循环过程、脱硫脱硝过程等。惯性迟延系统的控制响应慢、调节时间长,易产生超调,系统的稳定性差,不易获取理想的控制参数,而热工班组工作人员往往疲于日常的设备维护和检修工作,控制参数的调试能力相对匮乏。因此,建立对象精确数学模型进而获取较为理想的控制参数尤为重要。针对上述现状,研发了惯性迟延系统模型辨识及PID参数寻优软件。该软件以电厂实际运行数据为依据,对初始数据进行筛选,采用改进粒子群算法(PSO)进行模型辨识,最后利用辨识的模型进行PID参数寻优,获取理想的PID参数,可以提高控制系统的控制品质,为热工班组人员提供参数调试依据。

1模型辨识原理

模型辨识就是通过分析待辨识系统的工程实际运行数据,利用工程经验和参考模型结构的选择要求,从参考模型中选取能精确反映所辨识系统静态和动态特性的一个模型结构,然后通过优化算法获取待辨识系统工程实际运行数据用以建立对象精确数学模型,其原理图如图1所示。

2软件介绍

2.1软件界面及操作说明

软件界面如图2所示,操作说明如下:

(1)导入数据:点击"导入数据"按钮,选择需要辨识的模型数据。数据格式为csv、xls、xlxs,数据的第一列为输入数据,第二列为输出数据。

(2)数据筛选:点击"数据筛选"按钮,软件对导入数据进行预处理。

(3)寻优模型:点击"寻优模型"下拉列表,选择辨识的模型结构,模型传递函数为:

式中:K为传递函数增益:T为纯迟延时间:T为惯性时间:n为惯性环节阶次。

(4)设置PSO初参:由专业技术人员根据实际情况提供。

(5)参数辨识:点击"参数辨识"按钮,进行参数辨识。

(6)设置PID整定初参:PID整定初参分为"PSO参数"和"PID参数初设"两部分,由专业技术人员根据实际情况提供。

(7)PID参数整定:点击"PID参数整定"按钮,进行PID参数寻优。寻优完成后,得到PID参数和对应PID参数下的模型单位阶跃响应及PID输出(执行器指令)曲线。

2.2软件的技术特点

(1)数据选取灵活简单。训练数据无须特定选取,只需将选取好的辨识系统数据导入软件,即可对数据自动筛选,得到比较理想的训练数据。数据的采样周期可以根据现场情况灵活选择,优化算法可根据采样周期辨识对应的模型参数。

(2)寻优模型兼具全面性和实用性。寻优模型包含了一阶惯性纯迟延系统、二阶惯性纯迟延系统、三阶惯性纯迟延系统及以上三种模型加纯积分模型,基本涵盖了火力发电的所有模型。

(3)采用改进的粒子群寻优算法。传统的粒子群算法(PSO)具有初始设定参数少、相比其他智能算法操作简单、全局搜索速度快等优点,但易陷入局部最优。改进后的PSO优化算法,改善了PSO容易陷入局部最优的缺点,能快速进行全局搜索,收敛速度更快,搜索成功次数更多,优化精度更高,其控制流程图如图3所示。

(4)PID参数寻优灵活。根据自身需求,设定超调惩罚程度,选择合适的参数兼顾稳定性和快速性;PID控制方式可以是P、I、D三种控制方式的任意搭配,其传递函数形式为:

3应用效果

以河北某电厂s2机组脱硝系统A侧喷氨阀门开度与对应喷氨流量数据为例,利用软件辨识阀门开度一流量模型,并进行PID参数整定,辨识结果如下:

(1)辨识模型参数如图4所示,其中ITAE为时间乘误差绝对值的积分性能指标。

图4辨识模型参数

该模型传递函数为:

(2)辨识模型输出曲线(标幺化)如图5所示。

(3)优化的PID参数如图6所示。

图6优化的PlD参数

(4)优化PID参数下的模型阶跃响应曲线如图7所示。由图5可以看出,实际输出和辨识模型输出曲线基本吻合,辨识的模型参数具有较高的精度:由图7可以看出,优化后的PID参数比较理想,可作为热工班组人员调试参数的依据。

4结语

针对火电机组生产过程中普遍存在的纯迟延、大惯性特性的控制系统以及热工班组人员参数调试能力匮乏的实际问题,本文所述软件基于改进的粒子群算法,以实际运行数据作为训练数据,进行系统模型辨识,并对辨识的模型进行PID参数寻优,为热工班组人员提供了可靠安全的参数依据,具有广泛的实际意义。