解耦控制方法

解耦控制方法（共7篇）

解耦控制方法 篇1

摘要：由于传统三相空间矢量脉冲宽度调制(SVPWM)并网逆变器的电网电流解耦控制方法,是通过电网电流负的交轴分量和正的直轴分量分别乘以总滤波电感感抗后加到直轴和交轴电流控制器的输出上实现的,因此,电网电流的直轴和交轴脉动分量会影响电网电流的波形质量;同时,三相桥臂直轴和交轴参考电压无法直接反映电网参考电流的变化,从而导致系统动态响应速度慢。为了解决上述问题,可将参考电流的直轴和交轴分量分别代替电网电流控制器解耦分量中的电网电流直轴和交轴分量。详细阐述了传统和改进解耦控制方法的工作原理,并以一台15kVA的三相SVPWM并网逆变器为例进行了实验验证。与传统解耦控制方法相比,改进解耦控制方法具有电网电流波形质量高、功率脉动小、动态响应速度快等优点。

关键词：逆变器,并网,空间矢量脉宽调制,总谐波畸变率

0 引言

近年来,随着环境污染的日益加剧和化石能源的不断紧缺,太阳能[1,2,3]、燃料电池[4]和风能[5,6]等可再生能源由于清洁安全、无污染、可再生等特点已成为当今研究的热点。太阳能电池和燃料电池等的输出为直流电,风力发电机的输出为频率随风速变化的交流电,而电网电压为恒定的交流电,因此,并网逆变器[7,8,9,10,11]成为分布式发电系统中的重要组成部分。

基于LCL滤波和空间矢量脉冲宽度调制(SVPWM)的并网逆变器由于具有直流电压利用率高、电网电流总谐波畸变率(THD)低、无静差调节、直轴和交轴电流可实现解耦控制等优点在中、大功率场合得到广泛应用[12,13,14,15]。但传统SVPWM控制方法是通过电网电流的交轴和直轴分量分别乘以总滤波电感感抗后注入直轴和交轴电流控制器实现解耦控制的,因此,若电网电流存在谐波,将导致电网电流交轴和直轴分量脉动相互影响,进一步降低了电网电流波形质量。此外,当电网参考电流变化时,三相桥臂的直轴和交轴参考电压无法直接反映电网参考电流的变化,从而导致系统动态响应速度变慢。

基于上述原因,本文研究了一种三相SVPWM并网逆变器的改进解耦控制方法。该解耦控制方法将电网参考电流的直轴和交轴分量分别代替电网电流控制器解耦分量中电网电流的直轴和交轴分量。本文详细阐述了三相SVPWM并网逆变器的传统解耦控制方法(以下简称传统控制方法)和改进解耦控制方法(以下简称改进控制方法)的工作原理,并以一台15kVA三相SVPWM并网逆变器为例进行了实验验证。

1 传统控制方法的工作原理

图1是传统控制方法下三相SVPWM并网逆变器的系统框图。

图1中:PLL为锁相环;ω为电网电压角频率;Uin为输入电压;L1和L2分别为逆变器侧和网侧的滤波电感;Cf为输出滤波电容;iga,igb,igc分别为A,B,C相的电网电流;uga,ugb,ugc分别为A,B,C相的电网电压;ugd和ugq分别为电网电压经过abc/dq变换后的直轴和交轴电压;ud*和uq*分别为逆变器三相桥臂输出的直轴和交轴参考电压;i*gd和i*gq分别为电网参考电流的直轴和交轴分量(由机柜的控制面板产生),参考方向如图1所示。

分析之前作如下假设:(1)所有功率开关管均为理想器件,忽略死区时间;(2)所有电感和电容均为理想元件,且三相参数相同;(3)电网电压为三相对称的纯正弦波;(4)输入电压大于电网电压的峰值。

由于LCL滤波器和单L滤波器低频特性相同,因此,基于LCL滤波器的三相并网逆变器在低频段可看做是基于单L滤波器的三相并网逆变器[16],从而由图1可得LCL滤波器三相并网逆变器在dq旋转坐标系下的三相桥臂输出的直轴和交轴电压ud和uq[17]分别为:

式中:igd和igq分别为电网电流经过abc/dq变换后的直轴和交轴电流;L=L1+L2。

由式(1)和式(2)可知,为了实现直轴和交轴电流的解耦控制,应在直轴和交轴电流比例—积分(PI)调节器的输出上分别加上-ωLigq和ωLigd。

由图1可得传统控制方法的解耦原理框图,如图2所示。

由图2可得传统控制方法下的ud*和uq*分别为:

式中:Δud和Δuq分别为直轴和交轴电网电流PI调节器的输出。

由图2可知,传统控制方法是通过电网电流交轴和直轴分量igq和igd分别乘以总滤波电感感抗后注入直轴和交轴电流控制器实现解耦控制的。因此,若电网电流存在谐波,则igd和igq存在脉动,使得解耦分量-ωLigq和ωLigd也含有脉动,导致ud*和uq*含有脉动,从而进一步加大了igd和igq的脉动,降低了电网电流波形质量。此外,当i*gd和i*gq变化时,由于ud*和uq*分别受解耦分量-ωLigq和ωLigd的影响,无法直接反映电网参考电流的变化,使得ud*和uq*变化缓慢,导致系统动态响应速度慢。

2 改进控制方法的工作原理

图3是改进控制方法的解耦原理框图,参数定义同图1。

该控制方法将i*gd和i*gq分别代替电网电流控制器解耦分量中的igd和igq,则由图3可得改进控制方法下的ud*和uq*分别为:

改进控制方法与传统控制方法相比具有以下特点。

1)动态响应速度快

改进控制方法由于解耦分量引入的是i*gq和i*gd,直接反映电网参考电流的变化,从而提高了系统的动态响应速度。

2)电网电流波形质量高

当igd和igq存在脉动时,igd和igq可分别等效为:

式中:珓igd和珓igq分别为igd和igq中的脉动量。

由式(3)—式(8)可得传统控制方法下的ud*和uq*比改进控制方法增加的三相桥臂直轴和交轴参考电压脉动(珘ud*和珘uq*)分别为:

由式(9)和式(10)可知,传统控制方法中珘ud*和珘uq*分别含有解耦分量中的珓igq和珓igd,从而导致igd和igq的脉动分量相互影响,降低了电网电流的波形质量;而改进控制方法中解耦分量所含的是i*gq和i*gd,不存在电网电流的脉动分量,则igd和igq的脉动分量不会相互影响。由上述分析可知,传统控制方法下igd和igq的脉动比改进控制方法的大。

由假设(3)可得ugq=0,从而由瞬时功率理论可得[18]:

式中:p和q分别为瞬时有功和无功功率;p*和q*分别为瞬时参考有功和无功功率。

由前面的分析可知,由于传统控制方法下igd和igq的脉动比改进控制方法大,因此,由式(11)和式(12)可知,传统控制方法下p和q的脉动比改进控制方法大。

由于igd和igq在稳态时可近似认为恒定的直流,因此,igd和igq的导数都为0,从而由ugq=0、式(1)、式(2)、式(11)和式(12)可得:

由式(15)和式(16)可知,当ugd恒定时,ud为ugd加上与无功功率成比例的量,uq与有功功率成正比。

3 实验结果

为了验证理论分析,研制了一台15kVA的三相SVPWM并网逆变器的原理样机。实验参数如下:输入电压为700 V;电网相电压和频率分别为240V/50Hz(实验中其THD为0.5%);逆变器侧电感和网侧电感分别为1.8 mH和1.5 mH;输出滤波电容为20μF;开关频率为5kHz。

表1是传统和改进控制方法在满载情况下的电网电流THD。由表1可知,传统控制方法下的电网电流THD比改进控制方法下的高。主要原因是改进控制方法下igd和igq的脉动分量不会相互影响,而传统控制方法下igd和igq的脉动分量会相互影响。

图4是满载情况下uga,iga,igb,igc的实验波形。由图4可知,改进控制方法下的电网电流波形质量比传统控制方法下的高。因此,实验结果验证了理论分析。

ud*,uq*,p,q由满载到空载再由空载到满载的实验波形见附录A图A1。可知,在纯阻性、纯感性和纯容性负载下,2种控制方法都实现了直轴和交轴的解耦控制,但传统控制方法的直轴和交轴参考电压ud*和uq*的脉动比改进控制方法大,传统控制方法p和q的脉动比改进控制方法大。因此,实验结果验证了理论分析。

ud*,uq*,p,q由空载到满载的动态响应实验波形见附录A图A2。结合式(3)—式(6)可得到如下结论。

1)纯阻性突加负载

由式(13)可知,纯阻性负载下i*gd为正值,则i*gd由0突变至正额定值,使得电网电流d轴分量的PI调节器正饱和,从而导致2种控制方法下ud*都正饱和。对于电网电流q轴分量的控制器,i*gq不变,由于输出滤波电感的存在,igq在i*gd突加瞬间不会突变,则其PI调节器输出不变。传统控制方法下,由于q轴解耦分量为ωLigd,则uq*缓慢增加,导致动态响应速度慢;改进控制方法下,由于q轴解耦分量为ωLi*gd,则uq*突加到给定值,提高了动态响应速度。

2)纯感性突加负载

由式(14)可知,纯感性负载下i*gq为负值,则i*gq由0突变至负额定值,使得电网电流q轴分量的PI调节器负饱和,从而导致2种控制方法下uq*都负饱和,即降为0(由于最小值限幅为0)。对于电网电流d轴分量的控制器,i*gd不变,由于输出滤波电感的存在,igd在i*gq突减瞬间不会突变,则其PI调节器输出不变。传统控制方法下由于d轴解耦分量为-ωLigq,则ud*缓慢增加,动态响应速度慢;改进控制方法下由于d轴解耦分量为-ωLi*gq,则ud*突加至给定值,提高了动态响应速度。

3)纯容性突加负载

由式(14)可知,纯容性负载下i*gq为正值,则i*gq由0突变至正额定值,使得电网电流q轴分量的PI调节器正饱和,从而导致2种控制方法下uq*都正饱和。需要说明的是:由式(15)和式(16)可知,ud*为ugd加上与无功功率成正比的量,uq*与有功功率成正比,因此为了限制有功功率,uq*的饱和值小于ud*的饱和值。对于电网电流d轴分量的控制器,与纯感性突加负载情况相同,其PI调节器输出不变。传统控制方法下由于d轴解耦分量为-ωLigq,则ud*缓慢减小,动态响应速度慢;改进控制方法下由于d轴解耦分量为-ωLi*gq,则ud*突减至给定值,提高了动态响应速度。

ud*,uq*,p,q由满载到空载的动态响应实验波形见附录A图A3。结合式(3)—式(6)可得上述类似的结论,不同的是突加负载下的ud*和uq*与突卸负载的变化方向相反。

表2是传统和改进控制方法动态响应时间的实验结果。由表2可知,传统控制方法下的动态响应速度比改进控制方法下的慢。

4 结语

本文方法只需将直轴和交轴参考电流分别代替电网电流控制器解耦分量中的电网电流直轴和交轴分量,就可以提高电网电流波形质量和系统的动态响应速度。该控制方法对提高三相SVPWM并网逆变器的系统性能具有重要的应用价值。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

解耦控制方法 篇2

近年来,随着传统不可再生能源日趋紧张,促使了新能源发电技术迅速发展。并网逆变器是新能源与电网的重要接口,主要控制对象是电网电流,主要控制目标是实现低电流谐波下的单位功率因数并网。因此,并网电流控制技术得到众多学者的关注和研究[1,2,3]。文献[4 - 6]指出并网电流控制系统存在电网电压扰动,传统的并网电流控制器设计经常忽略电压扰动环节,然而并没有分析忽略扰动的数学条件及其合理性,使控制器效果。因此本文首次在数学上详细分析了电网电压扰动对电流控制的影响,并给出了基于解耦控制的并网数字控制算法,最后在一台4 k VA的全数字控制逆变器上进行了验证。

1 并网控制系统分析

本文以单相全桥逆变器为控制对象,采用单极性控制。其中Lf和Cf分别为滤波电感和滤波电容,因为滤波电容很小,所以并网电流控制时可以忽略电容电流,直接控制电感电流。

由图1,根据基尔霍夫定律和拉氏变换可得:

其中D( s) 为开关管占空比。

1. 1 扰动环节对控制环路的影响分析

最基本的直接瞬时控制电感电流方法是采用比例调节跟踪正弦电流给定信号,其占空比表达式为:

其中Kip为比例控制系数,IR( s) 为电流给定,综合式( 1) 和 ( 2 ) ,并对它们做带零阶保持器的z变换,则可得到电流跟踪比例调节在离散域下的控制框图,如图2所示。

由图2可得到IL( z) 的表达式为:

其中G1( z) IR( z) 和G2( z) Vg( z) 分别为控制器部分和电网电压扰动部分。

由式( 3) 可知电流环受到了电网电压扰动影响。传统的控制器分析设计方法,通常将扰动部分忽略掉,使控制模型近似线性。然而在数学上将扰动环节忽略掉的前提是其相对于控制器部分所占的比例G趋近于无穷小,如式( 6) 。

图3给出了在不同的电流给定下G与Kip的关系曲线。由曲线可知Kip取得越小,G越大; 电流给定越小G越大,表明了系统在取得Kip或电流给定较小的情况下,扰动部分在电流环里占的比重越大,电流跟踪效果越差,因此,扰动环节更加不可忽略。只有当Kip取得较大时,G才会趋近于无穷小,扰动环节才可忽略。

假设Vbus保持不变,忽略扰动部分,易得到电感电流对给定电流的闭环传递函数,并取不同的Kip值代入其中可得到相应的幅频特性曲线。由图4可以发现Kip取得比较大时会出现谐振峰,极易导致系统不稳定,同时由于在实际的并网控制系统中存在采样和控制延时等不可避免的因素,Kip也不可能取得太大。所以G不可能趋近于无穷小,所以设计控制器时忽略电网电压扰动环节是不合理的。

因此,由于电网电压扰动环节的存在和直流母线扰动对控制器的影响,采用比例控制无法消除电网电压和母线电压扰动对电流环的作用,会导致输出电流跟踪效果差,特别在电流给定或Kip取得较小的情况下更差。采用PI控制器可以提高环路增益降低扰动环节所占的比重,然而积分器是个滞后环节,会使控制的电流存在较大的稳态误差。

1. 2 解耦控制分析

为了消除电网电压扰动和直流母线电压对电流控制环路的影响,在图2里的控制环节引入电网电压前馈和直流母线电压,实现扰动电压与电流环的解耦,此时占空比表达式为:

由式( 1) ( 2) 和( 8) 可得到新的控制框图,如图5。

由图5易得到IL( z) 表达式如下:

对比式( 3) ,此时改进后的IL( z) 表达式已完全线性化,不再含有电网电压扰动部分即G2= 0,电网电压与电流环实现解耦。控制器部分也不再包含有母线电压。将控制参数Kip代入式( 8)中可得到电流闭环传递函数的幅频和相频特性曲线如图6( a) 。

由图6( a) 可知电感电流对给定的增益几乎接近于1,相位几乎接近于0,说明电流环跟踪能力强,控制系统稳态性能良好。图6( b) 给出了控制系统的单位阶跃响应曲线。由图可知系统在单位阶跃响应的过程中有微小的超调,经过62. 5 μs可以达到稳态,调节时间较短,可以满足系统的动态响应要求。

2 仿真与实验

2. 1 仿真分析

基于上述分析,本文采用PSIM仿真软件对控制算法进行仿真。仿真参数如下: 额定功率4 k VA,输入直流电压370 V,输出交流电压220 V,滤波电感1. 3 m H,滤波电容4. 4 μF,开关频率16 k。

图7给出了在同样的电流给定下控制器优化前后的电网电压电流仿真波形。由图可见采用比例控制时,由于电压扰动环节的存在,即使比例系数取系统稳定条件下的最大值 ,其并网电流幅值仍无法跟踪到电流给定,存在约100% 的幅值误差。引入解耦控制后,控制系统实现了线性化,并网电流可以完全跟踪电流给定。

2. 2 实验结果

为进一步验证上述控制策略,搭建一台基于TMS320F2808型DSP的4 k VA单相并网逆变器,并进行实验研究。实验主要参数同仿真参数。如图8为电流给定分别为半载和满载时的电网电压电流波形。由图8可知控制器具有较好的控制效果和电流跟踪精度,其中电网电压THD = 1. 5% 时,电流THD在半载和满载时分别为2. 5% 和1. 8% ,PF分别和0. 998和1。

3 结束语

中药生产提取过程建模与解耦控制 篇3

“提取”是中药生产中最重要的环节之一, 它是溶剂溶入药材, 将有效成分从固相转移到液相和气相的过程。中药传统的提取方法有煎煮法、浸渍法、渗流法、回流提取法和水蒸气蒸馏法等。其中煎煮法是目前最常用的浸提方法之一, 其过程可简单描述为:往提取罐内投入原料和一定比例的纯净水, 打开罐底和罐侧的蒸汽阀门, 通蒸汽加热, 待罐内药液达到微沸状态时, 关闭罐底蒸汽阀, 同时打开冷凝水阀。通入罐底的蒸汽一部分在加热料液、丧失热能后进入冷凝器液化为水, 成为挥发油的一部分;另一部分直接在罐内液化, 成为料液的一部分;而通入罐侧的蒸汽基本不液化, 直接在夹层加热料液;罐内料液受热后部分汽化挥发, 经冷凝器冷凝和油水分离器分离后回收, 成为挥发油。其余料液经过滤器过滤后进入浓缩环节[1]。

提取过程的控制影响中药材的利用率和药品的质量。提取过程的数学模型是控制的基础。目前针对中药生产提取过程的各种先进控制的研究主要是以机理模型为基础, 而机理模型无论是在建模阶段, 还是在对模型的处理阶段都作了简化, 只近似地反映了提取过程的动态特性, 本文基于大量的生产实验数据, 以中药提取罐为对象, 采用阶跃响应法建立中药提取工段的动态数学模型, 并采用对角解耦法对其解耦。仿真结果表明, 在给仿真模型作阶跃响应测试时, 解耦前温度和压力曲线有振荡, 且温度与压力之间有较强的耦合, 压力曲线没有稳定在设定值, 而通过解耦后温度和压力间耦合减小了, 且最终都能够稳定在设定值, 效果良好。

1 中药提取过程阶跃响应建模

1.1 罐内温度在蒸汽流量作用下的动态特性

中药提取罐在罐内蒸汽阀开度增大时, 原来稳定的温度会上升, 由于冷凝水阀开度未变, 随着罐内蒸汽的增多罐内压力会增大, 出去的蒸汽量就会增多, 因此温度上升变慢, 直到温度达到一个新的稳定值, 此系统具有自衡性。试验法建立中药提取罐内温度数学模型:首先手动给定罐内蒸汽阀开度u1=50℃, 经过一段时间后, 罐内温度趋于平衡, 此时温度测量值为y (0) =75℃。然后增加阀门开度 (u2=60) , 使阀门做阶跃变化 (通常在10%以内) , 那么罐内温度就升高, 经过一段时间后, 温度重新趋于新的平衡状态, 此时温度测量值为y (∞) =90℃。在温度上升的过程中, 每隔20s记录一次温度值, 使用matlab中曲线拟合工具箱, 对采集的数据进行拟合, 得到蒸汽流量下罐内温度阶跃响应曲线如图1所示。

由图1可知, 提取罐内温度最终稳定在90℃, 而且响应曲线规则, 可近似看作具有时滞的一阶环节[2,3]:

用作图法, 在响应曲线拐点处作切线, 各参数如下:, =时间轴原点至通过拐点切线与时间轴交点的时间间隔, T=被控变量y完成全部变化量的6 3.2%所需时间[17], K= (9 0-7 5) / (60-10) =1.5, =27, T=195。

将上述参数代入式 (1) , 则提取罐在蒸汽流量扰动下, 温度的一阶数学模型近似为:

1.2 罐内压力在蒸汽流量作用下的动态特性

中药提取罐在罐内蒸汽阀开度增大时, 原来稳定的压力会增大, 由于冷凝水阀开度未变, 随着罐内蒸汽的增多, 罐内蒸汽被冷凝的量就会变多, 压强上升变慢, 直到压强达到一个新的稳定值, 此系统具有自衡性。用试验法得到蒸汽流量下罐内压力阶跃响应曲线如图2所示。

从图2可知, 提取罐内压强最终稳定在70kpa, 而且响应曲线规则, 可近似看作具有时滞的一阶环节[2,3]:

可用作图法, 在响应曲线拐点处作切线, 各参数如下:

将上述参数代入式 (3) , 则提取罐在罐内蒸汽流量扰动下, 压强的一阶数学模型近似为

1.3 罐内温度在冷凝水流量作用下的动态特性

中药提取罐在冷凝水阀开度作阶跃变化时, 原来稳定的温度会降低, 由于罐内蒸汽阀开度未变, 随着罐内蒸汽的出量增多, 罐内温度会持续降低, 此系统具有非自衡性。在阀门开度作阶跃变化如图3所示时, 中药提取罐内温度在冷凝水流量作用下的阶跃响应如图4所示。

由图4可知, 该过程可近似看作一阶和积分串联环节:

式中增益K由输出响应曲线的斜率确定, 响应曲线在初始段没有发生变化的时间是时滞, 过程输出响应曲线的渐近线与时间轴交点是时间常数T和时滞之和。模型各参数如下:K=-1/6, T=31, =40。则提取罐在冷凝水流量开度的扰动下, 温度的一阶数学模型近似为:

1.4 罐内压力在冷凝水流量作用下的动态特性

中药提取罐在冷凝水阀开度作阶跃变化时, 原来稳定的压力会降低, 由于罐内蒸汽阀开度未变, 随着罐内蒸汽的出量增多, 罐内压力会一直下降, 此系统具有非自衡性。在阀门开度作阶跃变化如图5所示时, 中药提取罐内压力在冷凝水流量下的阶跃响应如图6所示。

由图6可知, 该过程具有积分环节:

式中增益K由输出响应曲线的斜率确定, 则提取罐在冷凝水流量下的扰动下, 压强的一阶数学模型近似为:

综合式 (2) 、 (4) 、 (6) 和式 (8) , 得到中药提取过程的动态特性为式 (9) :

由式 (9) , 得到中药提取过程的动态数学模型为式 (10) :

其中u1为罐内蒸汽阀门开度;u2为冷凝水阀门开度;y1为罐内温度;y2为罐内压力。

2 提取过程模型解耦

对中药提取过程而言, 只有保持罐内压力和温度的动态平衡, 才能保证药液和挥发油的浓度及PH值达到要求, 从而保证药液的质量。只有保持罐内压力的稳定, 使罐内液位得到控制, 不出现跑料现象, 才能能保证药液的总量。只有保持罐内温度的稳定, 才能保证中药的提取质量, 因为温度太高, 会破坏药材的有效成份;温度太低, 药材有效成分就不会完全浸出, 导致提取率降低, 或者提取时间加长, 导致能耗升高[4]。

而温度和压力是耦合的, 其动态平衡和各自的相对稳定相当难以控制。要保证提取罐内的温度和压力的动态平衡及各自的相对稳定, 就需要对上节所建模型 (10) 式进行解耦, 把提取过程的多变量耦合控制转化为单输入, 单输出的控制, 从而得到更好的控制效果。

传统的解耦方法有对角形解耦方法、相对放大系数匹配法、状态反馈法等, 本文采用对角形解耦方法对中药提取过程的耦合参数进行解耦[5]。

2.1 对角形解耦方法

对角矩阵是模型已知的被控系统常用的解耦方法, 对角矩阵解耦方法需要被控系统的动态数学模型已知, 其解耦原理为设计一个解耦补偿器, 使该解耦补偿器与被控对象组成的广义系统的传递函数矩阵为对角阵, 从而把一个具有耦合性的多变量系统化为多个无耦合的单变量系统[6]。该解耦方法的核心就是设计一个解耦网络D (s) :

使得G (s) 与D (s) 的乘积等于G (43) (s) , 即将耦合对象G (s) 改变成一个对角矩阵G (43) (s) :

除主对角线保留原矩阵G (s) 的元素外, 其他位置上的元素均为零。

设G (s) 为一个非奇异方阵, 则解耦矩阵:

式中, Gs (8) -1为矩阵G (s) 的逆矩阵, 若G (s) 为一个非奇异方阵, 则有逆矩阵存在。

2.2 中药提取过程对角形解耦网络求解

中药提取过程是一个双变量耦合系统, 温度和压力存在耦合性, 通过解耦使之成为单独的两个变量, 相互之间不存在干扰。中药提取过程对角矩阵解耦控制结构如图7所示。

该系统为双变量控制系统, 则:

由式 (13) 得中药提取过程解耦矩阵为:

式 (15) 是完全解耦装置的模型, 如果对象的传递函数矩阵已知, 那么, 相应的解耦装置矩阵就可以求得。完全对角矩阵解耦虽然能消除系统之间的关联, 但解耦装置矩阵的模型比较复杂, 这给解耦控制的实现带来很大困难, 为此,

图8 Simulink中的仿真框图

本文引入了一种简化对角矩阵解耦。即在解耦装置模型的四个元素中令某两个元素等于1, 但这两个等于1的元素不能在同一调节器的输出端。如:令D11 (s) (28) D22 (s) (28) 1, 则:

将 (16) 带入 (15) 式, 得:

将中药提取过程温度与压力传递特性函数式 (9) 中相应元素代入式 (17) , 得到中药提取过程的反馈解耦补偿矩阵为:

经过解耦后的中药提取过程对象特性表示为:

经过解耦后的系统分为两个耦合作用较小的单输入单输出系统。当调节一个输入时, 只有一个输出量发生变化, 另一个基本不发生变化。

3 提取工段参数自整定模糊PID多变量解耦控制仿真

为了观察解耦效果, 本文采用参数自整定模糊PID控制算法对提取过程温度与压力进行解耦控制。将系统的给定激励设定为阶跃函数, 即:

分别取罐内温度90℃和压力120Kpa, 仿真框图如图8所示。解耦前后仿真结果如图9和图10所示。

从仿真曲线可知, 在给仿真模型作阶跃响应测试时, 解耦前温度和压力曲线有振荡, 且温度与压力之间有较强的耦合, 压力曲线没有稳定在设定值, 而通过解耦后温度和压力间耦合减小了, 且最终都能够稳定在设定值, 效果良好。

4 结束语

中药生产提取过程具有多变量、强耦合、大迟滞的特点, 其先进控制一直是中药企业及中药学术界关注的焦点及研究热点。本文基于大量的生产试验数据, 采用阶跃响应法建立了提取过程的动态数学模型, 并采用对角解耦法对模型进行了解耦。仿真结果表明, 本文所建模型及解耦控制方法能有效降低系统的耦合度, 减小中药提取过程温度和压力的震荡, 使温度和压力稳定在设定值, 控制效果优于传统的PID控制。

摘要：中药生产提取过程是一个多变量、强耦合、大迟滞的过程, 采用常规控制方法很难取得理想控制效果。为了降低变量间耦合度、优化提取过程控制, 文章基于大量的生产试验数据, 采用采用阶跃响应法建立了提取工段的动态数学模型, 并采用对角解耦法对模型进行解耦, 最后进行了解耦控制仿真研究。仿真结果表明, 运用本文设计的解耦控制, 能有效降低系统的耦合度, 减小中药提取过程温度和压力的震荡, 使温度和压力稳定在设定值。

关键词：中药生产,提取,建模,解耦,控制

参考文献

[1]黄挚雄, 中药生产过程优化控制策略的研究[D].中南大学, 2006.

[2]Nair, P.K., Consider computer integrated manufacturingfor continuous process plants[J], Chemical EngineeringProcess.1992, 11, 88 (11) , 71-81.

[3]xiao, zhongjun.Application of computer integratedprocess system in the pulp and paper industry[J]AppliedMechanics and Materials, v 44-47, p 237-241, 2011.

[4]黄海松, 中药制造综合自动化关键技术及应用研究[D].贵州大学, 2012.

[5]Ding Yong-sheng Liu Bao An intelligent bi-cooperativedecoupling control approach based on modulationmechanism of internal environment in body IEEETransactions on Control Systems Technology, v 19, n 3, p692-698, May 2011.

火炮随动系统解耦控制的应用研究 篇4

现代的战场环境对武器系统提出了越来越高的要求。对火炮来说,调炮的平稳性和反应时间是火炮性能的重要因素。一般火炮随动系统大多存在有两个控制通道:高低和方位控制通道。从理论上讲两者相互独立。但实践中由于火炮方位轴与高低轴并不严格正交,两通道的运动控制并不独立,存在相互耦合影响[1]如图1。本文通过对解耦理论的研究,结合捷联惯导在火炮上的应用,运用四元数解耦算法对火炮双通道耦合进行解耦。

1 耦合分析

火炮随动系统的耦合情况如图1所示,方位量通过耦合通道K21影响高低输出,同样高低量通过耦合通道K12影响高低输出。如果能过得到耦合网络K的具体各参数,就可以设计一个前馈解耦网络[2]对系统进行解耦。但是直接求取耦合网络参数很困难,因此,采用四元数法对其进行解耦。

2 调炮过程的四元数建模

利用捷联惯导系统为姿态测量元件,假设火炮在非射击状态下是刚体,建立坐标系。以当地地理坐标系n系为参考坐标系。x轴平行于水平面指向正东;y轴水平指向正南;z轴沿铅垂线向下。P系为炮身坐标系,xp轴和yp轴平行于炮身上的L形基准,yp轴正向与炮口方向相反。方位ψ、表尺θ、侧倾角γ分别对应方位角、俯仰角和横滚角三个欧拉角[3]。火炮的方向轴和俯仰轴分别为F轴和G轴,如图2。

设F轴和G轴在n系的单位矢量分别为fn=b1i+b2j+b3k和gn=a1i+a2j+a3k。设当前火炮身管的欧拉角为ψ0、θ0、γ0,火炮绕F轴和G轴转动,转动量分别为α和β,转动结束后的输出欧拉角为ψ1、θ1、γ1,则火炮的转动可以用四元数描述为[1]:Q=QαQβ。其中:

由惯导测定可知火炮身管初始欧拉角为φ0,θ0,γ0,而转动后输出欧拉角为φ,θ,γ。同理,将火炮当前坐标轴视为转动轴,则:火炮的转动可以用四元数描述为:Q=Qγ1QφQθQ-γ0。由转动的等价性:QαQβ=Qγ1QφQθQ-γ0利用这些关系列出方程组,求解解耦控制量。

要实现解耦就要求出俯仰轴和高低轴的参数。俯仰轴即火炮耳轴,在就位后在地理坐标系中固定,可以直接利用转动量α和β以及采样得出的欧拉角算出;而方位轴在地理坐标系位置会由于种种原因变化,需要实时计算。

3 解耦量的计算

要求火炮从姿态ψ1,θ1,γ1转动到姿态ψ2,θ2,γ2(对γ2没有要求)。要计算解耦的转动量α和β。要实现解耦必须得到转轴的6个参数。火炮的耳轴是实际的俯仰轴,它与炮身固连在一起,所以俯仰轴的单位矢量在炮身坐标系p系中是固定的。火炮的方向轴固连在基座上,火炮就位后基座的位置在当地地理坐标系中是固定的,故火炮方向轴的单位矢量在n系是固定的。只要给定输入转动量并采样得到转动前后的火炮欧拉角,就可以根据输入与轴的参数之间的非线性函数关系把它们辨识出来。

转动的四元数表示为:Q=QαQβ。

火炮的转动等价于先绕xp轴在n系xoy平面的投影转θ;再绕n系的z轴转ψ;再绕yp转γ。其中,ψ=ψ2-ψ1,θ=θ2-θ1。对应的四元数为:Q=QγQψQθ。

其中,

由等价关系得:QαQβ=QγQψQθ。

身管的瞬时高低量可由此求得[2]:gi=(TniP[10 0]T)[i j k]T,其中,

式中:i∈[0,1,2,…,m],表示第i次计算,即:

而方位轴向量fi可由以下两种方法得出:

3.1 俯仰轴矢量叉乘法[4]

这种方法的思路是:利用不同时刻的俯仰轴瞬时值叉乘求得方位轴。在第n-1(n为大于1的整数)个采样时间由捷联惯导系统测量出的实时姿态参数求出此时刻俯仰轴向量gn-1,与第n个采样时间俯仰轴参数gn叉乘,求得fn′,如图3所示。

需要注意的是:采样时间间隔的选用非常重要。根据叉乘特点可知,当两向量差别很小时,叉乘结果趋近0向量,因此希望两向量至少保证一定角度,而本方法为了保证f′n精度,需要采样间隔越小越好,这样两向量差别会很小。针对这个矛盾,需要合理选取采样时间间隔。捷联惯导系统的姿态刷新频率(n0)为50 Hz,即每20 ms刷新一次。本文中采用试探的办法,取n0的整数倍。

即

3.2 高低量差值解算法[3]

这种算法的思路是:利用连续姿态之间的转动四元数,即连续两个采样点姿态四元数的变化值Q,与f0和fi之间的关系入手,建立方程,求解fi。

随动系统获得主令φ1,θ1,并读取当前身管姿态φi,θi,γi,在求取了高低、方位矢量gi,fi后,根据上式的任意3个非线性方程,采用Newto-Gauss迭代法解出αi,βi。

由于每次的矢量gi都是用当前姿态角来计算,视f变化对前后高低调炮影响较小,可以用前两次姿态和前两次解算的高低差值Δβ′实时求解fi。组合调炮过程中,fi按下式求解:

其中Q为连续两姿态之间的转动四元数[3],Q=Q0+Q1i+Q2j+Q3k。

最终求出fi=b1,ii+b2,ij+b3,ik。

编写软件采用C语言,程序设计流程如图4。

4 仿真与实验结果

表1和表2列出了两种方法的部分叉乘结果。

表3表示在允许时间(6 s)内调炮所能达到的精度。

由上述表可见,经过解耦的火炮随动系统可以保证误差在0.5 mil以内,证明四元数解耦控制算法的有效性。

5 结束语

因为捷联惯导系统的高精度等优点,它已经取代了姿态传感器成为火炮首选的姿态测量元件。而基于捷联惯导体系的四元数解耦算法也比传统方法(欧拉角法,方向余弦法等)更实用更高效[1],能够较好地减弱双通道耦合对调炮产生的影响,达到调炮精度要求。这种方法也可以适用于其他火炮系统。

参考文献

[1]汤永刚,杨健文,李宗良.基于四元数的火炮随动系统解耦控制.火力指挥与控制,2002;27(5):75—78

[2]尹美兰.多变量内模解耦控制的研究.北京化工大学学术论文集:2003:19—24

[3]秦永元.惯性导航.北京:科学出版社,2006:287—298

[4]李伟,饶蔚巍,等.基于捷联惯导的火炮随动系统研究

解耦控制方法 篇5

在物理发泡绝缘生产线中, 牵引设备是整个设备核心的设备之一, 牵引速度和牵引之间的张力的稳定性直接影响到线缆外径、电容以及线缆的回波损耗。而随着3G通讯时代的到来, 对线缆的性能要求越来越高, 对牵引张力的控制要求也越来越高, 并且由于线缆外径的控制是通过调节两牵引的速度实现的, 减小因速度的变化而造成张力的瞬时变化变得尤其关键, 只靠传统单一的PID张力控制系统也越来越不能满足系统的控制要求。双牵引是一个复杂的被控对象, 张力与速度是一对强耦合的被控量, 是一个多变量系统, 且各变量之间存在耦合关系, 像这样的一个非线性多变量系统, 要建立一个精确度较高的线性定常系统数学模型是相当困难的, 即使能得到, 也会由于其复杂性很难适用于现场的实时控制, 很难采用常规的多变量控制器的设计方法设计算法, 而PID控制不需要对被控对象建立精确的数学模型, 很适合这种非线性、时变和耦合特征的系统。

2 张力控制系统

本文以同轴电缆高压注气物理发泡生产线的张力控制问题为背景, 通过对双轮牵引的受力分析并在此基础上建立了数学模型, 设计了一种基于PID控制的带解耦补偿的张力控制系统。

3 系统硬件组成

系统的硬件组成及受力情况如图所示:

图中fu为放卷张力, fr为收卷张力, ft系统控制张力, fp挤出机施加到线缆上的压力, Ti为前牵引的转矩, To为后牵引转矩, 其中后牵引是主牵引, 执行速度控制, 前牵引是从牵引, 执行张力控制, 另外由于电机还受粘性摩擦力, 设牵引的粘性摩擦系数为fni, 则前牵引的粘性摩擦力矩为图表1, 同理设后牵引的粘性摩擦系数为fno, 则后牵引的粘性摩擦力矩为fnovo根据动力学方程建立卷绕系统的数学模型如下:

式中Jo为后牵引的转动惯量, Ji为前牵引的转动惯量, μ为铜导体与挤出料的滑动摩擦系数, P为挤出机机头的压力, Atouch为挤出机机头与铜导体的接触面积。张力的产生是由于物料长度方向上存在速度差, 使得物料的不同部分产生相对位移或者说形变而产生应力, 它存在于物料的内部, 是一种内力, 设铜导线的弹性模量为ε, 截面积为A, 前后牵引的距离为L, 由胡克定律, 可得:

4 控制系统分析

在实际的线缆控制设备中, 由于PID控制器不需要精确的数学模型因而应用相当广泛, 在本文中也利用PID对张力和后牵引的速度进行控制, 对于电机及其驱动器, 我们可以用一个惯性环节等效代替, 同时张力经过一个滤波环节, 在生产中, 对于生产同一规格的产品, fr、fu、fp为定值, 所以可以令, 由此可以得到张力系统的控制框图, 如下图所示:

由上式可看出, 系统张力与速度是耦合的, 且与速度的设定值和后牵引的速度设定值和实际值的偏差有关系, 同样后牵引的速度与张力的设定值有关。由式和式及图可得:

由联立式 (1.11) 式 (1.13) 及式 (1.12) 式 (1.14) 求解得:

根据前馈补偿不变性原理, 对式 (1.13) uo对张力的影响采用前馈补偿解耦, 令张力回路中:

同理对式 (1.14) 中ui对速度的影响采用前馈补偿解耦,

在同轴电缆生产设备中, 张力的波动对速度的影响可以忽略不计, 同时张力对速度的影响到解耦比较复杂, 不易实现, 因此在实际的应用中只需要对速度对张力的影响进行解耦控制;同时在同轴电缆生产的过程中, 外径是通过调节挤出机与牵引的速比实现的。而牵引速度的值变化也会影响张力的稳定, 所以需要对设定值的变化进行补偿对张力的影响。设设定的变化为△v*=vn*-v*n-1, 由于v*→vo回路中解耦的作用, 速度设定值的变化不会影响张力而f*→ft会影响到张力。

因此可以把张力设定值的变化认为是一种可预知的扰动, 通过前馈控制减少和补偿由于速度设定值的变化造成张力的波动, 使得张力更加稳定, 由此可得最终如图所示的控制流程图。

5 仿真结果对

为验证解耦控制系统的先进性, 我们把解耦和不解耦的PID参数调至最佳得, 得出实验波形对照如下:

6 结论

从仿真结果看, 当系统受到扰动后, 解耦后的张力调节快且超调小, 而未解耦的张力调节慢超调大, 显然解耦后提高了张力的稳定性。在实际的生产中, 由于外径一直在通过牵引的速度进行调节, 速度一直处于波动的状态中, 而经过解耦的系统张力使将波动频率、范围更小, 因此对于实际生产有极大的应用价值。

参考文献

[1]陈冲, 刘星桥, 刘国海, 时政伟.基于模糊PID的多电机张力控制[J].电气传动, 2009.

[2]薛定宇.控制系统计算机辅助设计——Matlab语言与应用 (第2版) .

PWM三相电流滞环解耦控制研究 篇6

随着电力电子技术、开关电源、变频器等技术的发展,电流控制技术被提出了越来越高的要求。电流控制已是各种高性能功率变换器常用的核心技术之一,常常作为功率变换器控制系统的内环,其性能直接影响到功率变换器的控制性能[1-2]。电流滞环跟踪控制的交流变频器具有输出电流正弦度高,电流易于控制的优点[3],其应用越来越广泛。对转速动态性能要求较高的三相异步电动机控制系统中,需要利用对称的三相3线正弦交流电流来形成均匀稳定的旋转磁场[4]。对单相电流滞环跟踪技术已进行了大量的探讨研究[5-11],其中文献[11]深入分析了三态准PWM电流滞环控制技术及其在异步电机中的应用,但未对三相3线制系统电流存在的耦合问题提出解决方案。目前三相3线变换器电流解耦方案有很多,但多是针对有功电流和无功电流之间的解耦控制方案[12],而电流滞环跟踪是一种非线性电流控制技术,仅需利用简单的叠加原理就可以实现解耦。本文就是这样利用电流滞环跟踪技术与叠加解耦原理来产生三相逆变器所需的PWM控制波,从而得到三相3线对称正弦交流电流,通过仿真比较验证了其有效性及优越性。

2 三相逆变器电路结构

三相逆变器电路结构如图1所示。三相交流电经三相桥式整流电路及电容滤波后变成了具有恒定电压值的直流电,为后面的三相桥式逆变器提供输入。为了保证三相桥式逆变器能快速开关,在这里采用了高频率的全控型MOS管,而MOS管的门极触发信号由电流滞环跟踪及反馈解耦PWM波来控制。开关管VTb与Rb用来解决电路泵升电压问题,当控制器检测到泵升电压高压规定值时,开关管VTb导通,使多余的能量通过放电电阻Rb消耗掉。

3 三相 3 线电流耦合分析及解耦设计

3.1 三相 3 线电流耦合分析

当图1中的负载为三相对称负载时,有

记三相参考电流分别为ir A,ir B,ir C,电流跟踪误差分别为DiA,DiB,DiC,则

定义Sa,Sb,Sc分别表示三相的开关状态,“1”表示上桥臂导通,“-1”表示下桥臂导通。当Sa=1时,ua= 0.5Udc;当Sa=-1时,ua= -0.5Udc,即有ua=Sa·0.5Udc,b,c节点情况相类似。因而根据图1,可列方程如下:

其中L=L1=L2=L3

式中:uNN1为三相电压中性点N与直流中性点N1之间的电压差。

从式(5)、式(6)明显看出A相电流不仅与其对应的开关状态Sa有关,还与Sb,Sc有关,对于B,C相情况类似。为了能较好地控制各相电流,必需进行一定的解耦控制。

3.2 解耦设计

为了解除各相之间的耦合控制,先假设N与N1点之间的压差为0。根据叠加原理,式(5)可分解两部分之和为

其中 且有:

1) 为三相交流中性点N与直流中性点N1短接时对应的电流值。它们的电流控制只与本相开关状态有关。若能通过 与其对应的参考电流进行跟踪控制实现所需三相3线对称正弦电流,则实现了三相3线电流的解耦。

2) 为仅有三相交流中性点N与直流中性点N1的压差工作时对应的三相电流,且有:

定义 对应电流跟踪误差为

从上式可以看出,若要以 与其对应的参考电流进行跟踪,需先取得电流跟踪误差分别为 再负补偿 即可。

4 电感参数计算

电流跟踪型逆变器中电感的选取很重要,它不仅会影响逆变器的外特性[13],而且会直接影响逆变器的跟随性及主电路开关元件的使用寿命[14]。在负载一定的情况下,电感是决定跟踪性能的关键因素。

设主电路开关元件的允许开关频率fc为20 k Hz,参考电流频率f为50 Hz,环宽H设为0.1,参考电流的幅值Irm为2 A,直流电压Udc为20 V,计算电感的上、下限值[7]:

所以L取3 m H。

5 方案验证

5.1 解耦方案的实现

按照上述解耦原理,重点是如何设计实现负补偿 方案如图2所示。

5.2 整体方案验证

采用图1所示的主电路,电流参考幅值设为2 A,输出期望幅值也为2 A。图3为三相3线仅有电流滞环跟踪(未解耦)的仿真实验结果。图4为加解耦后的仿真实验结果。图4a为电流跟踪误差分别为DiA,DiB,DiC的波形;图4b为三相输出电流iA,iB,iC的波形;图4c为电路中1号MOS管对应的PWM触发脉冲;图4d为Di′A,Di′B,Di′C的波形。由于篇幅所限,在这里仅列出了一个MOS管的PWM触发脉冲。从仿真结果来看解耦后跟踪误差得到明显改善,而且解耦后能保持开关管频率基本恒定,表明了该解耦方案在电流滞环跟踪控制中的效果良好。

热风炉燃料流量神经网络解耦控制 篇7

热风炉控制主要包括燃烧控制和送风控制。燃烧控制是指在热风炉内燃烧焦炉煤气和高炉煤气,使炉内达到满足向高炉鼓风的蓄热量和温度。控制目标是热风炉的拱顶温度和废气温度,控制输入分别是焦炉煤气流量和高炉煤气流量以及与之对应的助燃空气流量。由于二种煤气流量相互影响着拱顶温度和废气温度,因此引入多变量解耦控制算法来消除其影响,实现燃料流量的最优控制[1]。本文只讨论热风炉的燃烧控制。

1 热风炉燃烧控制原理

在热风炉燃烧初始阶段,以较大的煤气量以及相应的助燃空气量进行快速加热,使热风炉拱顶温度和废气温度迅速达到设定值,此阶段的高炉煤气流量的设定值由系统操作画面直接设定,焦炉煤气流量设定值由“焦/高”比乘以高炉煤气流量设定,助燃空气流量设定值由高炉煤气对应的空燃比乘以高炉煤气流量加上焦炉煤气对应的空燃比乘以焦炉煤气流量。当热风炉的废气温度和拱顶温度接近设定值后,系统进入温度控制管理期,热风炉的废气温度由高炉煤气流量控制,热风炉的拱顶温度由焦炉煤气流量控制,当温度控制管理期结束后,热风炉燃烧结束,进入送风期或闷炉期。

2 神经网络解耦控制

解耦控制是实现多变量系统最优控制的一种比较有效的方法。要完成解耦,一般有二种方法,一种是系统状态反馈解耦,另一种是前馈补偿器解耦。本系统中采用引入神经网络补偿器的方法,对二输入(高炉煤气流量和焦炉煤气流量)、二输出(废气温度和拱顶温度)的多变量系统进行解耦,对解耦后的子系统进行单变量控制,使各个子系统都能达到预期的控制目标。

2.1 神经网络解耦算法

设N维多变量系统的数学模型表达式为:

式中,Mij(z)为第j个输入变量对第i个输出变量的传递函数。引入神经网络补偿器,使该补偿器与原系统组成广义系统并达到解耦,这样广义系统的矩阵传递函数式(1)将变为对角有理式矩阵M′(z-1):

Mij(z-1)是对角线上的传递函数,是神经网络补偿器的训练目标。

令M′(z-1)=M(z-1)G(z-1),由式(2)可得出:

由式(3)可知,只要M(z-1)可逆,原系统即可以解耦。解耦补偿器采用BP神经网络,将其输出层定义为N个节点,分别记为w1,w2,…,wN,作用于系统M;将输入层定义为u1,u2,…,uN。同时,还要考虑k时刻前的w,u。隐含层采用单层结构,其节点数与M(z-1)的伴随矩阵和对角矩阵有关[2]。

2.2 神经网络训练目标

采用最小二乘法完成BP学习算法,即网络的实际输出值与期望输出值的均方差最小,因此解耦控制的训练目标可取为:

undefined

式中,yr为网络补偿器G的输出作用于第r个输出量的实际值;ynr为由式(4)计算的对象第r个输出量的目标输出。

2.3 神经网络补偿器训练算法

根据BP神经网络公式有:

undefined

式中,ub(k)为节点b在k时刻的输入;wcb为节点c到节点b的连接权值;xc(k)为补偿器内节点c在k时刻的输出;xb(k)为节点b在k时刻的输出。

根据式(4)算法原则,使E最小,取E对wcb的偏导数,最终得出:

undefined

式中,β为学习率。

解耦之后各子系统变为单输入单输出系统,可采用单变量控制。

2.4 神经网络模型结构

根据热风炉燃烧工艺过程,网络模型的输入层有4个神经元,输出层有2个神经元,隐含层有6个神经元,网络结构如图1所示。

S1,S2—焦炉、高炉煤气流量设定值;u1,u2—焦炉、高炉煤气流量输出值;y1—拱顶温度测量值;y2—废气温 度测量值

3 单变量预测控制

3.1 预测输出

多变量控制系统应用上述方法解耦后变成多个单输入单输出子系统组成的系统,子系统的传递函数为:

yn(k)=m(z-1)u(k) (7)

式中,yn(k)为预测输出;m(z-1)为系数向量;u(k)为输入。

定义,D0为k-1时刻对应的脉冲序列矩阵;D1为k时刻对应的脉冲序列矩阵;Uk-1(k)为k时刻前的输入矩阵;Uk(k)为系统在k时刻的输入矩阵;Yn(k)为系统在k时刻的预测输出矩阵。

根据式(7)和上述定义,Yn(k)可以表示为:

Yn(k)=D0Uk-1+D1Uk (8)

将式(8)作矩阵变换

Yn(k)=D0Uk-1+Bω(k)+Qe(k) (9)

式中,Yn(k)为系统在k时刻的预测输出;B为脉冲函数对应的响应矩阵;ω(k)为k时刻待求基函数系数矩阵;Q为系数矩阵;e(k)为系统在k时刻的偏差[3]。

3.2 控制器设计

系统性能指标一般定义为:

式中,y(k+h)为系统实际输出值;将式(9)代入式(10)。

取E对ω(k)的一阶偏导数,并使之等于零,进行不断优化,只取当前时刻的u(k),因此得出:

式中,W为系统优化系数矩阵。

4 仿真结果

本控制算法的仿真采用宝山钢铁股份有限公司2号高炉热风炉数据完成,控制目标是保证热风炉拱顶温度稳定在(1 250±15) ℃,废气温度稳定在(355±10) ℃。通过上述神经网络解耦控制算法,调节焦炉煤气流量控制拱顶温度,调节高炉煤气流量控制废气温度,实现热风炉燃烧的最优控制[4]。

根据宝钢高炉的热风炉数据,其传递函数为:

采样周期t=2 s,将系统离散化后经1 500步训练可达解耦目标,解耦后的单变量广义数学模型为:

系统仿真结果如图1所示,仿真结果表明,使用该算法系统具有较好的跟踪性能。

—实际温度;——仿真温度

5 结论

传统的气体或液体的流量控制一般都采用PID控制,这种控制方法对于单变量非耦合系统比较有效,但对于多变量耦合系统,仅仅采用简单PID控制则无法满足控制要求。在本系统中,如果只用焦炉煤气流量控制拱顶温度,用高炉煤气流量控制废气温度,而不考虑二者的耦合影响,系统的控制精度和系统的稳定性都会较差。引入神经网络解耦控制后,系统的控制精度和稳定性得到了较大的提高,能够满足控制要求。

参考文献

[1]马竹梧.高炉热风炉全自动控制专家系统[J].控制工程,2002,4(9):57-62.MA Zhu-wu.Full automatic control expert system of hotblast stove for blast furnace[J].Control Engineering ofChina,2002,4(9):57-62.

[2]鲁娟娟,陈红.BP神经网络的饱和分析及改进[J].计算机仿真,2007,24(3):138-140.LUJuan-juan,CHENHong.Analysis and improvement ofparalysis of BP neural networks[J].Computer Simula-tion,2007,24(3):138-140.

[3]舒怀林,舒华.基于PID神经网络的自学习温度控制系统[C]//过程控制科学技术与应用.广州:华南理工大学出版社,2002.