自适应控制技术（精选12篇）
自适应控制技术 篇1
0 引言
随着社会的进步和科技的发展,人们对汽车的舒适性和安全性提出了新的要求。传统汽车前照灯系统虽经历了长足的发展,但仍存在诸多安全隐患,如弯道驾驶时,前照灯的照明角度限制会形成照明暗区,影响司机对弯道上障碍物的判断;雨天行驶时,地面的积水会反射迎面车辆车灯的光线,造成炫目等。为了解决现存的这些问题,一种新的前照灯系统——自适应前照灯系统AFS(adaptive front-lighting system)应运而生。
国外欧洲、美国和日本的公司早在2003年参与了AFS系统的开发。
国内的AFS研究起步较晚,只有少数机构在进行AFS的自主研发。上海某公司已经对AFS进行了国产化的工作,吉林某公司已研制出全LED前照灯样灯。
目前,虽然有些企业和科研机构对AFS控制模型进行了研究,也有一些高档车开始装载AFS,如宝马W5系、奔驰新E级、奥迪A8、雷克萨斯LS46OL以及凌志R系列等[2],但都还存在一定不足之处,如奔驰公司使用的AFS,有旋转角度与前轮转向角基本相等的限制;奥迪公司使用的AFS只在车速达70 km/h打开前照灯时才起作用[3];文献[4,5]中只研究了弯道时的AFS控制,文献[6]中只用一个CAN节点来同时实现传感器数据的收集和前照灯的转动,这会限制收集的数据量;此外,基本没有文献涉及LED自适应前照灯系统[7]。而国内研发的AFS只取得了阶段性的成果。本文则研究由LED组成前照灯组,传感器数据收集和前照灯转向分开实现的AFS系统,重点研究AFS系统的控制技术。
1 自适应前照灯系统()的功能
AFS的具体功能主要通过以下五种模式的照明优化来体现,且各种模式可叠加实现。
(1)高速公路照明模式
汽车在高速公路上行驶时由于车速快,要求前照灯能够提供亮且远的照明光束。当车速达到设定值max1(大约为30 km/h)时开始进入高速公路模式[8],此时增强提供给前照灯的电流强度以提高光强,并根据具体的车速来适当调整远光灯和近光灯的垂直角度。而当车速降到值min1(大约为5 km/h)时则退出高速公路模式。
(2)乡村照明模式
乡村道路的岔路纷多,且缺乏明显的道路标识,汽车行驶时要求前照灯提供左右不对称的照明光束,以照亮道路边的岔路和行人状况。当车身纵倾角度变化频率达到设定大值,同时根据城市道路照明标准,单位时间内接受到的平均光照强度达到设定值min2(约为1.5 lx)时,启动乡村照明模式。在靠右行的国家中,开左灯的所有近光灯;在靠左行的国家中,开右灯的所有近光灯和雾灯(雾灯实现右灯光束的拓展),并且增强这些灯泡的电流强度。而当车身起伏频率再次降到设定小值,或单位时间内接收到的平均光照强度达到设定值max2(约为8 lx)时,关闭乡村照明模式。
(3)城市照明模式
城市道路两侧有路灯及建筑物提供的稠密灯光,环境光照强度提高,汽车行驶时要求前照灯提供的光束亮度降低。当单位时间内接收到的平均光照强度达到城市道路照明标准中设定值max3(约为15 lx)时,启动城市照明模式,此时降低近光LED的电流供给。而当单位时间内平均光照强度再次达到设定值min3(约为5 lx)时,关闭城市照明模式。
(4)弯道照明模式[4-5、9]
汽车在进入弯道照明模式时,要求前照灯提供的光束能够消除照明暗区。当方向盘转角达到设定值max4(大约为10°)时,启动弯道照明模式,此时根据得到的方向盘转角和车速信息求出近光灯的转动角度,并执行转动。
为避免危险情况发生,弯道驾驶时驾驶员需要一段反映时间,考虑到夜间行驶时,驾驶员的生理和心理视觉能力普遍下降,将此反映时间设为2.5 s,而前照灯需要照亮汽车在3 s后将到达的位置,根据此位置算出前照灯水平转角为α=(Vt)/(2R),此处V为当前车速,t=3 s,R为弯道的曲率半径,α单位为弧度。可以得出下式:
K为稳定性因数,L为汽车轴距,对于某确定型号的汽车K和L为固定值,φ为前轮转角。
(5)恶劣天气照明模式
恶劣天气包括很多种,此处探讨出现较频繁的阴雨和下雾两种天气,这两者分别通过雨水传感器和湿度传感器的输出数据来判定。
阴雨天气时,路面的积水会反射对面车辆或路灯的灯光造成炫目,这要求改变近光灯的光型,可通过适当降低近光灯的垂直角度来实现。
下雾天气时,道路上的可见度下降,这要求提高前照灯的照明亮度,可通过打开雾灯并增强提供给所有近光灯的电流强度来实现。
自适应前照灯还有一个默认的工作模式,当不满足上述任意一种模式时,打开默认模式。
2 闭环控制系统
AFS的控制技术属于自动控制领域的应用,其输入包括:车速V,车身高度h,车身纵倾角度变化频率f,光照强度H,方向盘转角θ,雨水量N和湿度M;输出包括提供给LED的电流强度I,前照灯水平偏转角度α和垂直偏转角度β。此处,从AFS的输出出发,考虑到减小误差,可以得到三个闭环控制系统。
(1)电流I闭环控制系统
由图1可得,当高速行驶、下雾、在乡村和城市行驶时都需要改变提供给LED的电流强度,当然也可能出现下雾天气在高速公路或乡村、城市道路上行驶的状况,这三种情况下的电流改变量由各路况单独出现时的电流改变量的综合运算得到。单片机接收到V、M、f和H信号后,先与上文中提到的各max、min值做比较,若满足需求则将数值存储到相应内存单元中。接着,根据一定的转换算法,得到需要的电流量Ii,并由LED驱动电路提供输出电流I。同时用光强检测电路测得车灯光强,得到反馈的电流值If,此值与Ii运算得到Io,如此循环控制,保证得到正确的前照灯亮度。
(2)水平转角α闭环控制系统
由图2可得,当遇到转弯的路况时,单片机收集、筛选车速和方向盘转角数据,并通过公式(1)计算得到水平方向步进电机需要转动的角度αi,此值经传输后,控制LED在水平方向上转动一定的角度。同时,旋转位置传感器会将转动后的LED角度测出,得到反馈角度αf,此值与αi运算得到αo,如此循环控制,保证前照灯偏转正确的角度。
(3)垂直转角β闭环控制系统
β的闭环控制系统与闭环控制系统相似。由图3 可得,当高速行驶或下雨时需要调整LED的垂直方向角度,当然也会出现下雨天气在高速公路上行驶的状况,此时调整值为两种路况单独出现时得到的调整值的综合运算。
3 AFS的控制电路
AFS控制电路由以下四个部分组成:数据收集电路、传输电路、处理电路和执行电路。
(1)数据收集电路
数据收集电路收集车速传感器、光敏传感器、车身高度传感器、方向盘转角传感器、雨水传感器和空气湿度传感器等的数据。
车速传感器在各种汽车上都有不同的型号,在此不具体讨论使用哪种型号的传感器,而从车速里程表中直接引出车速信号。由于车速信号是12 V的单极性脉冲信号,而单片机所能处理的高电平信号只在5 V左右,所以需要12 V到5 V信号的转换电路,我们使用光电耦合器NEC2501[2]。
光敏传感器采用光敏电阻GL4526。GL4526反应速度快、灵敏度高、可靠性好。需将GL4526与一个阻值为1 kΩ的电阻相串联,再通过测量两者间的电压值变化来得到光强信号。由于电压信号是模拟信号,需通过A/D转换来得到单片机可处理的信号,此处采用12位的串行模数转换器MAX1230,有16个模拟输入通道AIN0~AIN15。光敏传感器的电压信号通过防止失真的100 p F电容与输入端口AIN0~AIN15相连,串行时钟输入端口SCLK接来自于单片机的外部时钟,由于单片机时钟频率为12 MHz,需经过四分频,达到MAX1230的工作频率要求。输出端口DOUT接至收集数据的单片机[6]。
光电式车身高度传感器在车头和车尾各置一个,放在车身和悬架之间,通过连杆将两者间的距离变化转化为角度变化,而此角度变化量与输出电压呈一定线性关系。单片机以一定的频率采集传感器输出信号,并将前后桥的信号变差,得出车身的纵向倾斜角度[6]。
方向盘转角传感器采用EPC-755A光电编码器。EPC-755A抗干扰能力强,输出稳定可靠的脉冲信号,脉冲的个数与角位移量成比例关系。编码器采用集电极开路型输出电路,通过鉴相电路输出脉冲信号,正转时输出计数脉冲T0,反转时输出计数脉冲T1。计数电路用3片74LS193连接组成,D0~D11将数据输出至单片机处理[2]。
雨水传感器采用SSM-002,空气湿度传感器采用HS1101/HS1100,输出电压经过A/D转换后送入单片机。
(2)传输电路
本文中的数据收集和处理电路为两个独立的CAN节点,故接收后的数据要通过CAN总线传到处理单元。
CAN是现在汽车上普遍使用的串行总线,CAN总线的物理层要通过收发器和总线控制器与单片机相连,此处采用的收发器为PCA82C251,控制器为SJA1000。为了增强CAN总线节点的抗干扰能力,控制器SJA1000的输入和输出需通过高速光耦6N137与82C251的TXD和RXD相连,发送点的单片机数据通过82C251后,再通过CAN总线传输到接收节点[6]。
(3)处理电路
本文中采用8位单片机AT89S51作为数据处理器,AT89S51可兼容标准8051指令系统及引脚,片内有4 kbytes的Flash只读程序存储器,能够灵活的在线编写和修改程序。
(4)执行电路[6]
前照灯通过步进电机的控制实现转动,共需四个步进电机,且水平旋转和垂直角度的调整电机,选择不同的型号,控制时两者也分开执行。
水平旋转部分由电机、减速机构和位置反馈三块组成。电机选用四相六线的42BYG001型永磁感应式步进电机,步距角0.9/1.8,采用双四拍通电形式,且通电顺序为AB-BC-CD-DA-AB时,电机正转,反之电机反转。在左转弯和右转弯时,左右前照灯分别转动不同的角度,结合方向盘转角与前照灯转角间特定的比例关系,如表1所示:
根据表1中电机转角及灯具转角间9∶1的比例关系,可得到旋转电机和前照灯之间1∶9的传动比,即可利用1∶3∶3两级齿轮来实现减速。
本文选用RPN旋转位置传感器来实现反馈,RPN在±45°角范围内输出电压与角度成线性关系,其输出电压经A/D转换后即可得实际转角。
垂直角度调整电机采用SAIA公司制造的两相线性步进电机,该电机反应速度快,它通过传动杆的进给量来反馈输出信号,从而保证精确的控制。
通过四个锁存器74LS373来实现水平、垂直方向电机的分开控制,单片机P3.0、P3.1口来发送片选信号。P3.0有信号时,选通对应水平控制的两个锁存器,P2.0-P2.3发送左灯的PWM脉冲,P2.4-P2.7发送右灯的PWM脉冲;P3.1有信号时,另两个锁存器选通,P2口发送PWM脉冲实现左右灯的垂直角度控制。
步进电机的驱动通过达林顿阵列管ULN2003来实现,单片机直接接ULN2003的输入端。
亮度控制比较简单,本文不再赘述。
4 总结
自适应前照灯控制技术在减少车祸的发生、提高驾车人身安全方面贡献突出,近年来它正在逐步发展起来,本文对此做出了一定的研究,但尚存在着诸多不足。例如针对本文中的数据收集部分,只是采用传感器收集数字信号,这很难有预见性,所以可适当地加入诸如红外、GPS等有预见作用的装置,收集包括数字和图像等多种类型的数据。此外,现在汽车中经常是CAN总线和LIN总线结合使用,LIN总线的报文帧相比较于CAN总线的数据帧,结构更加简单,若直接用在执行部分的总线连接会更方便。
参考文献
[1]Francis Berghmans,Anna G.Mignani,Antonello Cutolo,Patrick P.Meyrueis,Thomas P.Pearsall.Headlamps for light based driver assistance[C].SPIE,2008,7003:70032B.1-70032B.10
[2]束华明,高明煜,王园园.基于单片机控制的汽车前照灯自适应系统[J].电子测量与仪器学报,2008(S2):318～320
[3]王维锋,吴青,吕植勇,初秀民.基于弯道模式的自适应前照灯控制建模及仿真[J].武汉理工大学学报,2009,31:70～71
[4]Yongtian Wang,Yunlong Sheng,Kimio Tatsuno.Study about AFS swerve mode[C].SPIE,2009,7506:75060W.1-75060W.6
[5]郑韬,徐小良,何必仕.汽车前照灯弯道自适应照明系统的研究[J].自动化仪表,2009(07):46～47
[6]黄仁忠.汽车自适应照明系统开发[D].大连:大连理工大学,2008
[7]Thomas P.Pearsall.LED headlamps:the spiny path to a legal headlamp[C].SPIE,2005,5663:112.1-112.10
[8]雷雨海.前照灯智能化控制[J].交通科技与经济,2004(5):42～43.
[9]Yunlong Sheng,Yongtian Wang,Lijiang Zeng.AFS controlling algorithm[C].SPIE,2008,7156:1-715618.5
自适应控制技术 篇2
自适应模糊-滑模控制在重构飞行控制中的应用
论述了综合运用非线性动态逆、自适应模糊系统和滑模控制的优点进行飞行控制律设计的方法.运用非线性动态逆理论对非线性系统进行近似线性化,用模糊自适应系统来抵消近似非线性逆带来的误差,最终的残差由滑模控制项补偿.根据李亚普诺夫稳定性理论推导了自适应系统权值的调整规律,从而保证了闭环系统的稳定性.将此方法应用于带推力矢量飞机重构飞行控制,对两类故障的仿真结果表明:即使系统未检测到故障,在较大的.舵面损伤情况下,飞控系统性能仍能得到很好的保持.
作 者：胡孟权 王建培 作者单位：西北工业大学,365所,陕西,西安,710072刊 名：航空学报 ISTIC EI PKU英文刊名：ACTA AERONAUTICA ET ASTRONAUTICA SINICA年，卷(期)：23(6)分类号：V249关键词：重构 非线性动态逆 自适应模糊系统 滑模控制 推力矢量
自适应控制技术 篇3
【关键词】微电网；逆变器；下垂控制；控制策略
随着发电技术中对可再生能源和高效清洁能源的使用，微电网的应用越来越重要。分布式发电系统既满足理了日益增长的负荷需求，同时有效的减少了环境的污染。为了有效的解决电源大规模的应用问题，整合发电的优势，有效的减少分式发电的冲击力和负面影响，提出了微电网的概念。对于目前微电网的主要问题，即协调大电网与分布式电源之间的矛盾提出了重要的研究项目，即对于微电网中逆变器自适应下垂控制策略。本文所提控制策略针对现在微电网的实际应用，将微电网的电源、储能装置和控制装置有效的结合，能够有效的用户提供电能和热能。
1.微网逆变器自适应下垂控制
1.1微网控制与大电网控制的不同
微电网被视为是传统电力系统的微型版。电力系统正在全面的发展，对于电力的传输的提高和电力发展的深入，保持电网的稳定性对于电力系统发热安全也就显得尤为重要，对于电网不断的扩大，对于电网的稳定性也就存在很多不足，在技术和设备上都不能满足人们的需要，对于系统的稳定也就不同，对于系统运行的随机性，对于电力系统的安全的影响也就更大，对于电力系统的运行也就显示了很多方面的不足，对于特大型的互联电网的稳定性带来了很大的影响。
对于微电网根据微源的类型和渗透深度，负荷特性及电能质量约束条件等，微网控制欲运行策略与传统电力系统有显著的不同，主要原因如下：
（1）对于微电网的魏源就是根据稳态与动态的特征，对于电力的产生单元，与系统的大电网的发电有很多不同的地方。
（2）在微电网中出现的单相负荷和单相能源的不同，微电网中控制平衡的单相也就会受到很大的影响。
（3）对于微电网供电很多时候也就存在对电网的不可控制的情况，对于一些发电单元也就出现了很多的单元执行方法，不能更好的控制。
（4）同时在微电网控制中储存能源的长短的期限具有十分重要的作用。
（5）经济性也就是对微网的限制，必须要有效的保证微源的接入和断开，确保微电网的正确的运行。
根据上面的原因，对于微电网的控制需要进行从新研究，同时提出更有效的微电网逆变器自适应下垂控制策略。
1.2微网逆变器自适应下垂控制的相关设备
在实际的工作中，很多逆变器自适应下垂控制本身存在的一些固有的问题和缺陷，导致逆变器自适应下垂控制没有正常的工作，例如，一些逆变器自适应下垂控制在微电网功能出现问题，导致系统中的能量管理系统出现问题，同时对于能量管理系统是每个微电网不可或缺的一部分，其职责是优化微电源的运行。与微网的保护系统和微电源控制系统相比，能量管理系统从整个微网的角度来调度各种装置，因此对于发电和需求的控制是最为有效的。特别是对于微网逆变器自适应下垂控制的相关设施的管理，在对问题处理之后也就有相应的检查措施，要保证微电网能够正常运行。对微电网内部主要包括DG控制器、能量管理器、潮流控制器、继电保护协调器、可控负荷管理器等。
2.微电网中微源控制方法
对于微电网中微源的控制要根据微网中DG单元的运用不同，采取不同的控制方法，对于电源稳定的管理性能，更好的运用V/f控制策略，同时在受到外部影响较大的电源采用PQ控制，达到优化微电网的运行。
2.1 PQ控制方法
微电网建设管理单位内部进行PQ控制管理工作的相关策略进行健全和完善，对于PQ控制主要就是给定功率的电源中输出功率P和Q进行控制，对于电压和负荷的变化进行测试，主要就是有效的保证恒定功率的输出。当使用逆变器进入微电网时，逆变器的输出电压即为电网电压，通过调节逆变器的输出电流，从而实现注入有功功率和无功功率的控制。将有功与无功解耦，对电流进行控制，采用PI控制器可使稳态误差为0。利用锁相环技术，可使采用PQ控制的DG能够获得频率支撑。
2.2 VF下垂控制方法
VF下垂控制主要就是对检测的电压和频率的控制，保证其恒定性，在负荷发生变化的时候，对于电源的输出的频率和功跟上节奏变化。对于VF下垂控制的原理是由于测试的微型电源输出的电压和电流，计算相应微型电源输出的瞬间的有功和无功，然后也就要对通过的波频进行平均核算，并与微型电源参数功率进行比较，在最后通过VF下垂控制器，有效的控制微型电源输出的频率和电压。同时给微电网系统带来了更加安全的使用过程，也是电力稳定性的解决方法，通过提高VF下垂控制质量保证了微电网的稳定性，能够充分的提高电力使用的性能。
3.微网综合控制方法的分类
由于分布式发电的迅速发展，微网技术的不断成熟，微网的控制策略也不断的更新改进，其方法非常多，增加微电网保护技术的投入充分的稳定了电力使用的稳定性，同时也提供了一个非常有效的方法。在电力系统的传输中，能够让整个电力系统正常的运行，这也是主动控制电力系统稳定性的方法。下面按照不同的控制策略对控制方法进行分类介绍。
3.1主从控制
所谓主从控制主要就是对于微电网由上面的主层控制和底层从控制到实际的有效的控制，对于上层控制向下层的控制单元下达命令，在控制的时候需要进行可靠的通信线路采集和控制信息，在对微电网进行控制的时候也就会导致电压的不稳定性，在进行通信和控制软件的故障的时候也就会导致系统出现故障，在对微网进行扩展的时候还会受到通信成本和通信频率的限制。
3.2对等控制
所谓对等控制也就是针对之前微电网采用即插即用式DG的微网提出控制方法，在对微网的设备进行有效的管理，通过采用对等的模式进行自动的控制，微电网中进行接入或者去掉其中的一个不对微电网产生相应的影响，这也就是对等控制的作用。对等控制也就不需要通过通信环节，可以有效的实现分式电源的即插即用的效果，让微电网使用中更具优势。
3.3基于多代理技术的微网控制
对于微电网中控制的研究，根据很多的技术研究和实践，将传统的电力系统中的代理技术更好的应用到微电网控制系统，代理的治理具有反应能力和自发行为的特点，可以有效的对微电网的分散系统进行控制，满足微电网自适应下垂控制的需要，同时还提供了一个能够控制性能但又不需要经常管理的控制系统，对于相应的智能控制系統也就是现在微网控制系统的主要发展方向。
4.结束语
对于当前微电网逆变器自适应下垂控制研究主要就是对电网的本身控制进行分析，能量管理系统中对控制系统进行优化，需要不断的完善微网控制系统。这也就是需要对微网控制系统进行集中研究，主要对不同微型电网系统的运行和控制；以及独立运行的模式和网络接连的运行模式中，微网智能的频率转化和电压的控制策略进行研究；还要对微电网的分散控制方法进行有效的优化，提高微电网逆变器自适应下垂控制效果。 [科]
【参考文献】
[1]孙孝峰，杨雅麟，赵巍，沈虹，谭广军.微电网逆变器自适应下垂控制策略[J].电网技术，2014（09）.
[2]赵宏伟，吴涛涛.基于分布式电源的微网技术[J].电力系统及其自动化学报，2009，20（1）.
[3]郑宏，史玉立，孙玉坤.微电网并网逆变器下垂控制策略的改进[J].农业工程学报，2012（06）.
自适应控制技术 篇4
莱钢大型压缩机采用西门子S7-400、S7-300多种控制系统,WINCC人机接口。
从站采用带有PROFIBUS的控制设备组成。可以实现PLC与PLC、PLC与现场控制设备间及PLC与上位机之间的信息传输。整个网络庞大,涉及到的设备众多,网络负担重,每个扫描时间担负的任务重,网络在现场设备故障时占用的总线时间长,容易造成网络超负荷瘫痪。同时,在压缩机的实际运行中,常常因为测量信号的准确度不高,变送器失灵或者电缆断路等问题,使控制系统安全性降低。本文对控制系统变负荷运行、压缩机防喘振故障信息分析和定位提出处理措施,并通过上位机在线直观显示出来。
1 负荷自适应
负荷自适应就是在制氧工艺中,根据用户用氧量的变化,自动调节生产运行工况,运行参数在自动控制中向最佳点逼近,实现自适应控制。操作人员只要设定好产品流量参数,系统自动计算出物料平衡和冷量平衡,计算出关键参数的自动调节工艺参数。
1.1 控制原理
设计负荷自适应控制程序,按照功能的不同,分为若干不同的模块:显示、目标计算、过程模型、通讯、优化。
1.2 显示
为操作员提供操作界面,显示工艺流程图,工艺参数值及变化趋势,工艺过程报警参数。各种气体管路用不同的颜色显示,并根据操作需要,在工艺流程画面中选取所需的局部画面显示。
1.3 目标计算
对操作员凭经验输入的主要产品如液氮、液氧、气氧的目标产量进行复核,算出每种产量允许的最小、最大值和目标产量值。当输入参数值严重与工艺数值不吻合时,显示屏会提示错误信息。
例如:FLO=[(F1-F2)/K1>-F3-K2
式中FLO为液氧产量;F1为分子筛出口空气流量;F2为膨胀机过冷空气量;F3为氧压机入口氧流量;K1、K2为系数
1.4 过程模型
过程模型包括状态模型和计算模型。状态模型对制氧工艺的稳定性起着重要作用,包括空气进化量状态模型、粗氩量模型、液氩量模型、制冷平衡状态模型、透平机空气量状态模型、透平旁通空气量状态模型和工艺气量状态模型。例如:空气净化量S1是一个关于气氧和液氧产量的函数,其表达式为
S1=f(K1,FGO,FLO,C1)
式中K1为系数;C1为工作状态下空气净化量。
计算模块以状态模块为基础计算出每个优化控制器的设定值,每个优化控制器都有相应增减负载的线性化模型和变化斜率。
1.5 通讯模块
通讯模块负责过程模型和优化模型的信息传送,一旦启动连续运转,除非人为停止。
1.6 优化模型
优化控制器由滤波器、调节器等组成,与过程模型有一一对应的关系,它们类似一套仿真系统,使上位机的控制达到工艺要求的最佳状态。优化控制器的模型状态,目标状态和当前状态不断刷新,使模型计算的产量、目标产量和输入产量吻合在规定的调节误差内,每个优化控制器就能同期同步地完成各自的控制,但产品流量、纯度、膨胀机叶片开度等参数均要满足设定条件,若有一个参数超过设定偏差,优化控制器就会处于等待状态。
2 冲击信号自修正模型的建立
在设备的实际运行中,机械振动及一次原件的损坏都会造成测量值失效,关键参数丢失会导致设备误停机。因此,过滤不真实的测量值,保持数值的可靠性是提高设备运行稳定性的重要手段。我们利用温度和温差作为输入变量,结合相关权重、阈值参数,通过判断函数和预测时间函数计算,最终输出预警等级值的模型,相比模糊函数实时判断模型可以避免因应急时间不足导致故障向事故发展;其次,短期温度值综合判断结合故障等级跃迁、解除的模式.可以过滤部分因温度波动而产生误判的“伪故障”。
实时温度预警模型,提高了对部分特殊症状(剧升、大幅波动等)判断的敏感度,过滤了部分伪故障(小幅震荡等)。
3 喘振故障响应仿真
采用可变极限流量控制,在防喘振控制中,根据压缩机的人口压力、出口压力、入口流量组成防喘振数学模型。空压机的流量计安装在入口位置,为消除四季空气温度变化对空压机喘振线的影响,增加两个测量点,即机组进口和出口温度,进行流量的温度补偿,并参与防喘振控制。
喘振控制器控制防喘放空阀FV1046。
出口流量(m3/h)形成过程值,该值根据下面的工艺参数计算而来:
流量传感器的温度T流体[K]=TE 1044(0-150°C)
流量传感器的压力P流体[巴,绝压]=PE 1044(0-10°巴(表压))
流量传感器的差压dP流体[毫巴]=FE 1044(0-27毫巴)
根据下面的公式:
V出口(立方米/小时)undefined
基于空压机的性能曲线,开发PLC查表程序,实现空压机出口压力(dischange press)和出口流量(actual volume flow)的故障响应即时仿真。当测量原件断线产生冲击信号时,系统区分判断误信号,报警提醒维护人员。同时激发自修正程序,根据当前入口导叶开度计算出当前的流量和出口压力值,提供给操作人员,参与设备联锁。一旦现场恢复测量,系统自动跳出修正,测量值恢复实际值。
a、喘振曲线;
b、放空防喘曲线;
c、压力限曲线
4 硬件故障实时监控定位
通过WINCC软件平台实时监测故障发生来源,对故障原因进行分类,从而对系统故障进行处理。故障分为两类:CPU故障(诊断检查错误,程序检查错误)和外部模块故障,一旦发生故障通过实时扫描把故障信息传送到上位机。
如图,CPU识别系统错误和用户程序中的错误,并在系统状态列表和诊断缓冲区输入诊断信息,可以在用户程序中使用SFC51 RDSYSST 读取诊断条目,或者用STEP 7以通俗的语言显示诊断信息,包括出错的地点和时间、该条目所属的诊断事件的类型(用户自定义的诊断事件、同步、异步的错误、工作模式改变)。
CPU在诊断缓冲区中输入标准诊断和扩展诊断的事件,如果满足以下条件,它也会生成用于标准诊断时间的过程控制组信息:
①已经指定将在STEP7中生成的过程控制信息;
(2)至少在CPU上为过程控制信息记录了一个显示单元;
(3)在当前没有一个相应等级(总共有7个等级)的过程控制组信息时,才生成过程控制组信息;
(4)每个等级可以生成一个过程控制组信息。
通过来自编程设备的STEP 7菜单命令或者SFC 51RDSYSST系统功能可以读取状态列表中的信息。
除了CPU,还有其它有诊断能力的模块,它们的数据也输入到系统状态列表中。还可以使用系统功能SFC 52WRUSMSG来扩展SIMATIC S7的标准系统诊断:在诊断缓冲区中输入个人诊断信息,发送用户定义的诊断信息到上位监控机。利用现有控制软件,获取软件发生故障时的运行序列,分析可疑模块的故障系数,利用OPC传送故障代码到远程监控机,实现故障模块的远程定位。例如,远程I/O模块故障定位中,利用系统组织块OB可以将从站中有错误的块号通过中间变量表示出来。通过远程网络传输到管理层,故障模块被准确定位。
5结束语
本系统经过现场实践,控制稳定且运行效率高,故障监测准确及时,大大降低故障率,减少了劳动强度,因此更好的满足了生产需求,并具有广泛的推广价值。
摘要：随着自诊断、自适应技术在工业生产自动化控制系统中的应用越来越广泛,本文以莱钢大型压缩机机组为例,利用负荷自适应、冲击信号自修正模型、喘振响应仿真等技术手段,设计实现了压缩机节能变负荷运行、预防性喘振响应仿真及检测设备和基础自动化设备的在线故障自诊断和自修复。该系统投运后,大大减少了停机率,提高了设备运行效率和故障处理效率,可以推广到类似的控制系统中。
自适应控制技术 篇5
文[1]提出了用分布式的、实时可调的压电片组建模态传感器及作动器实现准独立模态控制的.方法,为结构的自适应控制提供了物质基础.本文在文[1]的基础上,结合自适应控制技术,进一步进行了基于这种独立模态控制策略的自适应阻尼控制实验研究,在压电板上取得了理想的控制效果.
作 者：姚军 李岳锋 姚起杭 作者单位：姚军(北京航空航天大学自动化科学与电气工程学院,北京,100083)
李岳锋(南京航空航天大学振动工程研究所,南京,210016)
姚起杭(飞机强度研究所,西安,710065)
自适应控制技术 篇6
关键词：发动机；神经网络自适应PID；设计；转速控制；神经网络
中图分类号：U467.2 文献标识码：A 文章编号：1674-1161（2014）01-0030-03
发动机是一个典型的非线性、时滞、时变系统。智能控制能够将人类的智慧应用于控制系统，解决非线性、复杂的系统控制问题。发动机的转速控制问题一直是热点研究课题，特别是发动机的怠速控制更是研究重点。怠速转速是汽车发动机的主要性能指标之一。目前，虽然在发动机燃油控制方面的研究取得了一定进展，但影响发动机性能的参数相当多，在建模时不可能面面俱到（常会忽略一些不重要的参数，如进气歧管截面积随温度的变化、发动机的磨损情况等），常造成发动机模型不精确，且相对可靠性比较差。对发动机转速神经控制的结构和神经网络的形式进行研究，将神经网络同PID控制相结合，很好地解决了发动机转速与燃油控制问题，可以使发动机在最优状态下工作，对节能减排具有重要的现实意义。
1 发动机模型与PID控制
1.1 发动机模型
丹麦技术大学Elbert Hendricks教授提出的发动机模型具有较高精度。参照Elbert Hendricks发动机模型建立发动机进气系统动力学、曲轴动力学和油膜子模型。
1.1.1 发动机进气系统动力学子模型 进气系统动力学描述歧管中空气的质量变化率，它是流经节气门的空气质量流量与流入气缸的空气质量流量ap之差：
=1.4RT （at（α）ap-）/V （1）
式中，α是节气门角度；气体常数R=0.000 287 m3MPa/K；歧管气体温度T=293 K；歧管容积V=0.000 564 m3。
ap=nVDηV（0.096 1p-0.07）/（120RTm） （2）
式中：n为发动机转速，rpm/1000；p为进气歧管压力，MPa；发动机排量Vd=1.275 m3。ηV是发动机的容积效率。
ηV为歧管压力的函数，可表示为：
ηV=0.952-0.075/p （3）
式中：ap可表示为两个并行的等嫡物理过程。
1.1.2 发动机曲轴系统动力学子模型 根据能量守恒定律描述发动机中的热能向机械能的转换及做功过程。发动机的加速度表达式为：
=Huηi（n，p）f（t-d）/nI-[Pf（n）+PP（n，p）+Pb（n）/nI] （4）
等式右端第一项表示燃油在气缸内燃烧产生热能所转换的机械能，燃油燃烧值Hu=43 000 kJ/kg；标定后的总发动机转动惯量I=5.264 Kg·m2。等式右端第二项，表示需要克服的负载扭矩Pb、泵气功率损耗PP和磨擦损失。
1.1.3 发动机油膜子模型 Elbert Hendricks将油膜模型标记为瞬态燃油补偿（TFC），如式（5）—（7）所示：
fv=（1-X）fc （5）
ff=（Xfi-mff）/τf （6）
fi=fv+ff （7）
式中：X为燃油沉积系数；Tf为油膜蒸发时间常数。它们随发动机工况变化，是发动机转速n（或ω）、进气岐管压力Pi、温度Ti等的非线性函数；fc是按指令喷射的燃油质量流量，分为完全气化部分fv和油膜蒸发部分ff两部分：fi是气缸的总燃油量，为两部分燃油量之和。
1.2 PID算法
发动机的转速控制采用可变增益的PID方法，具体控制算法为：
α=Kpε+Ki∫εdt+Kddε/dt （8）
式中：α为节气门开度；ε为转速误差；Kp，Ki，Kd由发动机的工作状态确定，点火提前角θ和喷油量由其它控制规律或经验数据给出。若数字微分处理不好，可能会带来很大的瞬时值，故Kd一般取0。
根据式（8）建立如图1所示的PID转速控制框图。
利用MATLAB中的SIMULINK仿真软件对上述控制方案的PID调节器参数Kp，Ki，Kd进行优化，结果为：Kp=1～2，Ki=1～2，Kd=0。
为对空燃比进行良好控制，现代汽车一般采用如下的燃油控制方式：
fpc=+KpIy+KiI∫ydt （9）
式中：fpc为进入发动机气缸所需要的燃油质量流速；ap为进入发动机气缸的空气质量流速；y为氧传感器的输出；Lh为发动机运行空燃比，汽油车取14.67～14.7；KpI，KiI为控制器增益。
1.3 仿真结果
发动机PID转速控制计算机仿真的条件如下：仿真软件为MATLAB6.5/SIMULINK；发动机仿真模型如前所述；发动机干扰信号周期为0.1 s，能量为0.01的噪声；给定转速信号采用阶跃信号，比较符合实际使用情况；采用一般线性点火提前角规律。PID转速跟踪情况见图2。
从图2的仿真结果可看出：当发动机负载很低（0.5 kW）或负载不大（5确kW），且设定转速不高（约21000 rpm）时，PID调节器能正常工作；当发动机输入有干扰时，PID调节器失调；当发动机负载有扰动时，发动机转速不平稳。这表明PID调节器只适应于负载小、发动机各种干扰小的转速控制。仿真结果還表明，PID调节器的转速跟踪（负载较大时）效果很差。
2 发动机转速的神经网络控制
2.1 发动机转速的NC设计
对如图3所示的控制结构进行研究。神经网络NN2用于建立被控系统的动态模型，并为神经网络NN1的学习训练过程提供必要信息。神经网络NN1根据系统的状态，不断调节PID控制器的增益，以达到所规定的最优性能指标。
2.2 发动机转速NC中的神经网络
采用如图4所示的神经网络结构对发动机系统进行模型识别，其离散时间模型可以表示为：
ym（k+1）=f[y（k），y（k-1），…，y（k-n），u（k-1），u（k-2），
…，u（k-m）] （10）
式中：y为发动机的输出转速；u为对发动机的控制（节气门开度）；ym为模型的输出；n，m分别为y（k）和u（k）的阶次；f为非线性函数。
采用如图5所示的BP神经网络结构对NC控制器中的参数（PID中的增益）进行优化。图5中，E（k）为转速误差；P（k）为发动机负载因子；G1—G3为要优化的增益参数。
2.3 仿真结果
仿真条件为：仿真软件为MATLAB；发动机模型如上所述；参数优化神经网络中n=2，m1=2，m2=10，i=0～2（PID）；模型辨识神经网络中选取n=2，m1=2，m2=10，i=0，仿真结果如图6所示。从仿真结果可以看出，神经网络自适应PID控制，能有效抑制转速的超调量，减小转速在调整过程中的波动。
3 结语
发动机是一个典型的非线性、时滞、时变系统。智能控制能够将人类的智慧应用到控制系统中，解决非线性、复杂的系统控制问题。参照Elbert Hendricks发动机模型建立发动机进气系统动力学、曲轴动力学和油膜子模型，对发动机转速神经控制的结构和神经网络的形式进行研究，采用神经网络自适应PID方法对发动机转速控制进行计算仿真。仿真结果表明，神经网络自适应PID控制能有效抑制转速的超调量，减小转速在调整过程中的波动。
自适应控制技术 篇7
在日常生活中,光伏发电得到了越来越广泛得应用。然而,由于光伏电池的输出特性具有非线性,如何能有效地利用太阳能,成为光伏发电的重要课题[1,2,3]。
目前的MPPT(Maximum Power Point Tracking,最大功率点跟踪)控制方法主要有固定电压(Constant Voltage,CV)法、扰动观察(Perturb and Observe,PO)法、增量电导(Incond,IC)法、模糊控制法和神经网络法等[4],但这些方法单独使用都存在一定缺陷:固定电压法追踪的稳态误差较大,能量转化效率低;扰动观察法在系统工作点到达最大功率点附近之后会有振荡现象的发生,造成能量损失,甚至会发生程序在运行中的误判现象;增量电导法由于其步长固定,若步长取的过小就会导致光伏阵列长时间地滞留在低功率输出区;模糊控制等智能算法过分依赖于设计人员的视觉和经验。目前的趋势是将2种或多种方法相结合[5]。本文在分析光伏电池伏安特性的基础上,设计了一个自适应模糊PID控制器,有效地提高了光伏发电的效率。
1 光伏电池特性
1.1 光伏电池数学模型
光伏电池等效电路如图1所示。
根据光伏电池的等效电路,可以推导出光伏电池的输出特性表达式为
式中:Rs为串联内部电阻,通常情况下,由于Rs值很小,因此式(1)中带有RsI的项可以省略,即(1)式可以写成
式中:Iph为太阳能电池的短路电流;I0为反向饱和电流;Rsh为并联内部电阻;q为电子电量(1.6×10-l9 C);U0为二极管的端电压;k为玻尔兹曼常数(0.86×1 0-4 eV/K);T为绝对温度;n为PN结理想因子[6],
1.2 光伏电池输出特性
图2为在温度T=25℃时某一单晶硅光伏电池的P-U(功率-电压)特性曲线图,由图2可知:当外界环境条件不变时,光伏电池的输出特性曲线呈现明显的非线性,并存在一个最大功率点,而当外界环境如温度、光照发生变化时,最大功率点的位置也随之发生改变。
注:S为光照强度。
2 自适应模糊PID控制
所谓模糊pIID控制,即利用模糊逻辑算法并根据一定的模糊规则,对PID控制的比例、积分和微分系数进行实时优化,以达到较为理想的控制效果。模糊PID控制共包括参数模糊化、模糊规则推理、参数解模糊、PID控制器等几个重要组成部分。计算机首先根据所设定的输入和反馈信号,计算实际位置和理论位置的偏差e以及当前的偏差变化ec;其次根据模糊规则进行模糊推理;最后对模糊参数进行解模糊,输出PID控制器的比例、积分和微分系数[7]。在光伏发电MPPT自适应模糊PID控制技术中,以Boost电路的占空比输出信号为控制变量,模糊控制器的2个输入分别为功率误差e(k)=P(k)-P(k-1)和误差变化量ec(k)=e(k)-e(k-I);输出为PID的3个参数Δkp、Aki和Δkd;PID控制器的输入为e(k),输出为占空比步长。通过模糊控制与PID控制的结合,即可实现占空比的自适应调节,其控制结构如图3所示。
对输入变量e (k)和ec(k)的描述采用7种语言变量的模糊集,分别为NB(负大)、NM(负中)、NS(负小)、ZO(零)、PS(正小)、PM(正中)和PB(正大),其论域和隶属函数如图4所示。
模糊PID输出变量kp、ki和kd的整定原则为:
(1)当e(k)较大时,为加快系统的响应速度,防止因开始时e的瞬间变大可能会引起的微分溢出,应取较大的kp和较小的kd,同时由于积分作用太强会使系统超调加大,因而要对积分作用加以限制,通常取较小的ki值。
(2)当e(k)为中等大小时,为减小系统的超调量,保证一定的响应速度,kp应适当减小,同时kd和ki的取值大小要适中。
(3)当e(k)较小时,为减小稳态误差,kp与ki应取较大值,为了避免输出响应在设定值附近振荡,kd值通常取中等大小[8]。
PID控制中kp、ki和kd3个值均可以通过模糊控制实现在线调整,即kp=kp0+Δkp、ki=ki0+Δki和kd=kd0+Akd。其中Δkp、Aki和Δkd的论域均为{0,0.1,0.2,0.3},语言变量描述为ZO(零)、PS(正小)、PM(正中)和PB(正大)。根据(1)～(3)整定原则,经过反复的操作和训练,表1列出了模糊控制器3个输出变量的模糊规则,例如,当输入量e(k)和ec(k)均为NB(负大)时,输出量ΔkP、Δki和Δkd的取值分别为0.3、0和0.1。通过对kp、ki和kd的在线调整,实现对占空比的调节,从而使系统能迅速寻找到最优占空比的值[9,10,11,12,13]。
在MATLAB模糊工具箱中,选择Mamdani型控制器,解模糊的方法采用重心法。
3 仿真试验
根据光伏阵列的数学模型,在Matlab中建立太阳能电池模型。太阳能电池在标准测试条件下(S=1 000 W/m2,T=25℃)的参数为:最大功率65.3 W;峰值工作电流3.61 A;峰值工作电压18.1 V;短路电流3.94 A;开路电压21.2 V。利用Matlab/Simulink搭建光伏发电系统MPPT控制模型,如图5所示[14,15,16,17]。
其中,模糊PID控制器封装成子系统Subsystem,其内部结构如图6所示,该模块根据功率差值及其微分值的判断对跟踪步长进行调整;PWM模块是用S函数所写,用以实现占空比步长累加的功能,即根据Subsystem模块的输出实时调节占空比,使系统能迅速跟踪到MPP。Boost电路实现RL=(1-D)2R功能,用来完成外部电路阻抗与光伏电池等效内部阻抗的匹配工作,以实现最大功率点跟踪。其内部结构如图7所示。其中:R为负载阻力抗;R1为Boost电路等效输入电阻。
4 仿真结果分析
模拟日照强度从800 W/m2在0.5 s时突然上升到1 200 W/m2,仿真时间1 s,步长为0.001 s,仿真算法为ode45tb,R=30Ω,T=25℃。图8为采用模糊控制的光伏发电系统输出功率和占空比仿真图,图9为采用自适应模糊PID控制的跟踪效果图。
通过对图8和图9的比较可知,在初始阶段,模糊控制经过0.03 s跟踪到MPP,而自适应模糊PID控制只经过0.015 s就跟踪到了MPP。当外界环境发生变化时,模糊控制在跟踪到新的MPP后,在其附近发生振荡现象,而自适应模糊PID控制能够使系统快速稳定地工作在MPP处。
由于模糊控制是一种基于规则的控制,它直接采用语言型控制规则,出发点是现场操作人员的控制经验或相关专家的知识,模糊控制在光伏发电系统MPPT应用中通常以功率差值跟其微分值作为控制器的输入,但在单独使用时会使得跟踪精度不高;PID控制具有适应性强,鲁棒性强的优点。模糊和快速性的兼备。PID控制结合了2种控制方法的优点,弥补了各自的不足。试验表明:将模糊PID控制运用到光伏发电MPPT控制中,有效地提高了光伏发电系统的动态响应速度和稳态响应,具有较好的跟踪效果。
5 结语
自适应控制技术 篇8
电力电子电路通常都含有功率电路和控制电路,控制电路主要有相位控制电路、频率控制电路和斩波控制电路。传统的相控式整流电路在实际应用中存在网侧功率因数低、谐波电流和调节速 度慢等缺点。网侧功率因数低和大量谐波电流会严重危害电网,还会对网间的变压器、继电器和电动机产生不良影响。为了尽可能抑制输出端的谐波,相控电路往往采用参数较大的滤波元件, 这就造成了相控电路另一个缺陷,即电路本身惯性较大,调节速度较慢。脉宽调制(PWM)是一种斩波控制方式的电力电子电路,脉宽调制技术利用半导体开关器件的导通和关断把电源电压变成电压脉冲序列,并通过控制电压脉冲的宽度达到变压变频的目的。由于该技术可以有效地抑制谐波,具有良好的动态性能,在效率和频率方面有显著的优点,被广泛地应用于直流变换电路、逆变电路和开关电路中。
基于脉宽调制技术的电压型整流电路传统的控制策略主要有功率控制 [1]、反馈线性化[2]和无源控制[3]。上述分析方法在特定的条件下,可以取得较好的控制效果。然而这些控制方法都是基于系统精确地的线性化模型,在建模的过程中忽略了原本存在于系统的非线性因素,实际上电压型脉宽调制整流器属于非线性混合系统,因此用基于小信号模型的线性控制方法分析电路, 控制的有效性和精确度有待提高。同时由于电网谐波的存在,被控信号带有谐波扰动,这就对系统的控制精确提出了巨大的挑战。为了提高整流器的性能, 应用非线性控制理论或控制方法研究电压型脉宽调制整流器正成为国内外学者研究的新热点。
1 基于脉宽调制技术的电压型整流器 电路分析
二电平PWM可逆整流电路的结构, 可见参考文献[4]。主电路与常用的电压型逆变器结构相同,可以与电压型逆变器级联构成变频器,是交直交变频器理想的整流器。在PWM整流电流中三相对称电源产生三相线电流,分别由六个绝缘栅型双极性晶体管和续流二极管构成斩波电路。三相电源带有滤波电阻和电感,滤波电感的存在使整流器具有了升压特性。
定义电压型PWM整流电路的三相电压分别为U、V和W相,参考二进制数据处理方式,用1表示整流电路的上桥臂导通,即所在位置的绝缘栅型双极性晶体管和续流二极管导通,对应的下桥臂关断;用0表示整流电路的下桥臂导通,即所在位置的绝缘栅型双极性晶体管和续流二极管不导通,对应的上桥臂导通。显然,PWM整流电路的三个桥臂的工作状态一共有八种,即000、001、…、110、111。例如,010表示V相的上桥臂导通下桥臂关断,U、W相上桥臂关断下桥臂导通。由此可见,000和111为电路系统的零状态,其他六个为非零状态。
把电压型PWM整流电路的输入电压转换成电压空间矢量的形式,可以得到输入电压的矢量表达式。采用等功率变换的形式,将矢量空间表达式转变为两相同步旋转dq坐标系中的数学模型,则电压型PWM整流器在两相旋转dq坐标下具有仿射线形式的数学模型为:
式中Um为交流电压峰值,io是负载电流,v1是控制电压的d轴分量,v2是控制电压的q轴分量,R和L分别是三相电源的滤波电阻和滤波电感,C是输出端滤波电容。
2 自适应控制模型与仿真
基于脉宽调制技术的电压型整流器常用的控制策略是功率控制、反馈线性化控制和基于无源控制理论的控制。但上述控制方法都是基于PWM整流电路的精确模型,这些模型在建立过程中都采用了线性化处理方法,同时忽略了系统扰动的影响。然而实际工程中,某些情况下,非线性因素不能忽略不计,并且扰动总是存在的,这必然影响电路的性能。近年来,随着非线性控制理论的快速发展,PWM整流电路的非线性控制研究达到了新的高度。自适应控制是一种重要的非线性控制方法,基于反步法的自适应控制每一步只增设一阶方程, 通过设计虚拟控制率和定义误差变量, 延续算法。然后根据Lyapunov稳定理论修正算法。在最后一步得到实际控制, 实现不确定参数的精确估计和系统的全局跟踪[5]。由于反步法不需要被控系统的精确模型,允许模型中具有包括未知变量、参数方向未知和信号源扰动等情况的不确定参数,因此使用反步法所设计的控制策略相比于无源法和反馈线性化方法具有更高的控制精度。应用反步法对电压型PWM整流器实施自适应控制,能明显改善动态和静态性能。
针对PWM整流电路在dq坐标系下的数学模型,反步法的设计思路如下: 首先将(1)式通过等价变换,转换为倒三角形式[6-7];接下来是控制器设计,对于(1)式所描述的三阶系统, 控制器设计分为三步,第一步只考虑第一个微分方程,设计虚拟控制率保证内核系统的追踪性能。第二步是考虑第二阶系统,并对得到的虚拟控制率逐步修正算法,如此类推,完成系统的控制器设计;最后是用经典非线性控制稳定理论,即李雅普诺夫稳定理论来倒推控制率。
应用反步法,建立带有扰动的基于脉宽调制技术的电压型整流电路模型的自适应控制器状态方程为[8]:
状态方程:
式中C1,C2 ,C3是正常数,1和2是扰动信号,R和L分别是三相电源的滤波电阻和滤波电感,x2可以下式确定:
设C1=C2 =C3=2,无扰动情况下: 1=0,2=0,此时1=0,2=0,则z1, z2,z3 的仿真结果如图1所示。假设扰动信由二和三次谐波构成,扰动信号的表达式为
选择1=16.5sign z2,2=25sign z3 状态变量 仿真曲线 如图2所示
仿真结果表明,在无扰动的情况下,没有设计1,2,系统的状态变量将在4到5秒时间内趋于稳定,控制误差为零。有扰动情况下,根据李雅普诺夫稳定理论所设计的1和2,能够有效的抑制扰动所产生的系统震荡,输出电压能够从0快速达到目标值240伏。实际输出电压能够在0.1秒内逼近目标输出电压, 控制过程无振荡,且超调量近似为零。
3 结论
自适应控制技术 篇9
近二十年来,火电厂单元机组越来越向大容量、高参数、高效率的方向发展,对机组热工自动控制系统控制品质的要求也随之提高。为了保证单元机组的正常运行以及高度的安全性、经济性,对单元机组的自动化水平提出了更高的要求。传统的控制方法已经不能满足生产的要求,用先进的控制策略取代常规控制策略成为过程控制发展的趋势。循环流化床锅炉是一个分布参数、非线性、时变、大滞后、多变量紧密耦合的对象。由于其燃烧过程的复杂性和特殊性,使得循环流化床锅炉的自动控制比常规炉要复杂得多。研究循环流化床锅炉控制系统的特点,设计适应循环流化床锅炉的控制方案,提高流化床的运行效率和环保效益,是很有必要的。其中,锅炉负荷的升降过程目前多由当班操作人员根据经验,处于手动操作。故整个过程稳定性较差。人为因素较多。其控制上的不足主要表现在:没有一个统一的操作规程,每个司炉均有各自的操作方式及习惯,个体差异较大。炉床温度及炉膛出口温度波动范围大;由于操作幅度较大,主汽温度经常超限,影响蒸汽品质。操作工操作一般都处于过渡过程,基本没有达到最佳风煤比及最佳返料量。
采用自适应采样模糊控制技术控制可以弥补上述不足,其主要优点是:
1)控制规则统一,控制相对稳定。
2)真正做到“少量多次”,操作幅度不会过大。
3)遇到紧急情况能冷静分析,沉着操作,不会“头脑发热”,引起误操作。
4)有可能再进行上层优化。
2 自适应模糊采样控制方案的选择
2.1 采样控制方案
针对常规PID控制方案很难控制纯滞后时间比较大的过程。采样控制的方案即采用“调一下、等一等”的方法:即当控制器输出达一定时间后,就不再使输出变化了,而是保持此输出值直到控制作用的效果在被控量变化中反映出来为止,然后再根据偏差的大小决定下一步的控制动作。这种方法的核心思想是避免控制器进行不必要的误操作,而宁愿让控制作用弱一些。
当控制器具有积分作用时,采样控制的动态特性如下图1所示:
上图1中,△Tc是控制器的控制作用(运算输出)的时间,△Th是控制器控制输出的保持时间。采样控制的工作过程是:当被调参数出现偏差e(t)以后,只有在采样开关闭合的时间△Tc内,控制器才根据这个偏差信号进行相应的控制运算(积分作用),并输出给执行机构;当时间过△Tc区(控制区)后,采样开关立即打开,控制器的停止控制运算,输出保持在采样开关切断时的控制器的输出值上,这个输出值将维持△Th的一段时间(保持区);然后再进入△Tc的控制区,控制器又开始积分作用。如此周而复始,直到偏差完全消除。
这是一种断续的控制方式,它无需掌握精确的数学模型,就能克服被控变量中纯滞后对控制带来的不利影响,但是必须注意此时采样控制保持时间的选取应略大于过程的纯滞后时间。
2.2 自适应采样-模糊控制器的设计
针对实际工况的需求,结合模糊控制的特点,本文选取结合了采样控制与模糊控制各自优点的控制方案:根据偏差的大小调整采样控制的周期和限制控制作用的范围,该方法能使系统具有缓慢、平稳的过度曲线。且相对于常规PID控制没有较大的超调量。具体控制思想如图2所示。其中T为计时器,Tc为采样控制器的周期。
该方案的特点是,根据偏差的大小,查询规则库,首先设置控制器的采样控制周期的大小,同时确定控制器的控制输出大小。其中,采样控制的控制周期由根据现场工艺设备人员对循环流化床锅炉负荷变化特性操作经验的总结而建立的规则库确定;比如,负荷调整相对10%,大概需要至少2分钟的时间来过渡。5%的调整量需要大约1分钟的过渡时间。
3 以床温为中间被控对象的串级负荷控制系统
在设计循环流化床锅炉汽压控制系统时,要首先考虑如何实现汽压与床温的解藕,因为床温与汽压之间存在严重的耦合。床温的波动将直接影响到主蒸汽压力的稳定。根据多年来循环流化床锅炉现场运行经验,正常情况下一次风是不动的,所以当锅炉负荷发生变化时,给煤量就会随之变化,煤量的变化首先是反映在床温的变化上,然后才能作用到主汽压力上。根据这一特点,本文选用一种以床温为中间被控对象的串级负荷控制系统。
主控制器为自适应采样模糊控制器,其输入为锅炉负荷的偏差,输出为锅炉流化床温控制器的输入值,当床温发生扰动时,很快的就反应到内环控制器上,控制器动作以尽快地消除扰动。当燃料发后扰动时,也会第一步反应到床温变化上,有可能在汽压变化前通过内环来消除扰动。当锅炉的负荷发生变化时,主控制器动作,使床温的设定值随之发生相应的缓慢的改变,然后通过调整给煤量来调整床温,从而使主汽压力逐步过渡到设定值。以此来实现锅炉负荷的条件。这种方法即兼顾了床温也调整了负荷,避免了床温与负荷分别调整带来的相互藕合干扰,体现了循环流化床锅炉以床温控制为中心的特点,解决了床温与负荷的耦合关系对控制过程的影响。
4 控制方案的实施
4.1 床温控制
炉床温度是循环流化床锅炉稳定运行与否关键是炉床温度是否稳定。炉膛出口温度要视负荷大小而定:一般主汽流量70t/h时为840℃～850℃,60t/h时为810℃～830℃,低负荷35t/h时为650℃～700℃,同时考虑到床温调节要遵循相应规程如先减煤,再减风,观察;再减煤,再减风,直至符合要求。做到少量多次,走一步,看一步。故副回路内环的床温控制器设计选用根据操作经验建立的模糊规则库来控制。
4.2 自适应采样模糊控制规则的工程实现
JX-300系统是浙江中控的DCS产品,在国内企业占有一定的市场份额。JX300的组态软件中常规控制回路的输入和输出只允许AI和AO,对一些有特殊要求的控制,用户必须根据实际需要自己定义控制方案。系统提供了SCX语言编程和图形编程二种方式实现。本文选择直观的图形编程来实现上述采样模糊控制器。
对偏差的处理判断调用比较模块,如偏差范围E为0.00-1.00,当E>=0.10时,置控制器输入为0.10,采用控制时间为120000毫秒。由此实现模糊控制规则:
该条规则具体实现如图3所示。其余类推。其中控制器的参数可运行监控软件后由工程师身份登录后设置。
自适应采样模糊控制规则参数如表1所示:
表1中E单位为百分比,Tc单位为毫秒。
5 结论
从某厂实用情况来看,以自适应模糊采样控制器为基础的循环流化床锅炉负荷自动调节系统能在一定范围内满足生产实际需求,取得了满意的效果。
参考文献
[1]郭建博.周期时变时滞非线性参数化系统的自适应学习控制[J].自动化学报,2009,34(12):1556-1560.
[2]刘霞,刘继承,等.基于自适应模糊推理的非线性系统辨识器设计[J].化工自动化及仪表,2006,32(2):311-316.
[3]李茜,李彬,等.模糊自整定PID控制器的设计与仿真[J].化工自动化及仪表,2009,37(3):25-28.
[4]谭超.基于自适应模糊PID的中药提取温度控制[J].控制工程,2005,24(8):77-79.
[5]王宏伟,于驰,等.基于自适应模糊控制的主动队列管理算法[J].系统仿真学报,2009,19(5):527-530.
复杂网络有限时间自适应同步控制 篇10
1 问题描述①
考虑包含N个节点且具有线性耦合的复杂网络,第i个节点动态描述如下:
其中,xi∈Rn为第i个节点的状态矢量;f:Rn×R+→Rn表示连续可微矢量函数;Γ=diag{z1,…,zn}为内部耦合矩阵且满足zi>0;c(t)为时变耦合强度;L=(lij)N×N代表节点之间的外部耦合矩阵,若节点j与节点i之间存在连接,则lij=lji>0,否则lij=lji=0(i≠j),同时该外部耦合矩阵对角元素定义为;ui(t)为控制输入。
定义s(t)是复杂网络的同步解,假设存在且是唯一的,并且满足,作为复杂网络的同步解s(t)可以是一个平衡点、周期轨或混沌轨迹。
定义节点误差ei(t)=xi(t)-x(t),可得,令第i=N个节点为驱动节点,同步误差ei(t)=xi(t)-xN(t),则系统的网络误差动态重写为:
则对复杂网络(1)的有限时间参数自适应同步问题可描述为:复杂网络(1)在ui控制作用下,引入参数c(t)的自适应律,在t≥t*时实现ei→0,即实现网络的有限时间参数自适应同步。
在给出结论之前,提出假设1、2。
假设1假设x、y∈Rn,存在一个正常数li满足f(xi,t)-f(yi,t)≤li(xi-yi)。
若有界,则很多系统都满足此条件,如Chen系统、Lü系统及Lorenz系统等。
假设2时变耦合强度c(t)的估值误差有界,且,其中Bc是已知常数。
对于网络(1)各个节点的动态应满足假设1、2。
笔者的目标是设计合适的反馈控制律和参数自适应控制律,使复杂网络(1)实现有限时间参数自适应同步。
2 有限时间自适应控制器设计
网络误差动态可重写为:
令,为参数估计值,为参数估计误差,c为参数的最佳调节数值,并且有。因此,复杂网络有限时间同步问题就转化成与它等价的误差系统的有限时间稳定问题。
设计控制协议如下:
其中,k、α是任意的常数,k>0和α>0;sign(ei)=(sign(ei1),sign(ei2),…,sign(ein))T。参数自适应律为:
定理1考虑由式(1)描述的复杂动态网络,令假设1成立,节点之间无向连通,则在控制协议(4)的作用下,若控制增益的自适应律为(5),则该网络在有限时间内实现同步。其中
证明考虑Lyapunov函数,对Lyapunov函数求时间导数,则:
证毕。
所以,网络误差在有限时间内达到零,则复杂网络可在有限时间内达到同步。
3 仿真研究
Lorenz系统是典型的混沌系统,其线性方程描述如下:
其中a=10,c=28,b=8/3。依据文献[6]的例子,可知Lorenz系统满足假设1,选择初始值,其中xi=[xi1,xi2,xi3]T,取第5个节点作为驱动点,α=0.8,k=2,li=10,又根据|珓c(t)|≤Bc,取Bc=20,内部和外部耦合矩阵分别取为:
复杂网络(1)在控制协议(4)和自适应律(5)作用下实现同步,耦合参数变化曲线和网络同步误差曲线分别如图1、2所示。由仿真图形可知耦合参数c大约在t=0.4s开始迅速变化,在大约t=1.0s后逐渐趋近于一个稳定值,因此,在本例中参数快速达到其最佳值c=16.67。
由图2可知,复杂网络各节点分量随着自适应控制的作用下,在大约在t=0.5s后网络同步误差趋于零,网络(1)实现有限时间同步。
节点之间的耦合参数c时变未知,图2表明了在自适应控制律的作用下各节点分量的同步误差变化情况,很明显各同步误差曲线快速集中到零点,结合图1可知自适应参数c也随着各误差分量迅速收敛到零时也达到最佳值。通过以上的仿真可知,当实际复杂网络系统中节点未知耦合参数的情形,通过参数自适应控制来实现对未知参数的控制,从而降低了耦合参数取值的保守性,为含未知不确定的复杂网络同步提供了研究基础。
4 结束语
针对含有未知耦合参数的复杂网络有限时间同步问题,设计了非光滑控制协议和自适应控制律,并应用稳定理论证明了复杂网络的耦合参数能快速达到其最佳估值,且同步误差也快速收敛到零。最后通过Lorenz系统进行了数值验证,证明了所提控制方案的有效性。但在实际的复杂网络中客观存在一些不确定因素,例如网络中所含的建模错误、参数扰动、噪声干扰及系统中可能存在的未知干扰等,这些不确定因素对复杂网络同步控制也带来了挑战,也是今后研究的一个重要课题。
摘要：针对含有未知耦合参数的复杂网络,研究其有限时间自适应同步问题。设计了非光滑控制协议和参数自适应律,基于稳定性原理给出了无向连通网络实现有限时间自适应同步的充分条件,从而降低了耦合参数取值的保守性。最后通过仿真实例验证了所提方法的可行性。
关键词：同步控制,复杂网络,有限时间,自适应
参考文献
[1]秦补枝.小世界网络自适应多目标控制[J].化工自动化及仪表,2010,37(6):24~28.
[2]关学忠,刘金龙,高哲,等.基于复杂网络的电网元件脆弱性分析[J].化工自动化及仪表,2015,42(10):1104~1108.
[3]Bian Q X,Yao H X.Synchronization in a Class of Complex Dynamical Networks with Nonlinear Coupling[J].International Journal of Nonlinear Science,2010,10(3):370~377.
[4]Yu W W,Chen G R,Cao M.Consensus in Directed Networks of Agents with Nonlinear Dynamics[J].IEEE Transactions on Automatic Control,2011,56(6):1436~1441.
[5]张丽丽,王银河,王钦若.不同维数非线性节点非线性耦合复杂动态网络渐近同步[J].控制与决策,2014,29(3):537~540.
自适应控制技术 篇11
关键词：火电厂自适应预估控制DCS系统
0 引言
随着我国现代科学技术的不断进步，对火力发电组的要求越来越高。为了提高火电厂的生产效率，并顺应时代的发展需求，必须对其进行自动化控制，以确保火力发电组的高效生产。目前分散控制系统（DCS）在我国大多数火电厂中得到了广泛的应用，对火力发电的生产、监督、管理等方面发挥着巨大的作用。本文就自适应预估控制技术在火电厂DCS中的应用进行了研究分析，从而使DCS发挥出最大的价值，促进我国火电厂更好更快的发展。
1 自适应预估控制系统概述
在科学技术日新月异的今天，我国大多数火电厂的发电组仍然沿用了比较传统的控制方法，对火电厂的生产、监督与管理带来了诸多不便，使电厂存在较大的滞后性和惯性，降低了火电厂生产的效率。为了提高火电厂运作的稳定性和安全性，必须改进其控制方式，确保机器设备的正常使用。在这样的背景下，自适应控制系统应运而生，在考虑到火电厂生产滞后性和不稳定性的情况，可以在系统运行过程中进行不断的测试，根据系统各方面的参数指标，按照调控系统的参数变化提高系统运行的稳定性。随着近年来计算机技术、通信技术和CRT显示技术的不断发展，在自适应控制系统的基础上，自适应预估控制系统的出现，无疑对火电厂生产的稳定性和收敛性带来了机遇和挑战。
自适应预估控制系统是一种本质非线性系统，虽然火电厂引入了大量的先进技术，但是由于火力发电生产过程的复杂性，存在大量的特性时变、强耦合、非线性等干扰情况。目前由于建立在PID技术上的传统控制策略具有简单、易于掌握的特性而得到了广泛的应用，但是在实际的操作过程中却不能发挥出最大的功能价值。传统的控制策略容易受到不同因素的干扰，使系统难以稳定安全的运行，不能较好的解决火电厂生产滞后大、惯性大等问题。另外，在发电机组设备发生异常情况时，传统的控制策略并不能对其进行科学的调控与处理，无法满足负荷较大机组的运行。自适应预估控制在我国火电厂生产中取得了较大的成效，但是仍然存在自适应调整回路滞后问题。随着模糊控制、神经控制等智能控制方式的发展，提出了模型参考自适应预估控制方法（MRAPC），该方法在火电厂主汽温、燃烧等大滞后，以及参数时变的实际控制系统中实现了自适应预估控制算法，促进系统控制效果大大提高。
2 自适应预估控制在火电厂DCS中的应用
传统的控制策略无法在火电厂的DCS中发挥最佳的功能，自适应预估控制系统的出现较好的解决了DCS运行的问题。当前MRAPC的运行主要通过人工控制，通过网络对火电厂的DCS进行干涉，不仅能保证DCS系统通信的开放性，还可以提高网络通信质量。同时也可以将各类计算机语言下载到DCS控制器中，如C语言、Java语言等，充分利用DCS系统的软硬件资源，在提高系统稳定性的同时也加强了自动化控制水平。目前，自适应预估控制在火电厂的气温控制系统以及燃烧协调控制系统中得到了广泛的应用。
2.1 MRAPC在火电厂燃烧协调控制系统的应用
在火电厂主蒸汽压力控制系统中，采用MRAPC算法，能较好的解决系统迟钝等问题。在燃烧协调控制系统中，为了促进上发电机组负荷跟踪速度的加快，可以在非线性为补偿的基础上，采用能量平衡前馈信号。运用MRAPC算法，在正常情况下，系统在依靠反馈控制系统下，主汽压能维持在±0.2MPa左右。但是在实际生产中，由于发电组单机容量增大，汽轮机相对热容量减少，这就使得必须通过燃烧给煤率的变化来满足负荷的变化。在燃烧协调控制系统中应用自适应预估控制方案，实现了燃烧协调控制系统传统的自动控制，提高了发电机组的稳定性，为整个机组投入AGC远程调度控制奠定了基础。
2.2 MRAPC在火电厂气温控制系统的应用
火电厂气温控制系统主要包括主汽温控制系统和再热汽温控制系统。主汽温控制系统往往需要提高蒸汽温度来促进机组热效率的提升，但是因怕温度过高对汽机造成损坏，威胁发电机组的运行安全性。因此采用自适应预估控制方案，既改善了主汽温控制系统的性能，还大大提高了系统的抗干扰能力和自动化控制水平。再热汽温控制系统与主汽温控制原理相似，也是一个串级形式的自适应预估控制系统，利用PID对参数进行调整，不仅能提高系统的稳定性，还能增加系统对输出扰动的抑制能力。从火电厂DCS整体来看，自适应预估系统在近年来取得了不错的成就，达到了预期的控制效果。
3 结束语
自适应预估控制方案的出现，无疑对火电厂DCS系统带来了新的机遇，同时也较好的满足了自适应控制系统自身的发展要求。虽然目前火电厂生产中仍然存在较多的问题，但是只要充分的利用DCS系统的软硬件资源，对系统进行不断的优化，从而促进DCS系统运行的稳定性和安全性，为我国电力产业做出更多的贡献。
参考文献：
[1]王杰，高昆仑，王万召.基于OPC通信技术的火电厂DCS后台控制[J].电力自动化设备，2013，04:142-147.
[2]陈林海.基于控制历史的自适应PID控制方法及其在热工过程中的应用[D].重庆大学，2013.
[3]刘芳.Smith自适应辨识控制算法在间歇式反应釜釜温控制
一种自适应主动控制队列算法 篇12
关键词：RED,拥塞控制,路由缓冲资源
本文在分析RED算法基础上, 提出了一种新型AQM算法, 能够动态调整Pmax参数, 并且采用非线性函数代替原有的丢包率计算方法.通过动态调整Pmax来调整向源端发送拥塞通知的速率, 维持队列的稳定;通过新丢包率计算方式, 提高缓冲的利用率和使队列长度尽量稳定于期望值附近。
1、一种新的自适应RED算法
丢包率p相对于RED算法在Qmin附近取值更趋近零, 并且随着参数k的取值而改变.K值决定队列的期望值, 如果是期望值是, 则k值取2。
(2) 调整Pmax算法
修改Pmax算法描述如下:
2、结语
本文提出一种改进的算法, 新算法在队列控制和丢包率控制方面优于RED算法。
参考文献
[1]S.Floyd, V.Jacobson.Random early detection gateways for con-gestion avoidance.IEEE/ACM Transactions on Networking, 1993, 1 (4) :397-413.
[2]F.P.Kelly, A.Maulloo and D.Tan.Rate control in communicationnetworks:shadow prices, proportional fairness and stability.Journalof the Operational Research Society, 1998, 49:237-252.