一类自适应模糊控制方法研究及在锅炉汽温控制中的应用胡一倩.docxVIP

1、引言模糊控制对非线性或不确定性对象具有良好的控制效果，且已较多的应用于大型火电机组的相关控制系统中[1~5]，解决了许多常规 PID 控制难于解决的实际工程问题。 但当火电机组的工况（负荷）发生变化时，其被控过程的特性有较大的改变，控制系统的品质会变差。而且常规模糊控制所依懒的模糊控制规则往往仅依据一个或几个专家经验确定， 必然造成模糊控制规则的粗糙和不完善。因此，为改善模糊控制的品质，必须使模糊控制器具有随机组工况变化的自适应能力，这就要求实时地调整模糊控制规则，但在实际应用中所采用的模糊控制规则往往较多，且规则的前提参数和结论参数与控制系统品质之间关系又不明显，造成了通过直接调整规则参数来使控制系统具有自适应能力的方法难于取得应用性的进展。 尽管文[6]、 [7]利用神经网络来对模糊控制规则进行学习，但所提出的自适应模糊控制算法十分复杂，很难在工程上实现。提出一个简单实用的自适应模糊控制算法是热工控制工程师所关心的问题。 文[8]~[10]在常规PD 型模糊控制系统的基础上，通过引入积分环节，提出了 PID 型的模糊控制器，从而可消除模糊控制系统的稳态偏差。 2 PID 型模糊控制系统 一般的模糊控制器是以被调量与定值之间的误差和误差变化率为输入变量，因此它具有类似于常规 PD 控制器的作用，采用该类模糊控制器的控制系统可以获得良好的动态品质，但被调量的稳态偏差难于消除。为能消除控制系统的稳态偏差，可采用如图 1 所示的 PID。 图 1 中，控制规则可采用如下形式：if e is Ai and e is Bj, then u is ui,j (1)不失一般性, 假设模糊集合 Ai， Bj 的隶属函数为如图 2 所示的三角形函数， ui,j 为控制规则的单值型输出。 现假定时刻 t 的输入 e 落在[ei, ei+1]之间， e 落在[ e j , e j+1]中, 其中 ei, ei+1分别为模糊子集 Ai， Ai+1的核心， e j , e j+1分别为模糊子集 Bj， Bj+1 的核心，其关系如图 2 所示。采用代数积-加法-重心模糊推理法[9,10]，可推导获得 PD 型模糊控制器的数学表达式为u = A + Pe + De (2)式中由此可获得图 1 中整个 PID 型模糊控制器的输入、输出关系为：由式(3)，整个模糊控制器的输入、输出关系可近似看作是一个比例-积分-微分关系, 其中比例系数为akeP + bkd D ；积分系数为 bkeP ；微分系数为k Da d 。 显然，可调因子 kd 影响了 PID 型模糊控制器的比例和微分成分, 而可调因子b影响控制器的比例和积分，也就是通过调整这两个参数就可实现对 PID 型模糊控制器比例、积分和微分的综合调整，从而可实现 PID 型模糊控制系统的自适应。3 PID 型模糊控制系统与常规 PID 控制系统的仿真比较从式(2)、 (3)不难看出， 与常规的线性 PID 控制器不同， PID 型模糊控制器本质上是非线性的，为验证其有效性，本文先对该类控制系统进行仿真试验，并与常规的线性 PID 控制系统进行比较。以文[11]中所介绍的锅炉汽温被控模型作为仿真对象，在保持串级控制系统基本结构的前提下，设计 PID 型串级模糊汽温控制系统如图 3 所示。图中，各模型的参数为[11]：为设计 PID 型模糊控制器，选定控制偏差 e 的离散论域为[-11,11]、偏差变化率e 及控制作用 u 的离散论域为[-8,8]。 在本例汽温控制系统℃ 的仿真中，选择实测汽温的偏差和偏差变化率的范围分别为[-15℃ ， +15℃ ]和[-2℃ /s, +2℃ /s]，控制输出的范围为[0 mA, 10 mA]。进一步定义偏差 e、偏差变化率 e 及控制量 u的模糊语言变量子集分别如下:E： {PB(正大), PM(正中), PS(正小), Z(零),NS(负小), NM(负中), NB(负大)}CE： { PB(正大), PM(正中), PS(正小), Z(零),NS(负小), NM(负中), NB(负大)}U： { PB(正大), PM(正中), PS(正小), Z(零),NS(负小), NM(负中), NB(负大)}各模糊变量隶属度的选取可参考文[12]。 模糊规则库采用表 1 中的控制规则。本仿真试验中，选取 PID 型模糊控制器的其它相关参数为ke=0.8, kd=1.2, a=2.0, b=0.1为与文[11]中的常规串级控制系统进行比较，假定设定值信号作+1 mA 的阶跃变化，两控制系统的动态响应如图 4 所示。图中，曲线 PFLC 表示 PID 型模糊控制系统的响应；曲线 PID 则表示常规 PID 控制系统的响应。从图中不难看出，采用 PID 型模糊控制