基于單神經(jīng)元自適應(yīng)PSD的汽包液位控制

常杰鋒，陳 圓

（中冶南方工程技術(shù)有限公司 自動化設(shè)計二所，武漢 430223）

在工業(yè)控制領(lǐng)域，鍋爐汽包液位的控制是鍋爐運行的重要環(huán)節(jié)，穩(wěn)定的汽包液位是保證鍋爐運行安全、提高鍋爐運行效率的重要因素。鍋爐運行過程中，汽包液位同時受鍋爐負荷變化、工作環(huán)境等多種因素的影響，其動態(tài)特性具有慣性大、滯后時間長、非線性時變的特點，因此汽包液位的穩(wěn)定控制問題比較復(fù)雜。實際中應(yīng)用較多的三沖量PID控制方法統(tǒng)籌考慮了鍋爐負荷、給水流量波動對汽包水位造成的影響，在鍋爐汽包穩(wěn)定工況下控制品質(zhì)良好。該控制方法的PID參數(shù)在運行初期通過人工整定獲得，這在實際工程中往往難以一次性整定得到最佳狀態(tài)，并且隨著鍋爐運行時間、工況的變化，PID參數(shù)可能需要不定期的人工重新整定，這不利于鍋爐連續(xù)安全運行。

神經(jīng)網(wǎng)絡(luò)是工業(yè)控制領(lǐng)域中具有重要影響的先進控制方法，它模擬人的思維活動，是解決非線性和不確定性系統(tǒng)的有效工具。當前，將神經(jīng)網(wǎng)絡(luò)與PID控制相結(jié)合是一個新的研究熱點。其中，單神經(jīng)元自適應(yīng)PSD算法是數(shù)字PID算法與神經(jīng)網(wǎng)絡(luò)的有效結(jié)合，其物理意義明確、易于工程實現(xiàn)。

本文針對汽包液位控制中存在的問題，提出基于單神經(jīng)元自適應(yīng)PSD算法的液位控制方法，在保留了傳統(tǒng)三沖量控制方法優(yōu)點的同時，獲得神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)和非線性處理能力，提高了控制品質(zhì)。

1 鍋爐汽包工藝流程

鍋爐汽包工藝流程如圖1所示，水在泵的輸送力作用下流向汽包，流動過程中受爐膛的加熱不斷升溫直至汽化，到達汽包后水和蒸汽分離。水匯集于汽包下部，通過下降管和上升管受熱持續(xù)自循環(huán)汽化。蒸汽在汽包上部聚集并向外輸送，用來驅(qū)動汽輪機等設(shè)備。汽包給水流量大小通過泵出口調(diào)節(jié)閥開度變化或者泵轉(zhuǎn)速變化來調(diào)節(jié)。

圖1 鍋爐汽水工藝流程示意圖Fig.1 Flow of boiler

在鍋爐運行過程中，汽包液位穩(wěn)定的影響因素有很多，其中主要的是給水流量和蒸汽流量。當給水流量增加時，由于給水的溫度相對較低，從原有飽和水中吸收熱量，對汽包水容積有減小作用，所以汽包水位剛開始不會立即上升，而是表現(xiàn)出起始慣性段；當蒸汽負荷增加時，從物料平衡方面講，蒸汽量大于給水量，水位應(yīng)該下降，但是實際中，蒸汽負荷突然增加會造成汽包壓力降低，汽水混合物中蒸汽容積迅速增加，水位反而迅速上升，即“虛假水位”現(xiàn)象[1]。另外，隨著鍋爐設(shè)備運行時間的增加以及環(huán)境因素變化，爐體內(nèi)影響汽水變化的對流管束的物理特性會隨之發(fā)生變化，這會引起模型失配的問題。總之，鍋爐汽包液位系統(tǒng)是一個慣性大、滯后時間長、非線性時變的系統(tǒng)。

2 汽包液位控制方法

2.1 整體框架結(jié)構(gòu)

鑒于鍋爐運行過程中，汽包液位控制的復(fù)雜性，本文采用基于單神經(jīng)元自適應(yīng)PSD算法的鍋爐汽包液位控制方法。如圖2所示，該方法借鑒傳統(tǒng)的三沖量PID控制的優(yōu)點，同樣以汽包液位、給水流量和蒸汽流量三個變量作為處理對象，控制系統(tǒng)整體采用前饋+串級的結(jié)構(gòu)。其主調(diào)節(jié)器采用以汽包液位為檢測和控制變量的常規(guī)PID調(diào)節(jié)器，汽包液位的設(shè)定值與實際測量值的偏差經(jīng)過PID調(diào)節(jié)器運算的輸出為給水流量的設(shè)定值；汽包外供蒸汽流量測量值作為前饋量，來抑制“虛假液位”對汽包液位穩(wěn)定的不利影響。

圖2 基于單神經(jīng)元自適應(yīng)PSD算法的鍋爐汽包液位控制框圖Fig.2 Boiler drum level control based on single neuron adaptive PSD algorithm

圖2 中，LT為汽包液位實際測量值；Fw為給水流量實際測量值；Fs為蒸汽流量實際測量值；SP為汽包液位設(shè)定值；e（k）為給水流量偏差值；u（k）為給水流量調(diào)節(jié)器輸出值，作為給水調(diào)節(jié)閥的開度給定值。

其副調(diào)節(jié)器采用以給水流量為檢測和控制變量的單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器，這優(yōu)于傳統(tǒng)的三沖量PID控制。副調(diào)節(jié)器處于控制框圖的內(nèi)環(huán)，主調(diào)節(jié)器和前饋量的作用整合后最終通過副調(diào)節(jié)器作用給執(zhí)行機構(gòu)（如調(diào)節(jié)閥、變頻泵等），因此一方面“虛假液位”等因素帶來的波動在副調(diào)節(jié)器輸入前已抵消，使副調(diào)節(jié)器的運算更加平穩(wěn)快捷；另一方面，副調(diào)節(jié)器所具備的自適應(yīng)等優(yōu)秀特性可使控制全局獲得。

2.2 單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器設(shè)計

作為副調(diào)節(jié)器的單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器結(jié)合數(shù)字PID、神經(jīng)網(wǎng)絡(luò)和自適應(yīng)算法的特點，利用三輸入單神經(jīng)元節(jié)點模擬常規(guī)PID，同時進行三個參數(shù)的動態(tài)優(yōu)化和增益的在線自學(xué)習(xí)調(diào)整。該算法無需辯識過程參數(shù)，只要在線檢測出期望輸出和實際輸出，即形成自適應(yīng)控制規(guī)律。

2.2.1 控制原理

單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器的控制原理如圖3所示，包括三部分的功能：輸入轉(zhuǎn)換、神經(jīng)推理、參數(shù)自學(xué)習(xí)。

圖3 單神經(jīng)元自適應(yīng)PSD控制框圖Fig.3 Single neuron adaptive PSD control diagram

（1）輸入轉(zhuǎn)換

將主調(diào)節(jié)器輸出的給水流量設(shè)定值、前饋量（汽包外供蒸汽流量測量值Fs）與給水流量實際測量值 Fw 取差值，得到給水流量偏差值 e（k），e（k）即單神經(jīng)元自適應(yīng)PSD調(diào)節(jié)器的輸入值。e（k）通過算法轉(zhuǎn)換器轉(zhuǎn)換得單神經(jīng)元的三個輸入分別為：x1（k）=Δe（k），x2（k）=e（k），x3（k）=Δ2e（k）。 轉(zhuǎn)換方程見式（1）。三個輸入分別對應(yīng)對給水流量偏差值e（k）的比例、積分、微分作用。

（2）神經(jīng)推理

單神經(jīng)元三個輸入 x1（k）、x2（k）、x3（k）通過單神經(jīng)元的推理運算得到給水調(diào)節(jié)閥的閥位變化值Δu（k），Δu（k）與原輸出給定閥位值 u（k-1）求和得調(diào)節(jié)器輸出u（k）作為給水調(diào)節(jié)閥的開度給定值。單神經(jīng)元自適應(yīng)PSD控制的推理運行方程為

式中：K（k）為全局增益系數(shù)；wi′（k）為歸一化的輸入權(quán)系數(shù)。

（3）參數(shù)自學(xué)習(xí)

給水流量調(diào)節(jié)器輸出后，根據(jù)實際的汽包液位控制效果，對比汽包液位測量值、蒸汽流量測量值、給水流量測量值和其相應(yīng)的設(shè)定值，取相應(yīng)偏差值 e（k）、調(diào)節(jié)器輸出值 u（k），進行算法參數(shù)—權(quán)系數(shù)和全局增益的自學(xué)習(xí)、自適應(yīng)，來優(yōu)化控制參數(shù)。

權(quán)系數(shù) wi（k）的自學(xué)習(xí)：連接權(quán)系數(shù) wi（k）的學(xué)習(xí)策略采用有監(jiān)督Hebb學(xué)習(xí)規(guī)則，規(guī)則表達式如式（3）所示，神經(jīng)元根據(jù)給水流量偏差值 e（k）的變化對環(huán)境信息進行相關(guān)學(xué)習(xí)和自組織，使相應(yīng)的輸出增強或削弱。

式中，ηi∈［0，1］為學(xué)習(xí)速率。

全局增益K的自學(xué)習(xí)：全局增益系數(shù)K（k）根據(jù)給水流量偏差值e（k）的變化采用由Marsik給出的遞推算式在線學(xué)習(xí)方法[2]：

式中： 學(xué)習(xí)系數(shù) C∈［0.025，0.05］；L∈［0.05，0.1］；sign（x）為符號函數(shù)。

2.2.2 程序?qū)崿F(xiàn)

在鍋爐汽包液位控制系統(tǒng)的程序編程中，根據(jù)神經(jīng)元自適應(yīng)PSD控制原理式（1）～式（4），實現(xiàn)給水流量調(diào)節(jié)，控制流程如圖4所示。

圖4 單神經(jīng)元自適應(yīng)PSD控制程序流程圖Fig.4 PSD control program flow of single neuron adaptive

第 1 步 確定算法常數(shù) ηi、C、L 的取值。 η1、η2、η3表征比例作用、積分作用、微分作用的學(xué)習(xí)強度，其取值調(diào)整方法類似于PID系數(shù)。若系統(tǒng)上升時間太長，可增大η1、η3；若超調(diào)迅速下降至低于給定值，此后，又緩慢上升至穩(wěn)態(tài)，時間太長，則可減少η1，增加積分項作用 η2；系統(tǒng)延時大，為減少超調(diào)，η1、η3應(yīng)該適當大些。根據(jù)神經(jīng)元網(wǎng)絡(luò)的特點，其初值可設(shè)定為 η1=η2=η3=0.02。 學(xué)習(xí)常數(shù) C、L 過大，全局增益系數(shù)K變化太快，調(diào)節(jié)器易超調(diào)；C、L過小，全局增益系數(shù)K變化太慢，神經(jīng)元調(diào)節(jié)器調(diào)節(jié)優(yōu)化過程緩慢。

第2步 確定神經(jīng)元連接權(quán)系數(shù)初始值wi（0）、增益K的初始值K（0）、Marsik遞推算式T的初值T（0）。增益K的取值，若系統(tǒng)超調(diào)過大，則減小，若過渡過程時間太長，則增大。權(quán)系數(shù)初始值wi（0）和增益K的初始值K（0）按照下式確定[3]：

式中：Kp，Ki，Kd為 PID 控制器的最優(yōu)整定值。傳統(tǒng)三沖量PID控制器中脫開主調(diào)節(jié)器回路和前饋量的作用，使用試湊法或者飛升曲線法對副調(diào)節(jié)回路的PID控制器進行整定，獲得Kp，Ki，Kd的最優(yōu)整定值。由于神經(jīng)元的自學(xué)習(xí)能力，權(quán)系數(shù)的初值對權(quán)系數(shù)以后的學(xué)習(xí)效果影響不大，一般可以選擇0.01～1.00之間的3個相等的數(shù)。 通常取 T（0）=L。

第3步 從工藝系統(tǒng)儀表測量獲得汽包液位、給水流量以及蒸汽流量的實際值。

第4步 計算給水流量偏差信號e（k），并根據(jù)算法公式得到單神經(jīng)元輸入xi（k）。

第5步 控制器計算給水調(diào)節(jié)閥閥位輸出給定值 u（k）。

第6步 根據(jù)算法公式修正算法參數(shù)—權(quán)值wi（k）、K（k）、T（k）。

第7步 k=k+1，返回第3步。

3 實際應(yīng)用

在某廠75 t/h燃氣鍋爐汽包液位控制系統(tǒng)中，按照本文所述基于單神經(jīng)元自適應(yīng)PSD算法的控制方法對其原三沖量PID控制進行改進。系統(tǒng)原控制算法的副調(diào)節(jié)回路的PID參數(shù)在運行初期70 t/h負荷下整定得Kp=8、Ki=1、Kd=0，獲取鍋爐運行在60 t/h負荷、70 t/h負荷下的汽包液位趨勢如圖5（a）、5（c）。 切換至改進算法后，取初值 K（0）=9、w1（0）=0.9、w2（0）=0.1、w3（0）=0、η1=η2=η3=0.02、C=0.025、T（0）=L=0.05。經(jīng)過算法自學(xué)習(xí)，參數(shù)逐步收斂，獲取鍋爐運行在60 t/h負荷下的汽包液位趨勢如圖5（b），此時單神經(jīng)元自適應(yīng)PSD控制算法參數(shù)K=7.56、w1=0.88、w2=0.14、w3=0.05； 獲取鍋爐運行在70 t/h負荷下的汽包液位趨勢如圖5（d），此時單神經(jīng)元自適應(yīng)PSD控制算法參數(shù)K=8.72、w1=0.92、w2=0.11、w3=0.04。

通過對比圖 5 中（a）～（d）的趨勢曲線發(fā)現(xiàn)，算法改進后的液位控制系統(tǒng)可自學(xué)習(xí)適應(yīng)不同負荷狀態(tài)下，鍋爐運行進入穩(wěn)定狀態(tài)后，汽包液位（液位設(shè)定值SP=0 mm）在0 mm上下的波動幅度減小，波動頻率降低，相對算法改進前更加穩(wěn)定。

圖5 汽包液位趨勢圖Fig.5 Boiler drum level trends

4 結(jié)語

本文所述基于單神經(jīng)元自適應(yīng)PSD算法的控制方法不依賴精確的對象模型，理論成熟且容易實現(xiàn)。采用該方法后，鍋爐汽包液位的動態(tài)特性和靜態(tài)特性均得到有效的改善，并且獲得神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，可根據(jù)鍋爐汽包運行工況變化動態(tài)整定控制參數(shù)，在實際生產(chǎn)中實現(xiàn)了對汽包液位的優(yōu)化控制，提高了生產(chǎn)效率。

[1] 陳立甲.電站鍋爐燃燒系統(tǒng)和汽水系統(tǒng)建模方法的研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2000.

[2] Marsik J.A new conception of digital adaptive PSD control[J].Problems of Control and Information Theory，1983（12）：265-276．

[3] 龔菲，王永驥.基于神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定與實時控制[J].華中科技大學(xué)學(xué)報：自然科學(xué)版，2002，30（10）：69-71． ■