基于遺傳算法的堿回收爐爐膛負(fù)壓模糊-PI復(fù)合控制

李　艷　王素方　萬(wàn)芙蓉

(1.陜西科技大學(xué)電氣與信息工程學(xué)院,陜西西安,710021；2.陜西未來(lái)能源化工有限公司,陜西榆林,719000)

?

基于遺傳算法的堿回收爐爐膛負(fù)壓模糊-PI復(fù)合控制

李艷1王素方1萬(wàn)芙蓉2

(1.陜西科技大學(xué)電氣與信息工程學(xué)院,陜西西安,710021；2.陜西未來(lái)能源化工有限公司,陜西榆林,719000)

針對(duì)堿回收爐運(yùn)行機(jī)理復(fù)雜,具有時(shí)變、時(shí)滯,非線性特性及很難建立精確數(shù)學(xué)模型等問(wèn)題,將模糊-PI復(fù)合控制器運(yùn)用到爐膛負(fù)壓控制中,并利用遺傳算法實(shí)時(shí)優(yōu)化模糊規(guī)則和PI控制器參數(shù)。文中分析了引起爐膛負(fù)壓變化的主要干擾因素,并據(jù)此設(shè)計(jì)了前饋-反饋控制系統(tǒng)。MATLAB仿真表明,該控制系統(tǒng)能較好地克服干擾、對(duì)象參數(shù)變化、對(duì)象結(jié)構(gòu)變化等對(duì)爐膛負(fù)壓的影響,維持了爐膛負(fù)壓的穩(wěn)定不變,提高了爐膛負(fù)壓的控制速度、控制精度及系統(tǒng)的自適應(yīng)能力。

堿回收爐；爐膛負(fù)壓；前饋-反饋控制；復(fù)合控制；遺傳算法

堿回收爐是堿回收車(chē)間的心臟,爐膛負(fù)壓是堿回收爐需要控制的關(guān)鍵參數(shù)之一,爐膛負(fù)壓的大小影響黑液燃燒系統(tǒng)的效率、熱利用率以及引風(fēng)機(jī)的負(fù)荷等。爐膛負(fù)壓過(guò)大,會(huì)使外界的冷空氣涌進(jìn)堿回收爐,降低爐內(nèi)溫度,進(jìn)而降低黑液的燃燒效率。爐膛負(fù)壓過(guò)小或者變?yōu)檎龎?會(huì)使?fàn)t膛內(nèi)的火焰、煙氣外溢,不僅會(huì)造成熱量損失,還存在潛在的安全隱患[1],故爐膛負(fù)壓必須控制在一定的范圍內(nèi)。實(shí)際運(yùn)行結(jié)果表明,爐膛負(fù)壓應(yīng)在-50～-20 Pa之間[2],這一條件對(duì)堿回收爐的穩(wěn)定燃燒、安全運(yùn)行以及黑液的燃燒效率最為有利。

在爐膛負(fù)壓控制系統(tǒng)中,采用基于遺傳算法的模糊-PI復(fù)合控制方法對(duì)其進(jìn)行控制。模糊-PI復(fù)合控制利用模糊控制不依賴(lài)數(shù)學(xué)模型、動(dòng)態(tài)性能好[1]和PI控制穩(wěn)態(tài)性能好、無(wú)靜態(tài)誤差,使控制效果兼具兩者優(yōu)點(diǎn)；同時(shí),根據(jù)堿回收爐流動(dòng)變化性大、爐膛負(fù)壓要求精確這一特點(diǎn),引入遺傳算法,實(shí)時(shí)優(yōu)化模糊規(guī)則和PI控制參數(shù),使控制器在被控對(duì)象參數(shù)變化時(shí),也能保持控制效果最優(yōu)。

1　基于遺傳算法的模糊-PI復(fù)合控制

圖1　模糊-PI復(fù)合控制系統(tǒng)結(jié)構(gòu)圖

模糊-PI復(fù)合控制器的控制結(jié)構(gòu)圖[3]如圖1所示。當(dāng)偏差較大時(shí),采用模糊優(yōu)化控制可以獲得良好的動(dòng)態(tài)性能。當(dāng)偏差較小時(shí),采用PI控制可以獲得良好的穩(wěn)態(tài)性能。其控制規(guī)律見(jiàn)式(1)。

(1)

式中,e=r-y；r為設(shè)定值,y為反饋值。

考慮控制器的2個(gè)輸出之間切換時(shí)存在擾動(dòng),以及模糊控制器和PI控制器自身的不足,需對(duì)該復(fù)合控制的結(jié)構(gòu)圖進(jìn)行改進(jìn)。

改進(jìn)的基于遺傳算法的模糊-PI復(fù)合控制器的控制結(jié)構(gòu)圖如圖2所示。用遺傳算法分別優(yōu)化模糊控制器的模糊規(guī)則和PI控制器的KP、KI參數(shù),控制規(guī)律見(jiàn)式(2)。

u=zuFuzzy+(1-z)uPI

(2)

圖2　基于遺傳算法的模糊-PI復(fù)合控制系統(tǒng)結(jié)構(gòu)圖

式(2)中,控制器最終輸出由模糊控制器和PI控制器的加權(quán)和決定。z=1時(shí),u=uFuzzy；z=0時(shí),u=uPI。由此可見(jiàn),式(1)是式(2)的2種特殊情況。由于z可以在0～1之間連續(xù)取值,故式(2)比式(1)更靈活、更具有普遍性和適應(yīng)性。參數(shù)z由模糊一維模糊控制器給出；原則是如果偏差增大就增大z,如果偏差減小就減少z。

2　爐膛負(fù)壓控制系統(tǒng)設(shè)計(jì)

2.1爐膛負(fù)壓前饋-反饋控制方案設(shè)計(jì)

目前,大多數(shù)爐膛負(fù)壓控制均采用單純的反饋控制方式。盡管反饋控制可消除加在閉環(huán)內(nèi)的所有干擾對(duì)爐膛負(fù)壓的影響,但反饋控制是偏差控制,必須先有偏差才能進(jìn)行控制。在有干擾作用時(shí),反饋控制的調(diào)節(jié)作用總是落后于干擾作用,從而引起爐膛負(fù)壓的頻繁波動(dòng)。因此,引入前饋控制,形成前饋-反饋控制方案。對(duì)主要的、變化比較頻繁的干擾采用前饋控制,對(duì)次要干擾采用反饋控制,以獲得良好的控制性能。

爐膛負(fù)壓的大小主要受送風(fēng)量、引風(fēng)量和入爐黑液流量三者的影響[2]。由于送風(fēng)量受入爐黑液流量的影響而變化比較頻繁,所以,筆者以送風(fēng)量為主要干擾,設(shè)計(jì)前饋控制,以補(bǔ)償送風(fēng)量對(duì)爐膛負(fù)壓的影響；在反饋控制中,以引風(fēng)量為操縱量,由主控制器控制引風(fēng)機(jī)進(jìn)而控制引風(fēng)量來(lái)消除其他干擾對(duì)爐膛負(fù)壓的影響,從而維持爐膛負(fù)壓恒定不變。爐膛負(fù)壓的前饋-反饋控制框圖如圖3所示。

圖3　爐膛負(fù)壓的前饋-反饋控制框圖

爐膛負(fù)壓前饋控制器的設(shè)計(jì)過(guò)程如下所示。

G1(s)=K

(3)

引風(fēng)機(jī)、堿回收爐和干擾通道的數(shù)學(xué)模型均可近似為一階慣性加比例環(huán)節(jié)[1],假設(shè)其傳遞函數(shù)分別為：

(4)

(5)

(6)

式(3)～式(6)中，G1(s)、G2(s)、G3(s)、Gpc(s)分別為變頻器、引風(fēng)機(jī)、堿回收爐以及干擾通道的傳遞函數(shù),K、K1、K2、K3分別為相應(yīng)傳遞函數(shù)中的比例系數(shù)；T1、T2、T3分別為其慣性時(shí)間常數(shù)。

由圖2可得干擾N(s)對(duì)爐膛負(fù)壓P(s)的閉環(huán)傳遞函數(shù)為：

(7)

式(7)中,Gff(s)為前饋控制器的傳遞函數(shù)。

前饋控制的目的是希望送風(fēng)量的變化對(duì)爐膛負(fù)壓不產(chǎn)生任何影響,即當(dāng)N(s)≠0時(shí),P(s)=0,從而得到擾動(dòng)N(s)作用下的全補(bǔ)償條件：

Gpc(s)+Gff(s)G1(s)G2(s)G3(s)=0

(8)

依此,可推導(dǎo)出前饋控制器的傳遞函數(shù)Gff(s)為：

(9)

2.2基于遺傳算法的模糊-PI復(fù)合控制器設(shè)計(jì)

2.2.1模糊控制器的設(shè)計(jì)

模糊控制器選用二維模糊控制結(jié)構(gòu),輸入分別為爐膛負(fù)壓實(shí)際值與期望值之間的誤差(e)及其誤差變化率(ec),輸出作用于變頻器的控制信號(hào)(u),實(shí)際輸入輸出經(jīng)標(biāo)度變換后轉(zhuǎn)化成模糊語(yǔ)言變量,相應(yīng)的模糊語(yǔ)言變量為E、EC、U。

模糊控制器的設(shè)計(jì)即針對(duì)模糊變量的設(shè)計(jì),模糊變量E、EC的模糊論域均為[-6,6],模糊子集分別為：{NB,NM,NS,PS,PM,PB},{NB,NS,Z,PS,PB}；模糊變量U的模糊論域?yàn)閇-10,10],模糊子集為：{NB,NM,NS,Z,PS,PM,PB}。

模糊子集的隸屬度函數(shù)的選取原則為：在偏差較小時(shí),采用靈敏度較高的梯形隸屬度函數(shù)和三角形隸屬度函數(shù),使系統(tǒng)響應(yīng)快、動(dòng)態(tài)性能好；在偏差較大時(shí),采用形狀較緩和的S型函數(shù)和Z型函數(shù),以保證系統(tǒng)的穩(wěn)定性。相鄰的2個(gè)模糊子集的交集的最大隸屬度α控制在0.4～0.8之間,以保證控制器有較好的魯棒性和靈敏度[4]。

輸出量的清晰化采用Centroid清晰化方法[3],即對(duì)輸出模糊變量的結(jié)果求取重心,如論域U={u1,u2,…,un},A(ui)為隸屬度函數(shù),把重心作為精確值Z0的方法,見(jiàn)式(10)。

(10)

2.2.2基于遺傳算法的模糊規(guī)則優(yōu)化設(shè)計(jì)

模糊控制器的設(shè)計(jì)中,由2個(gè)輸入變量模糊子集的個(gè)數(shù)可確定一個(gè)5×6的二維模糊規(guī)則表(見(jiàn)表1),包含30條模糊規(guī)則,即有30個(gè)待尋優(yōu)參數(shù)。為縮減遺傳算法搜索范圍、提高搜索效率,可將輸入輸出變量的模糊論域均用[-a,a]的形式來(lái)表示。若系統(tǒng)在“正”和“負(fù)”方向上無(wú)特殊性的情況下,可以推定模糊規(guī)則表應(yīng)該具有對(duì)稱(chēng)性[4],由此遺傳算法的待尋優(yōu)參數(shù)可縮減為15個(gè)(見(jiàn)表1)。利用遺傳算法優(yōu)化模糊控制規(guī)則的準(zhǔn)備工作如下。

(1)染色體編碼采用十進(jìn)制編碼方式,將輸出的語(yǔ)言變量值{NB,NM,NS,Z,PS,PM,PB}依次編碼為{1,2,3,4,5,6,7},將數(shù)字化的模糊規(guī)則表從左到右,從上到下展開(kāi)為一維,可得到含30個(gè)基因的染色體為112345113456123567234577345677。

利用模糊規(guī)則表的對(duì)稱(chēng)性,可得編碼染色體為112341134123233。

表1　模糊規(guī)則表

(2)適應(yīng)度的確定在遺傳算法搜索群體最優(yōu)解的過(guò)程中,個(gè)體是否被選擇是由其自身的適應(yīng)度決定的,適應(yīng)度大的被優(yōu)先選擇。本研究所設(shè)計(jì)的控制器的控制目標(biāo)是使堿回收爐的爐膛負(fù)壓能在外界擾動(dòng)或模型變化時(shí)盡快恢復(fù)至期望負(fù)壓。所以,選取目標(biāo)函數(shù)時(shí),以ITAE準(zhǔn)則[4]為基準(zhǔn),同時(shí),為防止控制能量過(guò)大,加入控制輸出的平方項(xiàng),目標(biāo)函數(shù)[5]如下。

無(wú)超調(diào)時(shí)：

(11)

有超調(diào)時(shí)：

(12)

式(11)和式(12)中,e(t)為系統(tǒng)誤差,u(t)為控制器輸出,y(t)為系統(tǒng)響應(yīng)輸出，tr為上升時(shí)間,ω1、ω2、ω3、ω4為權(quán)值。則適應(yīng)度為：F=1/J。

(3)遺傳操作選擇：此運(yùn)算是以個(gè)體的適應(yīng)度為準(zhǔn)則,對(duì)群體中的個(gè)體進(jìn)行“優(yōu)勝劣汰”。本研究選用的選擇算子是輪盤(pán)賭選擇,個(gè)體被選擇的概率如下。

(13)

式中,pi為個(gè)體被選擇的概率,fi為個(gè)體的適應(yīng)度,n為群體規(guī)模。由此可以看出,某一個(gè)體被選擇的概率與其適應(yīng)度成正比：適應(yīng)度越大,被選擇的概率就越大；適應(yīng)度越小,被選擇的概率就越小。

交叉：交叉運(yùn)算是將2個(gè)父輩的特征組合起來(lái)產(chǎn)生新的個(gè)體,是產(chǎn)生新個(gè)體的重要手段之一。本研究采用兩點(diǎn)交叉方式,將父輩中某些位上的基因進(jìn)行交換,形成新的個(gè)體。

變異：適應(yīng)度較高或較低均有可能使遺傳算法陷入局部最優(yōu)狀態(tài),為保持算法種群的多樣性,應(yīng)使適應(yīng)度較高或較低(fi>0.85或fi<0.15)的個(gè)體均有較高的變異概率。將所有個(gè)體按其適應(yīng)度排序,第i個(gè)個(gè)體的變異概率定義如下。

(14)

式中,p為設(shè)定的變異概率,n為群體規(guī)模,pm為隨個(gè)體的適應(yīng)度變化而變化的實(shí)際變異概率。

用遺傳算法優(yōu)化模糊規(guī)則的具體步驟如下。

(a)初始種群的創(chuàng)建[6]：系統(tǒng)隨機(jī)創(chuàng)建100個(gè)包含15個(gè)基因的染色體(個(gè)體),其中,每個(gè)基因均為1～4之間的隨機(jī)整數(shù)；分別計(jì)算每個(gè)個(gè)體的適應(yīng)度,并將這100個(gè)個(gè)體按照適應(yīng)度進(jìn)行排序；去掉適應(yīng)度最小的20個(gè)個(gè)體,剩余的80個(gè)個(gè)體作為初始種群。

(b)種群的迭代：種群的迭代意味著由父輩產(chǎn)生子輩,即進(jìn)化；父輩產(chǎn)生子輩的過(guò)程,可以由適應(yīng)度較大的父輩復(fù)制而來(lái),或者可由2個(gè)父輩交叉產(chǎn)生,或者由父輩變異而來(lái)。用子輩替換當(dāng)前種群,形成新的一代,即迭代一次,完成一次進(jìn)化。

(c)遺傳搜索終止：在種群的迭代進(jìn)化過(guò)程中,若滿足終止條件[5],則迭代終止,搜索過(guò)程完成。本研究選擇滿足以下2個(gè)條件之一即終止搜索：①“Stall genernations(停滯代數(shù))”=50代；②“Genernations迭代代數(shù)”=100代。

遺傳算法搜索最優(yōu)模糊控制規(guī)則的過(guò)程是根據(jù)迭代過(guò)程中的每一代個(gè)體(即模糊規(guī)則)作用于模糊控制器,進(jìn)而采集當(dāng)下控制效果的數(shù)據(jù)構(gòu)成適應(yīng)度來(lái)進(jìn)行優(yōu)化的,是邊優(yōu)化邊仿真的過(guò)程,所以,最后由遺傳算法搜索得出的最優(yōu)模糊控制規(guī)則是可以使控制效果最優(yōu)良的。

2.3PI控制器參數(shù)尋優(yōu)

PI控制器中包含比例、積分2種控制作用,其控制規(guī)律為：

(15)

式中,KP為比例增益,KI為積分控制增益。

使用遺傳算法優(yōu)化KP、KI參數(shù),待尋優(yōu)參數(shù)為2個(gè),具體過(guò)程同上,確保優(yōu)化后的參數(shù)能夠使控制效果最佳。

3　爐膛負(fù)壓的復(fù)合控制系統(tǒng)仿真

采用MATLAB/M文件對(duì)本研究設(shè)計(jì)的控制算法和控制方案進(jìn)行仿真驗(yàn)證。

由文獻(xiàn)[2]可以得到,變頻器、引風(fēng)機(jī)、堿回收爐幾個(gè)部分的傳遞函數(shù)可等效為：

(16)

考慮實(shí)際系統(tǒng)有一定的滯后[6-7],引入滯后環(huán)節(jié),滯后時(shí)間為τ=1.2 s。編程實(shí)現(xiàn)上述控制系統(tǒng),進(jìn)行仿真驗(yàn)證。

模糊控制器比例因子、量化因子選擇：輸入e、ec變化的實(shí)際論域分別為[-20,20]、[-7,7],輸出u變化的實(shí)際論域?yàn)閇-10,10],結(jié)合模糊控制器設(shè)計(jì)中的模糊論域,可確定量化因子Ke=0.3、Kec=0.86,比例因子Ku=1。

遺傳算法仿真參數(shù)選擇：適應(yīng)度權(quán)重參數(shù)ω1=0.999、ω2=0.001、ω3=100、ω4=2.0,交叉概率pc=0.7,變異概率p=0.03。目標(biāo)函數(shù)變化曲線如圖4所示,優(yōu)化的模糊控制規(guī)則表見(jiàn)表2。優(yōu)化后PI控制參數(shù)為：KP=0.04,KI=0.07。

3.1不同控制方式的比較

在給定值為-20 Pa的階躍信號(hào)作用下,對(duì)爐膛負(fù)壓分別采用常規(guī)PI控制、模糊控制和模糊-PI復(fù)合控制,其階躍響應(yīng)曲線如圖5所示。

圖4　目標(biāo)函數(shù)值變化曲線圖

ECENBNMNSPSPMPBNB234654NS234543Z135567PS345765PB452544

從圖5可見(jiàn),模糊控制的超調(diào)量約為32%,常規(guī)PI控制的超調(diào)量為15%；而本研究采用的優(yōu)化的模糊-PI復(fù)合控制無(wú)超調(diào),且該復(fù)合控制系統(tǒng)的調(diào)節(jié)時(shí)間最短。由此可以看出,優(yōu)化的模糊-PI復(fù)合控制系統(tǒng)比常規(guī)PI控制有更好的動(dòng)態(tài)性能,比模糊控制有更好的穩(wěn)態(tài)性能,即該復(fù)合控制系統(tǒng)綜合了模糊控制和PI控制的優(yōu)點(diǎn),控制效果更好。

3.2優(yōu)化的模糊-PI復(fù)合控制系統(tǒng)的適應(yīng)性

考慮到數(shù)學(xué)模型的不精確性,在原數(shù)學(xué)模型的基礎(chǔ)上,改變被控對(duì)象的時(shí)間參數(shù)T和純滯后時(shí)間τ,使T和τ分別在各自原有基礎(chǔ)上變化50%,即變?yōu)?1±50%)T、(1±50%)τ, 并分別與原數(shù)學(xué)模型對(duì)比,得到階躍響應(yīng)曲線(見(jiàn)圖6和圖7)。

圖6　改變時(shí)間常數(shù)T時(shí)的響應(yīng)曲線

圖7　改變滯后時(shí)間τ時(shí)的響應(yīng)曲線

圖8　被控對(duì)象結(jié)構(gòu)改變后的響應(yīng)曲線

圖9　加擾動(dòng)時(shí)的響應(yīng)曲線

為進(jìn)一步驗(yàn)證優(yōu)化的模糊-PI復(fù)合控制系統(tǒng)的適應(yīng)能力,將原二階數(shù)學(xué)模型改變?yōu)槿A,對(duì)其進(jìn)行仿真,得到如圖8所示的階躍響應(yīng)曲線。

仿真結(jié)果表明,在改變被控對(duì)象的時(shí)間參數(shù)T、滯后時(shí)間τ以及對(duì)象結(jié)構(gòu)后,優(yōu)化的模糊-PI復(fù)合控制系統(tǒng)的階躍響應(yīng)曲線雖有一定的超調(diào),但超調(diào)量在10%以?xún)?nèi),且能較快達(dá)到穩(wěn)態(tài)。可見(jiàn),模糊-PI復(fù)合控制器有較強(qiáng)的自適應(yīng)能力。

3.3送風(fēng)量擾動(dòng)時(shí)的響應(yīng)曲線

采用圖3給出的前饋-反饋控制方案,干擾通道傳遞函數(shù)取為：

(17)

把被控對(duì)象的等效傳遞函數(shù)G(s)和Gpc(s)代入式(8),計(jì)算得到前饋控制器傳遞函數(shù)為：

(18)

考慮物理可實(shí)現(xiàn)性,取

(19)

原系統(tǒng)穩(wěn)定后,在t=50 s時(shí),同時(shí)給予前饋-反饋系統(tǒng)和反饋系統(tǒng)給定值幅值30%的擾動(dòng),得到如圖9所示的響應(yīng)曲線。

仿真結(jié)果表明,在前饋-反饋控制系統(tǒng)中,當(dāng)系統(tǒng)受到外界擾動(dòng)時(shí),可在短時(shí)間內(nèi)迅速達(dá)到穩(wěn)定；在反饋系統(tǒng)中,系統(tǒng)的超調(diào)較大,爐膛負(fù)壓重新穩(wěn)定時(shí)間也較長(zhǎng)。因此，前饋-反饋系統(tǒng)對(duì)外界擾動(dòng)有較好的抗干擾能力。

4　結(jié)束語(yǔ)

本研究針對(duì)堿回收爐的變化性大、控制復(fù)雜這一問(wèn)題,將基于遺傳算法的模糊-PI復(fù)合控制引入到堿回收爐爐膛負(fù)壓的控制中,將模糊控制魯棒性強(qiáng)、不需要精確數(shù)學(xué)模型、動(dòng)態(tài)性能好和PI控制穩(wěn)態(tài)性能好的優(yōu)點(diǎn)結(jié)合起來(lái),以獲得良好的動(dòng)靜態(tài)性能,同時(shí),還引入了前饋控制,以提高系統(tǒng)的抗干擾能力。在控制過(guò)程中,遺傳算法針對(duì)不同環(huán)境下的數(shù)學(xué)模型能夠?qū)崟r(shí)優(yōu)化控制參數(shù),可以獲得最優(yōu)控制效果,故設(shè)計(jì)的控制器對(duì)堿回收爐有良好的適用性。該系統(tǒng)的控制方案已成功應(yīng)用于河南某造紙企業(yè)的堿回收爐爐膛負(fù)壓的控制中。運(yùn)行半年來(lái),爐膛負(fù)壓沒(méi)有出現(xiàn)大幅度波動(dòng),取得了良好的控制效果。

[1]董繼先, 李偉, 王孟效, 等. 自適應(yīng)預(yù)測(cè)PID控制器在爐膛負(fù)壓控制系統(tǒng)的應(yīng)用[J]. 輕工機(jī)械, 2010, 28(1): 52.

[2]李艷, 王鋒. 堿回收爐爐膛負(fù)壓的小波神經(jīng)網(wǎng)絡(luò)控制[J]. 化工自動(dòng)化及儀表, 2012, 39(5): 569.

[3]劉金琨. 先進(jìn)PID控制MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2004.

[4]朱紅霞, 沈炯, 王培紅, 等. 基于免疫遺傳算法的模糊優(yōu)化控制及其仿真[J]. 東南大學(xué)學(xué)報(bào)： 自然科學(xué)版, 2004, 35(1)： 64.

[5]白敏丹, 韓紅桂, 喬俊飛. 基于遺傳算法的污水處理模糊控制方法[J]. 控制工程, 2009, 16(1): 46.

[6]喬孟麗, 張景元. 用遺傳算法優(yōu)化模糊控制規(guī)則的方法及其MATLAB實(shí)現(xiàn)[J]. 山東理工大學(xué)學(xué)報(bào)： 自然科學(xué)版, 2005, 19(3): 73.

[7]李艷, 李明輝. 堿回收燃燒工段節(jié)能控制系統(tǒng)的設(shè)計(jì)及應(yīng)用[J]. 紙和造紙, 2007, 28(3): 59.

(責(zé)任編輯：關(guān)穎)

Fuzzy-PI Dual-mode Control of Alkali Recovery Boiler Negative Pressure Based on Genetic Algorithm

LI Yan1,*WANG Su-fang1WAN Fu-rong2

(1.CollegeofElectricalandInformationEngineering，ShaanxiUniversityofScience&Technology，Xi′an，ShaanxiProvince， 710021； 2.ShaanxiFutureEnergyChemicalCorporation，Yulin，ShaanxiProvince， 719000)

(*E-mail： liyandq@sust.edu.cn)

The recovery boiler has a complex operation mechanism and with the characteristics of time-varying, time-laying, nonlinear etc. It is difficult to establish an accurate mathematical model. Fuzzy-PI dual-mode controller was applied to its negative pressure control. At the same time, the fuzzy rules and PI parameters were optimized by using genetic algorithm. The main interference factors of the negative pressure were analyzed and the feedforward-feedback control system was designed for it. MATLAB simulation showed that the control system could well overcome the impacts of interference, target parameter change, and object structural change on the negative pressure, it therefore could stabilize the negative pressure and increase the control speed, control accuracy and the adaptive ability.

alkali recovery boiler; boiler negative pressure； feedforward-feedback control； dual-mode control; genetic algorithm

2015- 08- 07

陜西省教育廳專(zhuān)項(xiàng)科研計(jì)劃項(xiàng)目(14JK1094);陜西省科學(xué)技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(2013K07-28)。

李艷,女,1972年生；碩士,副教授；主要研究方向：智能控制與智能檢測(cè)。

E-mail：liyandq@sust.edu.cn

TP273+.4

A

1000- 6842(2016)03- 0036- 06