基于改進OOAPID控制器的有機固廢裂解釜溫度控制

姜 云, 張 軍, 劉安東

(上海電力大學 自動化工程學院, 上海 200090)

PID控制是最常見和最基礎的控制算法之一,但對于有機固廢熱裂解這類復雜系統(tǒng),PID控制器難以提供最佳的控制性能,且控制器參數(shù)的調節(jié)較為繁瑣。因此,學者們提出使用智能優(yōu)化算法優(yōu)化PID參數(shù)。主要包括:基于自然群集的元啟發(fā)式算法,如粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法[1-2]、蟻群優(yōu)化(Ant Colony Optimization,ACO)算法[3]和人工蜂群(Artificial Bee Colony,ABC)算法[4-5];以動物狩獵和覓食獲得食物為靈感的優(yōu)化算法,如鯨魚優(yōu)化算法(Whale Optimization Algorithm,WOA)[6]、白鯊優(yōu)化器(White Shark Optimizer,WSO)[7];基于進化的元啟發(fā)式算法,如遺傳算法(Genetic Algorithm,GA)[8-9]和差分進化(Differential Evolution,DE)算法[10]等。

本文提出了一種改進OOA-PID控制器,實現(xiàn)了對有機固廢裂解釜溫度的控制。其基本思路是利用魚鷹找尋獵物的過程實現(xiàn)對PID參數(shù)的優(yōu)化,并通過MATLAB/Simulink與傳統(tǒng)的PID、OOA-PID控制器、GA-PID控制器和PSO-PID控制器的控制效果進行仿真對比驗證。

1 裂解釜溫度模型建立

裂解釜溫度控制系統(tǒng)由裂解釜、加熱傳輸裝置、溫度測量變送環(huán)節(jié)構成。本文所研究的裂解釜主體由矩形外殼和旋轉裂解釜兩部分組成。在矩形外殼內(nèi)壁,加裝隔熱材料,使得裝置外殼與裂解釜之間形成加熱室,通過氣體管道通入熱空氣,并在管道入口安裝氣體流量閥,控制加熱噴嘴熱流量,實現(xiàn)對裂解釜的分段加熱,使裂解爐內(nèi)形成一個不等溫的梯度溫度場。與此同時,每兩個隔板之間安裝一個溫度傳感器,可與氣體流量閥相配合,實現(xiàn)對溫度的準確控制。

裂解釜內(nèi)存在液相、氣相和固相3種物質的流動,使得裂解釜的流體力學特性變得非常復雜,涉及很多物理變化和化學變化。裂解釜溫度隨著時間和空間的變化而發(fā)生變化,因此建立精確的溫度模型需要考慮多種因素的影響,如熱傳導、熱對流、熱輻射等。在實際工程應用中,為了便于分析,將裂解釜簡化為一階滯后模型[12]。其傳遞函數(shù)為

(1)

式中:G(s)——傳遞函數(shù);s——拉普拉斯算子;Km——裂解釜中有機固廢的轉化效率;

T——時間常數(shù);

e——歐拉常數(shù);

τ——滯后時間。

為得到上述模型的具體參數(shù),對裂解釜進行加熱實驗。設定裂解釜溫度后,每隔1 min對裂解釜溫度值進行不間斷記錄,直到裂解釜內(nèi)溫度保持在一定范圍內(nèi),繪制溫度階躍響應曲線,具體如圖1所示。其中,裂解釜的穩(wěn)態(tài)值約為200 ℃。

圖1 裂解釜內(nèi)溫度的階躍響應曲線

根據(jù)采集到的溫度實時數(shù)據(jù),可采用切線法、兩點法、面積法、近似法等求取傳遞函數(shù)的系數(shù)。本文使用兩點法求取傳遞函數(shù)[13],一階時滯系統(tǒng)的階躍響應為

(2)

式中:Y(s)——階躍響應的拉氏變換;U(s)——階躍輸入的拉氏變換;U——階躍信號的幅值。

對式(2)進行拉氏反變換得到

y(t)=L-1[Y(s)]=

(3)

式中:y(t)——階躍響應;t——時間;L——拉氏變換。

系統(tǒng)階躍穩(wěn)態(tài)響應的穩(wěn)態(tài)值y(∞)為

(4)

直接利用響應穩(wěn)態(tài)值得到Km為

(5)

將階躍響應曲線化為歸一化曲線,令

(6)

一階滯后系統(tǒng)的無因次階躍響應為[13]

(7)

(8)

當t=T+τ時,有

y(T+τ)=1-e-1≈0.632 12

(9)

采集階躍響應曲線上的2個觀測點數(shù)據(jù)[t1,y(t1)]和[t2,y(t2)],t2>t1>τ,代入式(3)可得

(10)

(11)

由此可得

(12)

(13)

求解得

由式(14)、式(15)可知,一階時滯系統(tǒng)參數(shù)的精度與2個觀測點[t1,y(t1)]、[t2,y(t2)]有關。因此,可以在階躍響應曲線上選擇2個特殊的觀測點,如y(t1)=0.393 47、y(t2)=0.632 12,則有

τ=2t1-t2,T=2(t2-t1)

(16)

由前文公式計算可得Km、T、τ的值,最終得出一階滯后傳遞函數(shù)為

(17)

2 基于改進OOA算法整定的PID控制器設計

2.1 傳統(tǒng)PID控制器

PID控制器具有典型的結構和較高的靈活性,原理簡單、操作方便,可根據(jù)被控對象的實際情況,采用各種PID控制的變形和改進控制方式。在控制精度不高和控制速度要求不高的情況下,選擇傳統(tǒng)PID控制易于取得較好的控制效果[14]。傳統(tǒng)PID控制是一種基于比例、積分和微分3個部分的加權組合的控制算法,其參數(shù)優(yōu)化旨在尋找一組比例系數(shù)KP、積分系數(shù)KI和微分系數(shù)KD,使系統(tǒng)的性能達到最優(yōu)[15]。

PID控制器的控制規(guī)律可表示為

(18)

e(t)=ys(t)-r(t)

(19)

式中:u(t)——PID控制器的輸出;e(t)——系統(tǒng)偏差;ys(t)——系統(tǒng)輸出;r(t)——系統(tǒng)輸入。

對式(18)進行拉氏變換,表達成傳遞函數(shù)的形式為

(20)

式中:E(s)——系統(tǒng)偏差的拉氏變換。

2.2 OOA算法的基本原理

2.2.1 群集初始化

初始化所有魚鷹的位置。設魚鷹位置種群矩陣為

(21)

xi,j=bl,j+ri,j(bu,j-bl,j)

(22)

式中:X——魚鷹位置種群矩陣;Xi——第i只魚鷹的初始位置,i=1,2,3…,N;

N——魚鷹數(shù)量;

xi,j——第j個問題變量中第i只魚鷹的初始位置,j=1,2,3…,m;

m——問題變量個數(shù);

ri,j——隨機數(shù),取值范圍為[0,1];

bl,j、bu,j——第j個問題變量的下邊界和上邊界。

由于每只魚鷹都是問題的候選解,因此問題的目標函數(shù)值可以表示為

(23)

式中:F——目標函數(shù)值;Fi——Xi的目標函數(shù)值。

2.2.2 全局搜索

通過模擬魚鷹的搜尋和觀察過程,尋找最優(yōu)解。在魚鷹確定魚的位置后,進行攻擊捕食,此時魚鷹在搜索空間內(nèi)的位置發(fā)生了顯著變化。這一過程提高了OOA識別最優(yōu)區(qū)域和避免陷入局部最優(yōu)的探索能力。

魚鷹搜索空間中目標函數(shù)值高的魚鷹位置代表水下有魚,則第i只魚鷹的魚群位置為

Pi={Xk|k∈{1,2,3…,N}∩Fk

(24)

式中:Pi——第i條魚鷹的魚群位置集合;Xbest——Fi最優(yōu)時對應的Xi值。

2.2.3 獵物定位

魚鷹隨機選擇一條魚的位置并攻擊,在模擬魚鷹向魚移動的基礎上,根據(jù)式(25)、式(26)確定魚鷹的新位置

(25)

(26)

Ii,j——集合{1,2}中的隨機數(shù)。

如果魚鷹在新位置提高了目標函數(shù)的值,則更新后魚鷹的新位置為

(27)

2.3 改進OOA算法的原理

為了避免OOA算法陷入局部最優(yōu)解,提升算法局部搜索能力,本文引入了魚鷹進食算法。將魚帶到合適的位置,在這一過程中魚鷹的位置也產(chǎn)生了微小改變,并向更優(yōu)解收斂。對于OOA種群中的每一個成員,隨機生成一個“適合吃魚的位置”為

(28)

t1——迭代次數(shù),t1=1,2,3…,Tmax;

Tmax——算法的迭代總數(shù)。

其中,

如果在這個新位置上目標函數(shù)的值有所改善,則更新魚鷹的位置為

(30)

OOA在獵物定位階段通過更新所有魚鷹的位置完成第一次迭代,然后比較目標函數(shù)值的大小,更新最佳候選值,并進入下一次迭代。算法更新過程基于式(24)～式(30),當滿足終止條件時,得到最優(yōu)解。

2.4 基于改進OOAPID控制器的溫度控制系統(tǒng)原理

基于改進OOA-PID控制器的有機固廢裂解釜溫度控制系統(tǒng)原理如圖2所示。

圖2 基于改進OOAPID控制器的有機固廢裂解釜溫度控制系統(tǒng)原理示意

圖2中的系統(tǒng)主要分為改進OOA-PID控制器和裂解釜溫度控制系統(tǒng)模型兩個模塊。改進OOA-PID控制器采用本文提出的改進OOA算法對傳統(tǒng)PID控制器參數(shù)進行優(yōu)化,裂解釜溫度控制系統(tǒng)模型采用式(17)的傳遞函數(shù)模型。

2.5 改進OOA算法優(yōu)化PID控制器參數(shù)流程

改進OOA算法優(yōu)化PID控制器參數(shù)流程如圖3所示。

圖3 改進OOA算法優(yōu)化PID控制器參數(shù)流程

改進OOA算法優(yōu)化PID控制器參數(shù)步驟如下[16]。

步驟1 初始化。在3維搜索空間中設置一組種群數(shù)為50的魚鷹群來模擬KP、KI、KD的優(yōu)化過程,定義最大迭代次數(shù)500次,魚鷹運動的空間維數(shù)為3。根據(jù)式(21)、式(22)初始化魚鷹群的初始位置,并計算每只魚鷹的目標函數(shù)值。

步驟2 全局迭代搜索。通過比較每只魚鷹的目標函數(shù)值,更新魚鷹的最優(yōu)位置和魚鷹群的最優(yōu)位置,搜索出一組全局最優(yōu)解。

步驟3 更新鄰近區(qū)域。隨機定義最優(yōu)位置,通過判斷每只魚鷹的目標函數(shù)值是否升高來更新魚鷹個體的位置,獲得當前迭代中的最優(yōu)解。

步驟4 達到終止條件。當?shù)螖?shù)達到最大迭代次數(shù)或目標函數(shù)值達到最大目標函數(shù)閾值時停止程序,輸出當前迭代的最優(yōu)解作為PID控制器的3個參數(shù),否則返回步驟2繼續(xù)迭代。

3 仿真結果與分析

3.1 傳統(tǒng)PID控制器仿真

加入傳統(tǒng)PID控制器后,有機固廢裂解釜溫度控制系統(tǒng)的Simulink仿真示意如圖4所示。其中,給定階躍輸入為180,輸出端加入常數(shù)值20來模擬實際工業(yè)情況[17]。根據(jù)PID整定原理,通過反復實驗對PID控制器參數(shù)進行整定,得到KP=0.510 9、KI=0.005 7、KD=4.362 3。

圖4 加入傳統(tǒng)PID控制器后控制系統(tǒng)的Simulink仿真示意

3.2 改進OOA算法優(yōu)化的PID控制器仿真

考慮到智能算法的隨機性,多次重復調用程序與仿真,得到3種控制器的Simulink仿真結果如圖5所示。

圖5 3種控制器的仿真結果

采用不同控制器的系統(tǒng)階躍響應性能指標如表1所示。

表1 采用不同控制器的系統(tǒng)階躍響應性能指標

根據(jù)圖5和表1數(shù)據(jù)可知,改進后的OOA-PID控制器較傳統(tǒng)OOA-PID控制器呈現(xiàn)出了顯著的優(yōu)越性,超調量減少了2.6%,控制系統(tǒng)的動態(tài)響應時間縮短了約42%。相較于傳統(tǒng)PID控制器,超調量減少了9.2%,系統(tǒng)的響應時間縮短了約66%。

4 結 論

為將裂解釜內(nèi)溫度控制在安全的范圍內(nèi),從而實現(xiàn)有機固廢裂解系統(tǒng)的節(jié)能降耗、降低設施運營成本。本文對裂解釜溫度控制傳遞函數(shù)模型參數(shù)進行辨識,通過改進OOA算法對PID控制器參數(shù)進行了優(yōu)化設計。通過仿真試驗與傳統(tǒng)PID控制器、傳統(tǒng)OOA-PID控制器控制效果進行對比分析,得出該方法的優(yōu)點如下。

(1) PID控制器參數(shù)整定方便,但傳統(tǒng)PID控制器依靠工程經(jīng)驗和系統(tǒng)輸出多次調整參數(shù),難以獲取最佳參數(shù)值,其控制效果不能滿足生產(chǎn)要求?；贠OA算法能實現(xiàn)對PID參數(shù)的自行整定,減小了系統(tǒng)的超調量,大大縮短了系統(tǒng)的動態(tài)響應時間。

(2) 相較于OOA算法,改進OOA算法有更快的響應速度,全局搜索和局部搜索能力更強,有效避免了陷入局部最優(yōu)解的問題。

(3)改進OOA算法的PID控制器在應對干擾時響應速度快,無超調,具有較高的魯棒性,且動態(tài)特性良好、沒有穩(wěn)態(tài)誤差。

因此,在實際應用中,可以結合改進OOA算法對裂解釜溫度控制系統(tǒng)的PID參數(shù)進行優(yōu)化,提高裂解釜溫度控制系統(tǒng)的控制性能和穩(wěn)定性。本文的研究結果可為工業(yè)應用設計出更高效、更可靠的裂解系統(tǒng)。