基于自适应逆控制的汽轮机调速系统研究论文_倪利伟

摘要：随着工业的快速发展，中小型汽轮机广泛应用于石化、冶金、造纸、环保等工业领域。汽轮机作为大型高转速机械，数字电液控制系统(DEH)的控制性能直接影响着机组的安全性与可靠性以及企业的经济效益等。近年来，自适应逆控制技术以其自身的诸多优点成为一个活跃的研究领域，现已成为一个全新的活跃分支．如何克服对被控对象精确模型解析式的依赖，实现在线辨识得到实际对象动态特性控制的逆控制器和对象扰动抑制的扰动消除控制器，是自适应逆控制方案走向实用的关键．基于此，本文主要对基于自适应逆控制的汽轮机调速系统进行分析探讨。

关键词：自适应逆控制；汽轮机；调速系统

1、前言

汽轮机是一种具有参数时变、干扰、复杂的热工况系统，在电液伺服系统中，还存在饱和、死区非线性环节。传统的PID控制以其算法成熟、设计方便、稳定性好等优点广泛应用于工业过程控制中，但对汽轮机这种典型的复杂系统无法满足特定的控制要求。本文首先利用径向基函数（ＲａｄｉａｌＢａｓｉｓＦｕｎｃ－ｔｉｏｎ，ＲＢＦ）神经网络在线辨识获得汽轮机调速系统的逆模型，作为逆控制器构成自适应逆控制系统，实现动态特性的控制；然后利用ＲＢＦ神经网络在线辨识获得一个自适应对象扰动消除器，实现对象扰动消除控制。最后，利用仿真实例验证该方案的可行性和有效性。

２、汽轮机调速系统自适应逆控制

自适应逆控制将被控对象的逆模型作为控制器，对被控对象的动态特性进行开环控制，使对象的输出跟踪给定信号变化。被控对象的逆模型（即自适应控制器）可利用自适应算法在线辨识获得，反馈仅在该逆控制器参数的自适应过程中采用，不参与系统动态特性的控制过程。由于跟踪给定信号控制中没有从输出到输入的反馈，就会让对象内部噪声和外部扰动毫无抑制地出现在对象的输出端，为此需要设计一个扰动消除控制器．由于汽轮机调速对象具有严重的非线性和参数时变性，为取得良好的控制效果，给定信号跟踪控制器和扰动消除控制器都需要采用在线辨识方法获得。因此，根据自适应逆控制的基本理论，提出汽轮机调速自适应逆控制系统结构（见图１）。图１中，Ｃ为动态特性控制器（即对象逆模型）；Ｑ为扰动消除控制器；ｕｃ、ｕｑ分别为Ｃ和Ｑ的输出；ｕ为对象实际输入。

图１ 汽轮机调速系统自适应逆控制结构图

2.1汽轮机调速对象模型的在线辨识

汽轮机调速对象是具有死区、惯性和参数时变的非线性对象，其差分方程可表示为

ｙ（ｋ＋１）＝ｇ［ｕ（ｋ），ｕ（ｋ－１），…，ｕ（ｋ－ｍ＋１），ｙ（ｋ），ｙ（ｋ－１），…，ｙ（ｋ－ｎ＋１）］（１）

式中：ｕ和ｙ分别为汽轮机调速对象的控制输入信号和汽轮机输出转速；ｍ和ｎ分别为输入、输出对应阶次。

为实现汽轮机调速对象这种非线性时变对象模型的在线辨识，笔者选用ＲＢＦ神经网络作为辨识工具．ＲＢＦ神经网络是一种局部逼近网络，已证明它能以任意精度逼近任意连续函数，多输入单输出ＲＢＦ神经网络结构见图２。

图２中，ｈｊ为高斯基函数，即

代表对象输出对输入灵敏度的Ｊａｃｏｂｉａｎ信息将在随后自适应逆控制器和扰动消除控制器的在线辨识算法中用到。

图２ 多输入单输出 ＲＢＦ神经网络结构

2.2汽轮机调速对象逆模型的在线辨识

汽轮机调速对象在满足可逆的条件下，其对应逆模型的差分方程可表示为

ｕ（ｋ）＝ｇ－１［ｕ（ｋ－１），…，ｕ（ｋ－ｍ），ｙ（ｋ＋１），ｙ（ｋ），…，ｙ（ｋ－ｎ）］

根据图１自适应逆控制器（即对象逆模型）学习算法的任务要求，ＲＢＦ神经网络２的输入层为

其中ｒ（ｋ＋１）表示下一时刻的转速指令信号。

2.3调速系统扰动消除控制器的在线辨识

汽轮机调速系统完成对象扰动消除是这样进行的：控制信号ｕ同时作用到复制的对象模型Ｐ＾ｍ（非常接近无扰动的对象）和对象Ｐ，对两者的输出求差可以将扰动信号引起的效果（即等效扰动ｖ）分离出来，然后针对等效扰动ｖ在线构建自适应的扰动消除控制器，来消除该扰动作用．考虑到数字反馈链路在环绕每一个回路上都必须至少有一个单位的延时，所以在扰动消除控制器Ｑ前布置一个单位延时环节。

考虑到等效扰动ｖ的分离过程，要求在闭合扰动消除回路前确保对象模型Ｐ＾ｍ收敛并接近对象Ｐ，此时调速对象输出和模型＾Ｐｍ输出的差值ｅｍ接近0．在系统运行中，当该条件被破坏时，必须利用应急按钮切除扰动消除器，直到满足该条件，才能再次投运扰动消除控制器。

３、仿真实验及分析

为验证所提出的汽轮机调速系统自适应逆控制策略的有效性和可靠性，对东北电网某电厂200ＭＷ机组汽轮机调速系统进行仿真研究．调速系统对象参数取如下典型值：Ｔｙ＝0.01ｓ，Ｔｃ＝0.084ｓ，Ｔｖ＝0.3455ｓ，Ｔａ＝8ｓ，Ｔｒ＝8ｓ，Ｃｈ＝1，Ｃｍ＝0.5，Ｃｄ＝0.5，采样时间Ｔｓ取2ｓ。

3.1汽轮机转速指令跟踪工况仿真

为检验控制系统输出跟踪转速指令信号的性能，在转速指令信号输入端加入阶跃信号，考察系统输出跟踪给定转速信号的快速性和准确性．为进行比较，对处于文献典型参数值下的调速对象同时进行传统ＰＩＤ控制仿真，ＰＩＤ控制器参数也取文献中推荐的值，即ｋｐ＝0.23，ｋｉ＝0.5，ｋｄ＝0.1。转速指令阶跃变化时系统的输出响应仿真结果见图３。

图３ 转速指令阶跃变化时系统的输出响应

由图３可以看出，传统的ＰＩＤ控制调节时间长、超调量大、振荡大；而笔者提出的自适应逆控制方案可以在汽轮机转速指令信号阶跃变化时实现快速、精确跟踪，稳定性好、无超调、调节时间短、控制品质良好．自适应逆控制方案中汽轮机调速对象逆模型辨识器ＲＢＦ神经网络２的学习速率取0.02，动量因子取0.01，调速对象模型辨识器ＲＢＦ神经网络１的学习速率取0.1，动量因子取0.01。

3.2汽轮机扰动消除工况仿真

为检验自适应扰动消除控制器对扰动信号的抑制效果，在实施转速指令控制的自适应逆控制器稳定工作后，对系统施加方波形式的负荷扰动信号，分别对扰动消除控制器未投入和投入工况进行仿真实验，在系统面临外部（或负荷）扰动时，除扰动信号刚加入时由于扰动消除控制器需进行自适应学习过程，使得扰动效果幅度稍大之外，在随后的过程中，扰动效果的持续时间都大幅缩短，显示出良好的扰动抑制效果．其中，扰动消除控制器ＲＢＦ神经网络３的学习速率取0.05，动量因子取0.1。

４、结论

基于自适应逆控制的基本思想，提出一种汽轮机调速系统自适应逆控制算法，将该算法应用于某２００ＭＷ机组汽轮机调速系统并进行仿真实验，结果表明：与ＰＩＤ汽轮机调速控制方案相比，所提出的汽轮机调速系统自适应逆控制算法不仅能够很好地跟踪速度指令，而且能够有效抑制扰动响应，控制品质优良，具有很强的鲁棒性．笔者所提出的算法具有一般性，为大惯性、参数时变、外扰大、难于精确建模的非线性对象的控制提供了一种新的解决方案．

参考文献

［1］薄健．250MW汽轮机控制系统优化设计与研究［D］．北京:华北电力大学(北京)，2016．

［2］王右，王景成．基于差分进化的模糊PID复合控制在转速调节系统中的应用［J］．东南大学学报，2011，41(1):84－87．

［3］李铜桥．基于单神经元自适应PID的汽轮机转速控制与仿真［J］．汽轮机技术，2013，55(2):139－140

论文作者:倪利伟

论文发表刊物:《电力设备》2018年第22期

论文发表时间:2018/12/12

标签：汽轮机论文;  对象论文;  自适应论文;  控制器论文;  在线论文;  系统论文;  神经网络论文;  《电力设备》2018年第22期论文;