一种遗传算法优化预测模糊PID焦化炉温度控制方法技术

本发明专利技术公开了一种遗传算法优化预测模糊PID焦化炉温度控制方法。本发明专利技术首先基于焦化炉温度对象的实时数据建立焦化炉温度对象的模型。在此模型的基础上，依据模糊控制在线调整PID控制器的参数，引入预测控制达到提前调整的目的。针对传统的获取控制规则方法的不足，采用遗传算法优化其模糊控制规则，从而使经过优化获得的控制规则更加合理。本发明专利技术弥补了传统控制方式的不足，保证具备良好的控制性能，同时又具有PID控制的简单形式，从而保证温度跟踪的精度。

【技术实现步骤摘要】

本专利技术属于自动化
，涉及一种遗传算法优化预测模糊比例积分微分(PID)焦化炉温度控制方法。
技术介绍
化工过程是我国流程工业过程的重要组成部分，其要求是供给合格的工业产品，以满足我国工业的需要。在目前工业控制中，因为传统的PID控制技术具有结构简单、鲁棒性好、易于操作等优点，所以在工业中得到了广泛的应用。在实际工业控制过程中，由于干扰、非线性等因素，传统的PID对焦化炉温度控制的控制性能差，往往不能满足实际化工过程中的日益严格的控制精度和产品质量要求，更加先进、控制效果更好的方法仍然有待研究。针对温度控制过程的控制方法有很多，现已取得了一定的成果。预测模糊PID控制实现了PID控制器的参数进行在线调整，引入的预测控制达到了提前调整的目的。针对传统的获取控制规则方法的不足，采用遗传算法优化其模糊控制规则，从而使经过优化获得的控制规则更加合理，保证了控制结构的形式简单和跟踪精度。
技术实现思路
本专利技术的目的是针对现有的化工过程系统控制技术的不本文档来自技高网...

【技术保护点】
一种遗传算法优化预测模糊PID焦化炉温度控制方法，其特征在于该方法包括以下步骤；步骤1、建立焦化炉的一阶惯性加纯滞后模型，具体是：1.1通过采集被控对象的阶跃响应数据，利用两点法建立系统模型；形式如下：G(s)=KmTms+1e-τms]]>其中，Km,Tm,τm分别为模型的稳态增益、时间常数和纯滞后时间；在加一个零阶保持器离散化后，模型的差分方程为：ym(k)＝amy(k)+Km(1‑am)u(k‑L‑1)其中，ym(k)为k时刻的过程对象模型预测输出，u(k‑1‑L)为k‑L‑1时刻的被控对象的控制输入，Ts为采样时间；L等于τm/Ts的整数部分；1.2计算过程对象去掉纯滞后以后在...

【技术特征摘要】
1.一种遗传算法优化预测模糊PID焦化炉温度控制方法，其特征在于
该方法包括以下步骤；
步骤1、建立焦化炉的一阶惯性加纯滞后模型，具体是：
1.1通过采集被控对象的阶跃响应数据，利用两点法建立系统模型；
形式如下：
G ( s ) = K m T m s + 1 e - τ m s ]]>其中，Km,Tm,τm分别为模型的稳态增益、时间常数和纯滞后时间；在
加一个零阶保持器离散化后，模型的差分方程为：
ym(k)＝amy(k)+Km(1-am)u(k-L-1)
其中，ym(k)为k时刻的过程对象模型预测输出，u(k-1-L)为k-L-1时刻的被控对象的控制输入，Ts为采样时间；L等于
τm/Ts的整数部分；
1.2计算过程对象去掉纯滞后以后在预测函数控制下的第P步预测输
出，形式如下：
ymav(k)＝amymav(k-1)+Km(1-am)u(k-1)
y m a v ( k + P ) = a m ...

【专利技术属性】
技术研发人员：张日东，王玉中，张俊锋，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33