基于新型广义预测控制的在线关键参数测量方法技术

本发明专利技术公开了一种基于广义预测控制的在线关键参数测量方法。关键参量的实时测量是过程控制中至关重要的问题，使用广义预测控制能够使得关键参数测量具有良好的精度和趋势。本发明专利技术提出的实时在线测量模型很好地利用了广义预测控制中的思想，实现一些时延长或难以用普通传感器测量的关键参量的实时测量，为在线关键参数测量方法提供理论基础。实现了工业过程关键参量实时在线测量，解决了锅炉控制中测量与控制的时域适配问题，提出的基于广义预测的含氧量软测量技术也为锅炉燃烧过程中其它关键参量如烟气温度的准确、实时、在线软测量开辟了新的途径，对实现燃烧系统的闭环控制和优化运行具有重要的意义。本发明专利技术同样适用于毛坯加热炉、煤气生产炉等生产过程中烟气含氧量、ＣＯ烟气含量的测量。

【技术实现步骤摘要】

本专利技术涉及流程工业测控领域，是一种。
技术介绍
在流程工业领域，特别是在热工行业中，存在大量的难以测量的关键参数，一般只能靠人工手段或者是人工经验判断的情况，实现在线关键参数测量是必须的。故目前主要采用软测量模型进行实时的测量，即通过测量易于检测的辅助变量，基于估计模型来估算出难以甚至无法测量的变量。目前热工行业中测量设备精度不高，投资大，使用寿命短，而且测量滞后较大，很难实现燃烧过程的在线实时测控。近年来逐步采用了软测量技术来解决此类问题。采用间接测量的思路，利用易于获取的其它参数，通过计算来实现被检测量的估计，是近来在过程控制和检测领域涌现出的一种新技术—软测量技术(Soft-Sensing Technique)。软测量技术也称为软仪表技术，就是利用易测过程变量(如工业过程中容易获取的压力、温度等过程参数)，依据这些易测过程变量与难以直接测量的待测过程变量(如锅炉燃烧过程中的烟气含氧量等)之间的软测量模型，通过各种计算和估计方法，从而实现对待测过程变量的测量。关键参量是指那些在控制中必不可少的且用常规测量方法难以得到实时准确数据的参数，如炉膛温度、烟气含氧量(O2)、碳氧化合物含量(CO2、CO)、氮氧化合物含量(NOx)、水蒸气含量(H2O)、粉尘浓度以及燃烧过程时滞常数(τ)等。其中，炉膛温度是保证燃烧和锅炉运行的关键参量；含氧量是关系到风煤配比、评价燃烧优劣重要过程参数，也是重要的目标参数；而SO2、CO2、CO、H2O、NOx、粉尘浓度等则是热损计算和评估锅炉效率必不可少的参数。这些参数采用常规的检测方法很难保证实时、准确的要求。而对于那些虽然是控制必需但可容易获取的参数，如炉膛负压、出水压力、烟气温度等参数，则不列入关键参量中。目前，工程上烟气含氧量主要依赖氧化锆传感器实现测量。SO2、CO2等参数由安装在烟囱上烟气分析仪提供。由于反应过程的时滞、安装位置限制、仪表自身特性等原因，使得这些参数不能满足测量与控制时域适配的要求。目前，之所以一些高水平的理论研究不能应用到工程实际，其中一个重要的原因就是忽略了这一因素的影响。氧化锆测量烟气含氧量的弊病主要有，一是中毒现象时有发生，造成测量失准；二是由于燃烧反应的过渡过程、烟气流通的时延造成测量滞后；三是氧化锆自身时滞性造成测量滞后。事实上，现在工程上的氧化锆测量氧含量只有在稳态情况下才可能反应工况的真正结果，类似的，SO2的测量也存在同样问题。关键参量的实时测量是锅炉燃烧过程控制中至关重要的问题。对于解决那些具有大时滞特性信号，或不能用直接方法测量的关键参量，通常采用软测量的方法。广义预测控制是具有预测模型、滚动优化和反馈校正和自适应特点的一种先进算法，论文研究的新型算法更具有快速收敛性的特点，可以把广义预测技术应用到烟气含氧量测量之中，实现锅炉燃烧过程关键参量的软测量。
技术实现思路
本专利技术的目的是提供一种，它利用广义预测控制的优势，对软测量关键参数模型进行滚动优化和反馈校正，使得软测量关键参数模型输出具有良好的精度和趋势。本专利技术解决其技术问题所采用的技术方案是根据过程控制的时滞特性和关键参数的测量方法，利用新型广义预测控制器，建立了基于广义预测算法的软测量预测模型，实现了过程控制关键参量的实时在线测量，具体包括测量模型建立、初始化、新型预测控制方法、反馈校正和四个步骤(1)建立测量模型根据广义预测控制技术特征和过程控制时滞特性建立测量模型(2)初始化及求解最优控制律根据测量模型设定控制参数，利用新型广义预测控制方法求解最优控制律；(3)模型反馈校正采用时变遗忘因子两段参数估计方法进行模型反馈校正，优化控制参数；(4)基于广义预测控制在线关键参数测量方法根据新型广义预测控制器计算、输出关键参数测量值。所述建立的测量模型，具体如下确定系统的过程控制的目标函数为J=E{(ψ-w)T(ψ-w)+λψTψ}]]>=E{(Gu→+f→+e→-w→)T(Gu→+f→+e→-w→)+λ(Pu→+δ→)T(Pu→+δ→)}]]>为了求得最优控制律 由目标函数式可得(GTG+λPTP)u→=GT(w→-f→-e→)-λPTδ→]]>由数学分析可知由方程所求得的 即为使得目标函数式中的J取得最小值的最优解。所述初始化及求解最优控制律，具体如下由于新型控制算法采用矩阵递推迭代方法，避免了传统方法求解最优控制律中逆矩阵的计算，运算复杂度下降了M(矩阵阶数)的平方阶次，节省的计算量和存储量这样就可以扩大预测时域和控制时域的选取范围，增加测控系统的稳定性，可以实现锅炉关键参数实时在线软测量； 递推优化算法如下记GTG+λPTP=a11a12···a1Ma21a22···a2M············aM1aM2···aMM=a→1ta→2t···a→Mt]]>GT(w→-f→)-λPTδ→=b→t=]]>(1)读入M，t，a→it=(ail,···,aiM),]]>i＝1，2，…，Me1＝(1，0，…，0)，…，ej＝(0，…，0，1，0，…，0)，…，eM＝(0，0，本文档来自技高网...

【技术保护点】
一种基于新型广义预测控制的在线关键参数测量方法，其特征是：根据过程控制的时滞特性和关键参数的测量方法，利用新型广义预测控制器，建立了基于广义预测算法的软测量预测模型，实现了过程控制关键参量的实时在线测量，具体包括测量模型建立、初始化、新型预测控制方法、反馈校正和基于新型广义预测控制的在线关键参数测量方法四个步骤：（１）建立测量模型：根据广义预测控制技术特征和过程控制时滞特性建立测量模型；（２）初始化及求解最优控制律：根据测量模型设定控制参数，利用新型广义预测控 制方法求解最优控制律；（３）模型反馈校正：采用时变遗忘因子两段参数估计方法进行模型反馈校正，优化控制参数；（４）基于广义预测控制在线关键参数测量方法：根据新型广义预测控制器计算、输出关键参数测量值。

【技术特征摘要】

【专利技术属性】
技术研发人员：郑德忠，何群，
申请(专利权)人：燕山大学，
类型：发明
国别省市：13[中国|河北]