基于优化算法改进的微型燃气轮机模糊PID控制方法技术

本发明专利技术公开了一种基于优化算法改进的微型燃气轮机模糊PID控制方法。它包括如下步骤，步骤一：模糊PID控制器设计；步骤二：线性递减粒子种群规模；步骤三：线性递减惯性权重；步骤四：采用布谷鸟算法的局部随机游走策略提高粒子的多样性。本发明专利技术克服了现有控制器动态性能差，传统优化算法无法平衡收敛速度和收敛精度之间的矛盾的问题；具有提高微型燃气轮机全工况范围内的控制性能，提高算法收敛速度和收敛精度的优点。精度的优点。精度的优点。

【技术实现步骤摘要】
基于优化算法改进的微型燃气轮机模糊PID控制方法


[0001]本专利技术涉及微型燃气轮机控制领域，具体涉及一种基于优化算法改进的微型燃气轮机模糊PID控制方法，更具体地说它是基于混合改进粒子群
‑
布谷鸟算法的微型燃气轮机模糊PID控制方法。

技术介绍

[0002]微型燃气轮机凭借功率密度高、燃料来源广、排放低等优势，成为分布式能源系统的主要动力设备。为了保证输出电能的频率稳定，需要一个有效的控制器将微型燃气轮机的输出转速稳定在与电网频率匹配的转速。
[0003]微型燃气轮机发电系统由压气机、燃烧室、涡轮，控制单元和附属设备组成。空气在压气机中被压缩后进入燃烧室与燃料混合燃烧产生高温高压的燃气。高温燃气推动燃气涡轮做工，并带动压气机旋转。燃气轮机的转速和涡轮排气温度信号分别传递给控制单元的转速、温度控制环节。控制环节产生的燃料需求信号、经过低值选择器后得到燃料供给系统的输入信号，以便保持燃气轮机的安全稳定运行。控制系统是燃气轮机的重要组成部分，它直接影响发动机的性能，进而影响整个电力系统的整体性能，需要精确设计。一个合格的控制系统不仅要保证燃气轮机准确快速的完成控制指令，还要保证燃气轮机机组能够安全稳定运行。微型燃气轮机的控制系统包含转速控制环节和温度限制保护环节。经典的转速控制器采用PID控制逻辑。燃气轮机的实际转速与额定转速的偏差值作为控制器的输入信号，通过比例
‑
积分
‑
微分环节得出对应的燃油流量信号。
[0004]PID控制器[(比例
>‑
积分
‑
微分控制器)，由比例单元(P)、积分单元(I)和微分单元(D)组成]由于结构简单、可靠性高等优点，在微型燃气轮机控制系统中得到广泛应用。然而微型燃气轮机具有非线性、大时滞和时变性的特点，微型燃气轮机在负荷变化，存在外界干扰和模型特性发生变化时所表现出的强非线性使传统PID控制器的控制效果大打折扣，即传统PID控制器无法处理燃气轮机的非线性及控制系统存在的耦合问题。且优化算法的综合性能是影响控制器效果的重要因素。传统优化算法无法平衡收敛速度和收敛精度之间的矛盾。
[0005]模糊逻辑控制器(Fuzzy Logic Controller)由于具有良好的鲁棒性，被广泛应用于控制模型不确定以及非线性的系统。将模糊逻辑控制器与PID控制器结合，利用模糊逻辑调整PID控制器参数增益可以改善控制器的性能，为大量非线性系统的控制器设计提供参考。但目前模糊PID(FPID)控制器在燃气轮机领域的应用研究尚不够深入，多数研究仍然依靠经验规则设计模糊逻辑参数(模糊规则、隶属函数、比例系数等)，这种设计方式的难度较高且多数情况下并不能得到最优参数。
[0006]群体智能算法是近年来广受关注的优化方法之一，例如粒子群算法、蚁群算法、灰狼算法、人工蜂群算法等，其主要思想是利用仿生学模拟社会性动物的群体行为，通过个体之间信息交互与共享解决优化问题。粒子群(PSO)算法是一种经典的群体智能算法，与其他进化算法相比，粒子群算法结构更加简单且更加高效，目前已被广泛应用于各类优化问题。
但在解决复杂问题时，PSO算法也暴露出易陷入局部最优的不足。布谷鸟搜索(CS)算法是一种元启发式算法，该算法依赖于布谷鸟繁殖行为中的巢寄生性，通过局部随机游走和Levy飞行策略增强了算法的搜索能力，但该算法收敛速度偏慢。
[0007]因此，开发一种提高控制器的控制效果、且提高算法收敛速度和收敛精度的微型燃气轮机控制方法很有必要。

技术实现思路

[0008]本专利技术的目的是提供一种提高控制器的控制效果、且提高算法收敛速度和收敛精度的基于优化算法改进的微型燃气轮机模糊PID控制方法(即基于混合改进粒子群
‑
布谷鸟算法的微型燃气轮机模糊PID控制方法)，提高微型燃气轮机全工况范围内的控制性能，并解决传统优化算法无法平衡收敛速度和收敛精度之间的矛盾的问题。
[0009]为了实现上述目的，本专利技术的技术方案为：基于优化算法改进的微型燃气轮机模糊PID控制方法，其特征在于：包括如下步骤，
[0010]步骤一：模糊PID控制器设计；
[0011]步骤二：线性递减粒子种群规模；
[0012]步骤三：线性递减惯性权重；
[0013]步骤四：采用布谷鸟算法的局部随机游走策略提高粒子的多样性。
[0014]在上述技术方案中，在步骤一中，模糊PID控制以误差e和误差变化率ec作为输入，根据输入参数的值对PID参数进行动态调整，实现PID参数的最佳匹配；模糊PID控制器的参数增益表示为：
[0015][0016]式(1)中：k1、k2、k3为比例因子；K
p
、K
i
、K
d
分别为比例、积分、微分环节的增益系数；K
p0
、K
i0
、K
d0
分别为比例、积分、微分环节的增益初值；
△
K
p
，
△
K
i
，
△
K
d
分别为比例、积分、微分环节的增益调整量；
[0017]控制器的输出为：
[0018][0019]式(2)中：K
p
、K
i
、K
d
分别为比例、积分、微分环节的增益系数；t为当前迭代次数。
[0020]在上述技术方案中，在步骤二中，对粒子群数目进行线性递减，粒子种群的调整规律为：
[0021][0022]式(3)中：round为求整函数；N
max
是粒子种群最大规模；N
min
是粒子种群最小规模；M是设定的迭代次数；t为当前迭代次数。
[0023]在上述技术方案中，在步骤三中，通过采用线性递减惯性权重的方法，在迭代后期使粒子集中于全局最优粒子进行寻优，从而提高PSO算法的局部搜索能力，惯性权重的调整规律为：
[0024][0025]式(4)中：w
max
为算法的最大惯性权重；w
min
为最小惯性权重；t为当前迭代次数；M是设定的迭代次数。
[0026]在上述技术方案中，在步骤四中，在步骤四中，采用布谷鸟算法中的局部随机游走策略增加粒子在搜索空间中的多样性；
[0027]布谷鸟算法的局部随机游走策略表示为：
[0028][0029]式(5)中：和分别第t和t+1次迭代时的当前解；和是随机选择的两个不同的解；步长比例因子α＝O(L/10)＞0，其中L与所研究问题的尺度有关；H(u)是Heaviside函数；ξ是从均匀分布中抽取的随机数；P为开关量参数；δ是步长；表示两个向量的entry
‑
wise积。
[0030]本专利技术具有如下优点：
[0031](1)与传统优化算法相比，本专利技术所述控制方法中的混合改进粒子群
‑
...

【技术保护点】

【技术特征摘要】
1.基于优化算法改进的微型燃气轮机模糊PID控制方法，其特征在于：包括如下步骤，步骤一：模糊PID控制器设计；步骤二：线性递减粒子种群规模；步骤三：线性递减惯性权重；步骤四：采用布谷鸟算法的局部随机游走策略提高粒子的多样性。2.根据权利要求1所述的基于优化算法改进的微型燃气轮机模糊PID控制方法，其特征在于：在步骤一中，模糊PID控制以误差e和误差变化率ec作为输入，根据输入参数的值对PID参数进行动态调整，实现PID参数的最佳匹配；模糊PID控制器的参数增益表示为：式(1)中：k1、k2、k3为比例因子；K
p
、K
i
、K
d
分别为比例、积分、微分环节的增益系数；K
p0
、K
i0
、K
d0
分别为比例、积分、微分环节的增益初值；
△
K
p
，
△
K
i
，
△
K
d
分别为比例、积分、微分环节的增益调整量；控制器的输出为：式(2)中：K
p
、K
i
、K
d
分别为比例、积分、微分环节的增益系数；t为当前迭代次数。3.根据权利要求2...

【专利技术属性】
技术研发人员：杨睿，刘永葆，贺星，李洪松，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：