关于火电厂锅炉燃烧系统的复杂控制结构,可变工况,高惯性和强耦合,基于模糊PID控制器控制锅炉燃烧系统的方法提出改进。

子群优化算法用于在线优化模糊控制器调节因子,以通过可变工况的数学模型克服燃烧控制系统的难点控制点。过比较传统PID控制器和模糊自适应PID控制器的仿真结果,改进的模糊PID控制器输出稳定,控制精度高,鲁棒性好。[关键词]热控系统;改进模糊适应;粒子群算法的介绍锅炉燃烧系统是一个重要的控制系统,提供热量来维持主蒸汽负荷,从而确保燃烧的经济性和安全性。
蒸气压是确定蒸汽量和外部电荷是否相容的重要指标。

于大型机组的大容量和燃料的多样性,供给燃煤电厂的煤炭供给源的数量不同,使得传统PID控制器难以满足时间控制的要求。糊控制器是一种控制结构简单的非线性控制器,具有鲁棒性,适应性和容错性。

些专家已将其应用于火电厂的火电控制系统,但模糊控制基本上是一种非线性PD控制无法消除系统的静态差异。进模糊控制器的基本思想模糊控制增强策略的核心思想是利用输入误差e的值和模糊域中的ec误差变化和隶属函数同时保持模糊分割不变。行伸缩调节。输入变量xi和输出变量ui(-Ei,Ei)和(-Ui,Ui),(i = 1,2,恒温阀芯… n)的模糊字段是变量的域宇宙模糊控制器和隶属函数随输入量的变化而变化。的简单表达形式如下:自适应PID自适应模糊控制原理改进的自适应PID自适应模糊PID自适应模糊控制器,一个控制器模糊和PID复合控制器,控制器改变传统PID控制器Kp,Ki,Kd的设置,跟不上实时误差调整的缺点,并提供了一种改变控制器设置的方法在线PID使用模糊控制器跟踪误差信号,从而提高模糊控制的效果。
体粒子优化算法(PSO)是一种仿生优化算法。文使用PSO来查找和优化比例因子,进而提高增强PID控制器的控制效果。
体优化过程如下:参数为αe,αec,βp,βi,它们构成搜索空间的四个维度,随机生成一组Xi,作为第一代人口初始,将Xi引入目标函数Q并计算aptitude值。一Xbesti =(xib1,xib2,xib3,xib4)粒子i的优化当前的最佳位置,并通过Qbesti,然后颗粒的最佳当前位置i可以表示对应的适合度值:重复上述步骤,直到获得最佳解决方案。糊PID控制器的模糊自适应PID控制器可以校正原PID控制器的控制参数,但控制精度有限。文采用标准粒子优化算法对自适应PID控制器的模糊调整因子进行优化,结合两种控制器的优点,可以实时调整模糊控制器的场和系统控制器输出。统错误和系统控制的准确性得到改善。拟实验是在发电厂300 MW机组的燃烧系统的过程视图中进行的,在不同的初始条件下,持续5秒,总持续时间为20秒。
钟。旦获得的数据被处理,在Matlab中使用识别算法获得不同负载下的燃料控制系统的数学模型。
进的模糊PID控制器实现本文档选择使用增强型PSO算法来优化模糊自适应PID控制器的输入和输出链路因子,并定义模糊控制器字组。{PB,PM,PS。Z,NS,NM,NB},使用三角形隶属函数,输入域e,ec的基域设置为[-12,12],[ – 6, 6],输出变量的基域是基于控制器的PID设置。

过PID控制器的参数化方法,PID控制器的参数为δ= 0.48,Ti = 289,Td = 0.0001。此,模糊控制器输出的基本域必须在一定比例和积分系数范围内选择。便于计算,设置为[-0.6,0.6],[ – 0.012,0.012]和对应于输入和输出的模糊变量是模糊的。
为[-6.6],最大成员数方法用于解模糊。据公式(10),输入变量的量化因子ke和kec分别为0.5和1,输出变量的比例因子kp和ki分别为0.1和0.001。

真结果表明,机组给煤与主蒸汽压力之间的数学模型如下:为了检验控制效果,采用模糊PID控制器模拟比较。统的PID控制器。发生干扰的情况下,有三种方法可以控制系统的输出。过比较三条曲线,发现改进的模糊PID控制器在动态性能和稳态性能方面优于其他两种控制器,控制精度更高,曲线更稳定。健的验证在燃油控制系统中,分别选择80%和100%的单位负荷模型参数,并保留初始值,控制规则和粒子算法的初始值。适应PID控制器模糊,控制器改进。常数恒定时,增加幅度1的固定值扰动以观察两个控制器的鲁棒性。强型控制器的鲁棒性明显优于模糊自适应PID控制器。论本文将变域控制理论和粒子群优化算法相结合,设计了一种改进的模糊PID控制器。准粒子优化算法用于在线优化模糊控制器调整因子,修改控制器输出,减少控制系统对模糊控制规则的依赖。控制系统模型,优化控制效果。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com
