[发明专利]预测模糊控制优化的废塑料炼油裂解炉炉膛压力控制方法

摘要

本发明公开了一种预测模糊控制优化的废塑料炼油裂解炉炉膛压力控制方法。本发明首先基于裂解炉炉膛压力对象的阶跃响应数据建立炉膛压力对象的模型，挖掘其基本的对象特征；然后依据预测函数控制的特性去整定相应的PID控制器的参数；最后对裂解炉炉膛压力对象实施PID控制。本发明在继承了预测函数控制和模糊控制优良性能的同时也保证了形式简单并满足实际工业过程的需要。

主权项

预测模糊控制优化的废塑料炼油裂解炉炉膛压力控制方法，其特征在于该方法包括以下步骤；步骤1、通过裂解炉炉膛压力对象的实时阶跃响应数据建立被控对象的模型，具体是：1.1将过程的比例积分微分控制器停留在手动操作状态，操作拨盘使其输出有阶跃变化，记录仪表实际过程的输出值，将实际过程输出值$y_p^{*}\left(k\right)=y_p\left(k\right)/y_p\left(\mathrm{\∞}\right)$其中，y_p(∞)是比例积分微分控制器的输出有阶跃变化时的实际过程输出y_p(k)的稳态值；1.2选取满足以及的两个计算点k₁和k₂，依据下式计算过程对象的模型参数K_m,T,τ：K_m＝y_p(∞)/qT＝2(k₁‑k₂)τ＝2k₁‑k₂最后得到的过程对象的传递函数为：$G\left(s\right)=\frac{K_m}{Ts+1}{e}^{-\mathrm{\τ}s}$其中，q为过程的比例积分微分控制器输出的阶跃变化幅度，G(s)为过程对象的传递函数，s为拉普拉斯变换算子，K_m为模型的增益系数，T为模型的时间常数，τ为模型的滞后时间参数；步骤2、设计过程对象的PID控制器预测部分，具体是：2.1对得到的传递函数在采样时间T_s下加一个零阶保持器离散化，得到离散模型为：y_m(k)＝a_my_m(k‑1)+K_m(1‑a_m)u(k‑L‑1)其中，y_m(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，T_s为采样时间，L为离散传递函数模型的时滞，L＝τ/T_s；2.2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：y_mav(k)＝a_my_mav(k‑1)+K_m(1‑a_m)u(k‑1)$y_{mav}(k+P)=a_m^P{y}_{mav}(k-1)+K_m(1-a_m^P)u\left(k\right)$其中，P为预测步长，y_mav(k+P)为k时刻去掉纯滞后的过程对象在预测函数控制下的第P步预测输出，y_mav(k)为k时刻去掉纯滞后的过程模型输出；2.3修正当前时刻的实际输出得到包含未来预测信息的新的过程实际输出值，形式如下：y_pav(k)＝y_p(k)+y_mav(k)‑y_mav(k‑L)其中，y_pav(k)为校正得到的k时刻包含未来预测信息的新的过程输出值，y_p(k)为k时刻的实际输出值；步骤3、设计被控对象PID控制器的自适应调整部分，具体是：3.1通过PID控制器获取经验PID参数3.2构建模糊控制器，模糊控制器包括模糊器，模糊推理机、数据库、规则库和解模糊器；模糊控制器的建立方式如下：3.2.1模糊语言变量的确定将压力偏差e(t)和压力偏差的变化率△e(t)作为模糊控制器的输入语言，△K_p,△K_i,△K_d为输出语言；其变化范围定义为模糊机上的基本论域：[‑6,‑5,‑4,‑3,‑2,‑1,0,1,2,3,4,5,6]；其模糊子集为e(t)，△e(t)＝{NB,NM,NS,ZE,PS,PM,PB},其子集分别表示为：负大、负中、负小、正小、正中、正大；将基本论域的量进行离散化然后进行模糊处理，如果输入语言范围在基本论域内，通过线性变化公式进行转化，公式如下：$y=\frac{10}{b-a}(x-\frac{a+b}{2})$3.2.2确定隶属度函数，选取运算较为简单的三角形隶属度函数；3.2.3建立模糊规则库当系统偏差较大时，为了加快响应速度，同时避免超调与积分饱和，这时应该选取较大的K_p，中等的K_d以及较小的K_i；当系统偏差较小时，为了保证系统的稳定性，应该取较小的K_p和K_i，较大K_d；根据规则分析，制定出模糊规则表；以上步骤3.2是在控制系统开始运行后，将给定压力和当前压力做差分运算，根据差值的大小、方向、变化趋势，通过模糊推理机作出决策，经过解模糊器处理得出相应PID增益参数△K_p,△K_i,△K_d；3.3将经验PID参数和设定值输入模糊自整定PID控制器；3.4将压力偏差e(t)和压力偏差的变化率△e(t)作为模糊控制器的输入，在模糊控制器内经过模糊化、映射模糊规则库、解模糊处理，得出一组PID增益参数△K_p,△K_i,△K_d，将该增益参数与经验PID参数线性相加，获取一组理想的PID参数：$K_p=K_{p_0}+{\mathrm{\ΔK}}_p$$K_i=K_{i_0}+{\mathrm{\ΔK}}_i$$K_d=K_{d_0}+{\mathrm{\ΔK}}_d$3.5将获取的压力偏差e(t)和理想的PID参数做PID运算获取执行机构的控制量u(t)，其表示式如下：执行机构的控制量u(t)作用在被控对象上，从而控制压力；通过步骤2预测模型对过程输出进行预测带入步骤3中模糊自适应PID中，在下一时刻依照步骤2到步骤3的步骤继续对实际过程进行预测，依次循环。