CN103345160A - 余热烘干***的湿度优化控制方法 - Google Patents

余热烘干***的湿度优化控制方法 Download PDF

Info

Publication number
CN103345160A
CN103345160A CN2013102811637A CN201310281163A CN103345160A CN 103345160 A CN103345160 A CN 103345160A CN 2013102811637 A CN2013102811637 A CN 2013102811637A CN 201310281163 A CN201310281163 A CN 201310281163A CN 103345160 A CN103345160 A CN 103345160A
Authority
CN
China
Prior art keywords
control
value
humidity
expression
input
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013102811637A
Other languages
English (en)
Other versions
CN103345160B (zh
Inventor
薛安克
陈云
周绍生
孔亚广
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Xinghai Energy Conservation and Environmental Protection Technology Co.,Ltd.
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201310281163.7A priority Critical patent/CN103345160B/zh
Publication of CN103345160A publication Critical patent/CN103345160A/zh
Application granted granted Critical
Publication of CN103345160B publication Critical patent/CN103345160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Feedback Control In General (AREA)
  • Drying Of Solid Materials (AREA)

Abstract

本发明公开了一种余热烘干***的湿度优化控制方法。本发明首先采用模型预测控制方法对余热烘干***的出口烟气湿度值进行控制，使烟气湿度值按照给定的参考轨迹平稳的过度到给定值，避免因控制输入量过大而导致烘干物品自燃而造成***安全隐患；考虑到***输入控制量扰动的影响，加入前馈补偿控制构成前馈-反馈复合控制，对预测模型进行校正，加快***扰动输入响应的同时减小***的预测误差；当湿度值达到给定值后采用LQ最优控制方法对***进行最优化控制，增强***抗干扰能力的同时使***燃气用量最少。本发明减小了输入扰动对***的影响，提高了控制精度，同时使***耗能最少，满足工业生产的节能要求。

Description

余热烘干***的湿度优化控制方法
技术领域
本发明属于信息技术领域，涉及自动化技术中的模型预测控制方法（MAC，模型算法控制）、前馈-反馈控制方法和LQ最优控制方法，是基于以上几种方法对余热烘干***的湿度进行优化控制。
背景技术
废塑料炼油是将生活和工业生产过程中产生的废塑料进行裂解炼油的新工艺。为保证裂解过程的效率和安全，在对废塑料进行裂解之前必须对废塑料进行烘干处理。由于废塑料为可燃物且其中还夹杂着废纸等易燃物体，为提高烘干效率尽量避免烘干物品自燃，在烘干时采用热空气与废塑料混合烘干的方式。这种混合烘干的效率和对燃气的利用率取决于烘干后出口烟气的湿度值，本烘干***中当出口烟气湿度值达到50%时烘干效率和燃气利用率达到最高。然而以往的同类烘干***控制中的控制算法未考虑到烟气湿度的影响，因而往往使***的烘干效果不好，废塑料裂解效率不高，且造成燃气浪费，不符合节能降耗的要求。
发明内容
本发明的目的就是针对以往的烘干***中未考虑烘干***中出口烟气湿度值的影响，使烘干效率不高，造成燃气浪费而提出的一种烘干***中的湿度优化控制方法。
本发明方法是一种模型预测控制方法（MAC，模型算法控制）、前馈-反馈控制方法和LQ最优控制方法相结合的混合模型切换控制方法。针对烘干物品易燃的特性，首先采用模型预测控制方法（MAC，模型算法控制）对余热烘干***的出口烟气湿度值进行控制，使湿度值按照给定的参考轨迹平稳的达到50%，避免因控制输入量过大而导致烘干物品自燃而造成***安全隐患；考虑到***输入控制量扰动的影响，加入前馈补偿构成前馈-反馈的复合控制，对预测模型进行校正，加快***扰动输入响应的同时减小***的预测误差；当湿度值达到50%后采用LQ最优控制方法对***进行最优化控制，增强***抗干扰能力的同时使***燃气用量最少。
本发明方法的具体步骤包括：
步骤一：建立***的预测模型，用模型预测控制方法（MAC，模型算法控制）和前馈-反馈控制方法，控制余热烘干***的出口烟气湿度，使湿度值平稳的达到50%。
a. 建立预测模型
具体方法是：以进料口流量，燃气阀开度值，冷配风阀门开度值为输入量，以湿度传感器采集到的烘干***出口烟气湿度值为输出量，建立基于最小二乘法的离散差分模型；
                                       
Figure 2013102811637100002DEST_PATH_IMAGE002
     
其中
Figure 2013102811637100002DEST_PATH_IMAGE004
表示烘干***出气口空气湿度值，
Figure 2013102811637100002DEST_PATH_IMAGE006
表示控制输入向量，
Figure 2013102811637100002DEST_PATH_IMAGE008
表示***的输入扰动向量；控制输入向量和扰动输入向量为
Figure 2013102811637100002DEST_PATH_IMAGE010
，
Figure 2013102811637100002DEST_PATH_IMAGE012
其中表示燃气二通阀阀门开度值，
Figure 2013102811637100002DEST_PATH_IMAGE016
表示冷配风二通阀阀门开度值，
Figure 2013102811637100002DEST_PATH_IMAGE018
表示进料口流量，在烘干过程中可通过调节
Figure 780566DEST_PATH_IMAGE014
、
Figure 859380DEST_PATH_IMAGE016
、
Figure 427197DEST_PATH_IMAGE018
三个控制输入量来控制烘干***中的空气湿度。
Figure 2013102811637100002DEST_PATH_IMAGE020
、
Figure 2013102811637100002DEST_PATH_IMAGE022
、分别为三个输入量的扰动输入。
Figure 2013102811637100002DEST_PATH_IMAGE026
、
Figure 2013102811637100002DEST_PATH_IMAGE028
和
Figure 2013102811637100002DEST_PATH_IMAGE030
表示通过最小二乘辨识获得的***参数矩阵
Figure 2013102811637100002DEST_PATH_IMAGE032
，，
Figure 2013102811637100002DEST_PATH_IMAGE036
其中
Figure 2013102811637100002DEST_PATH_IMAGE038
为待辨识的标量参数，
Figure 2013102811637100002DEST_PATH_IMAGE040
、
Figure 2013102811637100002DEST_PATH_IMAGE042
为待辨识的
Figure 2013102811637100002DEST_PATH_IMAGE044
维矩阵，n为采样点数。
通过
Figure 2013102811637100002DEST_PATH_IMAGE046
反变换，把上述模型转化成基于脉冲响应传递函数的非参数化模型，即烘干***出口烟气湿度值预测模型：
Figure 2013102811637100002DEST_PATH_IMAGE048
其中
Figure 2013102811637100002DEST_PATH_IMAGE050
表示第
Figure 2013102811637100002DEST_PATH_IMAGE052
个采样时刻出口烟气的湿度预测值，
Figure 2013102811637100002DEST_PATH_IMAGE054
为建模时域，
Figure 2013102811637100002DEST_PATH_IMAGE056
表示第
Figure 2013102811637100002DEST_PATH_IMAGE058
时刻的控制输入变量，
Figure 2013102811637100002DEST_PATH_IMAGE060
表示第时刻的输入扰动。其中
Figure 2013102811637100002DEST_PATH_IMAGE062
和
Figure 2013102811637100002DEST_PATH_IMAGE064
的计算公式如下
Figure 2013102811637100002DEST_PATH_IMAGE066
，
Figure 2013102811637100002DEST_PATH_IMAGE070
, 
Figure 70854DEST_PATH_IMAGE068
表示对括号内的算式做
Figure 34917DEST_PATH_IMAGE046
反变换。
b. 前馈控制器设计
由预测模型
Figure 184139DEST_PATH_IMAGE002
整理后有
Figure 2013102811637100002DEST_PATH_IMAGE074
其中
Figure 2013102811637100002DEST_PATH_IMAGE076
为被控对象没有扰动时的传递函数，
Figure 2013102811637100002DEST_PATH_IMAGE078
为被控对象扰动通道的传递函数，且有
Figure 2013102811637100002DEST_PATH_IMAGE080
，
加入前馈控制环节后***的输出
Figure 2013102811637100002DEST_PATH_IMAGE084
变为
Figure 2013102811637100002DEST_PATH_IMAGE086
其中
Figure 2013102811637100002DEST_PATH_IMAGE088
为前馈控制器的传递函数。当
Figure 2013102811637100002DEST_PATH_IMAGE090
时有
令
Figure 2013102811637100002DEST_PATH_IMAGE094
，可得前馈控制器的传递函数为
Figure 2013102811637100002DEST_PATH_IMAGE096
。由此，前馈控制器的输出为
Figure 2013102811637100002DEST_PATH_IMAGE098
c. 采用前馈—反馈控制方法对***进行校正，实现闭环预测
具体方法如下：用第步出口烟气湿度的实际值
Figure 625222DEST_PATH_IMAGE084
与该时刻的湿度预测值
Figure 2013102811637100002DEST_PATH_IMAGE102
做差，可得该时刻的误差值
Figure 2013102811637100002DEST_PATH_IMAGE104
。利用该误差对第
Figure 2013102811637100002DEST_PATH_IMAGE106
个采样时刻的预测输出
Figure 938523DEST_PATH_IMAGE050
进行反馈修正，得到校正后第
Figure 359140DEST_PATH_IMAGE106
个采样时刻的输出预测值
Figure 2013102811637100002DEST_PATH_IMAGE108
为
Figure 2013102811637100002DEST_PATH_IMAGE110
，
Figure 2013102811637100002DEST_PATH_IMAGE112
其中
Figure 2013102811637100002DEST_PATH_IMAGE114
为误差修正系数，
Figure 2013102811637100002DEST_PATH_IMAGE116
为预测时域。
为了使湿度值安全平稳的达到设定值，将模型预测控制方法（MAC，模型算法控制）中的指定参考轨迹
Figure 2013102811637100002DEST_PATH_IMAGE118
在第个采样时刻的值取为
Figure 2013102811637100002DEST_PATH_IMAGE120
，
其中
Figure 2013102811637100002DEST_PATH_IMAGE124
为输出设定值；
Figure 2013102811637100002DEST_PATH_IMAGE126
为参考时间给定常数；
Figure 2013102811637100002DEST_PATH_IMAGE128
为采样周期。参考轨迹的时间常数
Figure 398956DEST_PATH_IMAGE126
值越大，则***的柔性越强，鲁棒性越强，但控制的快速性却变差。
d. 模型预测控制方法（MAC，模型算法控制）的最优控制律计算
选择输出误差和控制量加权的二次型性能指标，其表示如下：
Figure 2013102811637100002DEST_PATH_IMAGE130
其中
Figure 2013102811637100002DEST_PATH_IMAGE132
,分别为预测输出误差与控制量的加权系数，
Figure 2013102811637100002DEST_PATH_IMAGE136
为
Figure 2013102811637100002DEST_PATH_IMAGE138
时刻总的控制输入，
Figure 2013102811637100002DEST_PATH_IMAGE140
为
Figure 527449DEST_PATH_IMAGE138
时刻前馈控制器输出，
Figure 299227DEST_PATH_IMAGE116
为预测时域，
Figure 2013102811637100002DEST_PATH_IMAGE142
为控制时域，且有。
将二次型性能指标写成矢量形式有
其中
Figure 2013102811637100002DEST_PATH_IMAGE148
和
Figure 2013102811637100002DEST_PATH_IMAGE150
为加权阵，一般可以选取对角阵形式
Figure 2013102811637100002DEST_PATH_IMAGE152
,
Figure 2013102811637100002DEST_PATH_IMAGE154
，对角线上的元素
Figure 2013102811637100002DEST_PATH_IMAGE156
、
Figure 2013102811637100002DEST_PATH_IMAGE158
可根据实际的***选取适当的值。为总的控制输入矢量；
Figure 2013102811637100002DEST_PATH_IMAGE162
为参考输入矢量；
Figure 2013102811637100002DEST_PATH_IMAGE164
为输出预测值矢量。
对未知控制矢量
Figure 2013102811637100002DEST_PATH_IMAGE166
求导，即令
Figure 2013102811637100002DEST_PATH_IMAGE168
，就可得出最优控制律
Figure 2013102811637100002DEST_PATH_IMAGE170
其中
Figure 2013102811637100002DEST_PATH_IMAGE172
为误差修正矢量，
Figure 2013102811637100002DEST_PATH_IMAGE174
的值一般可取1。
,
Figure 2013102811637100002DEST_PATH_IMAGE178
其中，为维矩阵，可以一次同时计算出从
Figure 799872DEST_PATH_IMAGE100
到时刻的所有控制量，
Figure 897272DEST_PATH_IMAGE062
的计算在步骤a中已经给出。
在实际应用中，为了尽量减少误差，本发明采用闭环控制算法，即只执行当前时刻的控制作用
Figure 2013102811637100002DEST_PATH_IMAGE188
，而下一时刻控制量
Figure 2013102811637100002DEST_PATH_IMAGE190
再按
Figure 185165DEST_PATH_IMAGE188
的计算式递推一步重算。此时，最优控制的即时控制量可写为
Figure 2013102811637100002DEST_PATH_IMAGE192
其中
Figure 2013102811637100002DEST_PATH_IMAGE194
。
步骤二：烘干***出口烟气湿度值达到50%后，采用LQ最优控制方法对***进行最优化控制。
具体方法如下:
初始时刻，以进料口流量、燃气阀开度值、冷配风阀门开度值为控制输入量，利用步骤一的预测控制方法，对余热烘干***中的烟气湿度进行控制。为了使燃气消耗量最小，当出口烟气湿度值达到50%后，以燃气阀门开度为单控制输入量，通过调节燃气阀门开度值实现***的最优控制，达到节能的目的。
由前面建立的预测模型经过模型转换后可得***的状态空间表达式为：
Figure 2013102811637100002DEST_PATH_IMAGE196
，
其中
Figure 2013102811637100002DEST_PATH_IMAGE200
，
Figure 2013102811637100002DEST_PATH_IMAGE202
为出口烟气湿度，
Figure 2013102811637100002DEST_PATH_IMAGE204
为进料口流量，
Figure 2013102811637100002DEST_PATH_IMAGE206
为冷配风阀门开度值，
Figure 2013102811637100002DEST_PATH_IMAGE208
为燃气阀门开度值，
Figure 2013102811637100002DEST_PATH_IMAGE210
为初始时刻的状态值，
Figure 2013102811637100002DEST_PATH_IMAGE212
和
Figure 2013102811637100002DEST_PATH_IMAGE214
为通过辨识获得的常数矩阵,
Figure 2013102811637100002DEST_PATH_IMAGE216
表示欧式空间。
选取二次型性能指标
Figure 2013102811637100002DEST_PATH_IMAGE218
其中
Figure 711699DEST_PATH_IMAGE116
为预测时域，S、Q d 、R d 为
Figure 2013102811637100002DEST_PATH_IMAGE220
维的正定实对称加权矩阵，一般选取对角阵、
Figure 2013102811637100002DEST_PATH_IMAGE224
、
Figure 2013102811637100002DEST_PATH_IMAGE226
，对角线上的元素、
Figure 2013102811637100002DEST_PATH_IMAGE230
、
Figure 2013102811637100002DEST_PATH_IMAGE232
可根据***实际运行特性适当选取。
根据状态方程中矩阵A和B的值，求解离散时间***的Riccati矩阵方程
Figure 2013102811637100002DEST_PATH_IMAGE234
其中I表示维的单位矩阵，可解得正定对称矩阵W(k)。由此可以设计出离散时间LQ最优控制器，相应的状态反馈最优湿度控制律为
Figure 2013102811637100002DEST_PATH_IMAGE236
。该最优控制方法将使得湿度控制***具有
Figure 2013102811637100002DEST_PATH_IMAGE238
的增益裕量和
Figure 2013102811637100002DEST_PATH_IMAGE240
的相位裕量。
本发明是针对本混合烘干***中烘干物品含易燃物和传统的烘干控制算法未考虑烘干***烟气湿度，而使***烘干效率和燃料利用率不高，而提出的烘干***湿度优化控制方法。本发明采用前馈-反馈控制和模型预测控制（MAC，模型算法控制）相结合的闭环控制方法，可以根据控制要求，不断进行反馈校正，最终得到最优的阀门开度值，前馈补偿环节可加快***对输入扰动的响应减小误差。在烘干开始时采用模型预测控制方法（MAC，模型算法控制），可使***的输出按照指定轨迹逐渐达到指定值，消除了因阀门开度过大而导致烘干物品自燃的安全隐患，同时使***过度过程平稳。当***湿度达到指定值后采用LQ最优控制方法进行控制，在保证***稳定性的同时可使燃气消耗量最少。采用前馈-反馈复合控制方法、模型预测控制方法（MAC，模型算法控制）和LQ最优控制方法结合的混合控制方法，可消除因阀门开度过大使烘干物品自燃的安全隐患，减小了输入扰动对***的影响，提高了控制精度，同时使***耗能最少，满足工业生产的安全节能要求。
具体实施方式
余热烘干***湿度优化控制方法，在烘干初期采用前馈-反馈控制方法和模型预测控制方法（MAC，模型算法控制）相结合对燃气二通阀、冷配风二通阀的阀门开度和进料流量进行控制。具体实施方法如下：
1）确定预测模型中各参数矩阵的值
采用多输入—多输出***的最小二乘辨识方法对***参数进行辨识，***参数为
Figure 662404DEST_PATH_IMAGE032
，
Figure DEST_PATH_IMAGE242
，
Figure DEST_PATH_IMAGE244
其中
Figure DEST_PATH_IMAGE246
，，
Figure DEST_PATH_IMAGE250
为采样点数，，
Figure 280915DEST_PATH_IMAGE040
，
Figure 641489DEST_PATH_IMAGE042
的估计值可由式
Figure DEST_PATH_IMAGE252
的无偏估计得到，其中测量的参数矩阵
Figure DEST_PATH_IMAGE254
和测量的输出值矩阵
Figure DEST_PATH_IMAGE256
的具体计算如下
Figure DEST_PATH_IMAGE258
Figure DEST_PATH_IMAGE262
其中为采样时域
Figure 776411DEST_PATH_IMAGE054
内控制输入量的一组采样值，
Figure DEST_PATH_IMAGE266
为采样时域
Figure 287158DEST_PATH_IMAGE054
内输入扰动量的一组采样值,
Figure DEST_PATH_IMAGE268
为对应控制输入量和扰动输入量的一组***输出的采样值，这样的采样值共有
Figure 725223DEST_PATH_IMAGE250
组。中的a 1…a n 、b 01 b 02 b 03…b n1 b n2 b n3、c 01 c 02 c 03…c n1 c n2 c n3三组数据分别为对应预测模型中
Figure 584595DEST_PATH_IMAGE026
，
Figure 193431DEST_PATH_IMAGE028
,
Figure 448482DEST_PATH_IMAGE030
的各项分式的系数。
2）前馈控制器参数的确定和校正后预测输出值的计算。由于在实际的建模和参数估计时存在模型失配和误差，预测模型的输出值可能会偏离实际值，所以需要对输出进行修正。考虑到输入量扰动的影响，同时为增强***对扰动输入的响应速度，本发明采用前馈—反馈控制对预测输出进行校正。
在前述的前馈控制器设计中，已经得到前馈控制器的传递函数
Figure 459163DEST_PATH_IMAGE096
其中被控对象的传递函数
Figure DEST_PATH_IMAGE272
和扰动通道的传递函数
Figure 223857DEST_PATH_IMAGE078
分别为
Figure 133038DEST_PATH_IMAGE080
，
Figure 844642DEST_PATH_IMAGE082
将其代入控制器传递函数，可得前馈控制器的传递函数
Figure DEST_PATH_IMAGE274
其中
Figure 772147DEST_PATH_IMAGE042
，
Figure 724053DEST_PATH_IMAGE040
已由***辨识时获得。
各个时刻校正后的预测输出值为
Figure DEST_PATH_IMAGE276
其中
Figure DEST_PATH_IMAGE278
为预测模型误差，
Figure DEST_PATH_IMAGE280
为
Figure 182848DEST_PATH_IMAGE100
时刻湿度传感器对出口烟气的采样值，
Figure 494880DEST_PATH_IMAGE102
表示
Figure 480154DEST_PATH_IMAGE100
时刻出口烟气湿度的预测值，
Figure 789912DEST_PATH_IMAGE172
为误差修正矢量，一般可取
Figure 936335DEST_PATH_IMAGE174
的值为1。
    给定参考轨迹
Figure 989742DEST_PATH_IMAGE120
，
Figure 626260DEST_PATH_IMAGE122
，其中
Figure 106920DEST_PATH_IMAGE124
为输出设定值；
Figure 212410DEST_PATH_IMAGE126
为参考时间给定常数；
Figure 69508DEST_PATH_IMAGE128
为采样周期。将反馈校正后的预测输出值和参考轨迹进行比较，得出预测误差范围。如果预测误差较大，则重新调整燃气二通阀、冷配风二通阀阀门开度值和进料口流量，直到将预测误差控制在一定的范围内。
3）给定加权矩阵
Figure 826111DEST_PATH_IMAGE152
,
Figure 290722DEST_PATH_IMAGE154
，对角线上的元素…
Figure DEST_PATH_IMAGE284
、
Figure DEST_PATH_IMAGE286
…
Figure DEST_PATH_IMAGE288
可根据实际要求选取适当的值，当预测误差被控制在一定的范围内的时候，为使控制阀门开度时更为简便，本发明采用输出控制增量的方式对阀门开度进行控制。
建立输出预测误差和控制量加权的二次型性能指标，描述如下：
Figure DEST_PATH_IMAGE292
其中
Figure DEST_PATH_IMAGE294
，
Figure DEST_PATH_IMAGE296
为控制输入增量，且
Figure DEST_PATH_IMAGE298
其中
Figure DEST_PATH_IMAGE300
。
令
Figure DEST_PATH_IMAGE302
，化简后有
Figure DEST_PATH_IMAGE304
将上式展开即可求得从
Figure 852151DEST_PATH_IMAGE100
到
Figure DEST_PATH_IMAGE306
时刻进行顺序开环控制的增量
Figure DEST_PATH_IMAGE308
、
Figure DEST_PATH_IMAGE310
、…、
Figure DEST_PATH_IMAGE312
，即
Figure DEST_PATH_IMAGE314
式中。
以上计算过程均可由计算机程序实现，计算机通过AD转换模块对输入、输出数据采样，采样数据保存在已建的数据库内。通过计算机算出最优控制增量，通过DA转换模块对实际控制输入量进行调节，从而控制余热烘干***的湿度。
建立性能指标和求解最优控制律，可使预测模型的误差最小，通过最优控制律计算，可得到最小的控制输入量即本***中的最小阀门开度，从而达到节能的目的。
4）当烘干***的出口烟气湿度值达到50%后，将***切换到LQ最优控制方法对***进行最优控制。
初始时刻，以进料口流量、燃气阀开度值、冷配风阀门开度值为控制输入量，利用步骤一的预测控制方法，对余热烘干***中的烟气湿度进行控制。为了使燃气消耗量最小，当出口烟气湿度值达到50%后，以燃气阀门开度为单控制输入量，通过调节燃气阀门开度值实现***的最优控制，实现节能的目的。由前面建立的预测模型经过模型转换后可得***的状态空间表达式为：
Figure DEST_PATH_IMAGE318
，
其中
Figure DEST_PATH_IMAGE320
，为出口烟气湿度，
Figure DEST_PATH_IMAGE322
为进料口流量，为冷配风阀门开度值，
Figure DEST_PATH_IMAGE324
为燃气阀门开度值，
Figure 745896DEST_PATH_IMAGE210
为初始时刻的状态值，
Figure DEST_PATH_IMAGE325
和
Figure DEST_PATH_IMAGE326
为通过辨识获得的常数矩阵。
选取二次型性能指标
Figure DEST_PATH_IMAGE327
其中
Figure 170055DEST_PATH_IMAGE116
为预测时域，S、Q d 、R d 为
Figure 320413DEST_PATH_IMAGE220
维的正定实对称加权矩阵，一般选取对角阵
Figure DEST_PATH_IMAGE328
、
Figure DEST_PATH_IMAGE329
、
Figure DEST_PATH_IMAGE330
，对角线上的元素
Figure DEST_PATH_IMAGE332
…
Figure DEST_PATH_IMAGE334
、
Figure DEST_PATH_IMAGE336
…
Figure DEST_PATH_IMAGE338
、
Figure DEST_PATH_IMAGE340
…
Figure DEST_PATH_IMAGE342
可根据***实际运行特性适当选取。
根据状态方程中矩阵A和B的值，求解下述离散时间***Riccati矩阵方程
Figure DEST_PATH_IMAGE343
其中I表示维的单位矩阵，可解得正定对称矩阵W(k)。由此可以设计离散时间LQ最优控制器，相应状态反馈最优湿度控制律为
Figure DEST_PATH_IMAGE344
。通过各AD模块对***的输入输出值采样，采样值送给LQ最优控制器，经LQ控制器求解，输出余热烘干***湿度值的最优状态反馈控制
再由DA装换模块便可调节实际***的控制输入值。利用LQ最优控制可增强***的鲁棒性，同时对余热烘干***的燃气输入实行最优化控制，使燃气用量最少，符合工业生产的节能要求。
本发明采用模型预测控制方法（MAC，模型算法控制），前馈-反馈控制方法和LQ最优控制方法相结合的混合模型切换控制方法，对余热烘干***的湿度进行优化控制。本方法消除了可能因阀门开度过大导致烘干物品自燃的安全隐患，快速、准确的实现余热烘干***中湿度的控制。通过指定模型性能指标，计算最优控制律可使***的控制能源消耗和燃料用量均达到最少，实现余热烘干***中的湿度的最优控制，达到企业的节能降耗。

Claims (1)

1.余热烘干***的湿度优化控制方法，其特征在于该方法的具体步骤是：
步骤一：建立***的预测模型，用模型预测控制方法和前馈-反馈控制方法，控制余热烘干***的出口烟气湿度，使湿度值平稳的达到50%；
a. 建立预测模型
具体方法是：以进料口流量，燃气阀开度值，冷配风阀门开度值为输入量，以湿度传感器采集到的烘干***出口烟气湿度值为输出量，建立基于最小二乘法的离散差分模型；
    
Figure 2013102811637100001DEST_PATH_IMAGE002
   
其中
Figure 2013102811637100001DEST_PATH_IMAGE004
表示烘干***出气口空气湿度值，表示控制输入向量，
Figure 2013102811637100001DEST_PATH_IMAGE008
表示***的输入扰动向量；控制输入向量和扰动输入向量为
，
Figure DEST_PATH_IMAGE012
其中
Figure DEST_PATH_IMAGE014
表示燃气二通阀阀门开度值，表示冷配风二通阀阀门开度值，
Figure DEST_PATH_IMAGE018
表示进料口流量，在烘干过程中可通过调节
Figure 497538DEST_PATH_IMAGE014
、
Figure 756481DEST_PATH_IMAGE016
、
Figure 573128DEST_PATH_IMAGE018
三个控制输入量来控制烘干***中的空气湿度；
Figure DEST_PATH_IMAGE020
、
Figure DEST_PATH_IMAGE022
、
Figure DEST_PATH_IMAGE024
分别为三个输入量的扰动输入；
Figure DEST_PATH_IMAGE026
、
Figure DEST_PATH_IMAGE028
和
Figure DEST_PATH_IMAGE030
表示通过最小二乘辨识获得的***参数矩阵
Figure DEST_PATH_IMAGE032
，
Figure DEST_PATH_IMAGE034
，
Figure DEST_PATH_IMAGE036
其中为待辨识的标量参数，
Figure DEST_PATH_IMAGE040
、
Figure DEST_PATH_IMAGE042
为待辨识的
Figure DEST_PATH_IMAGE044
维矩阵，n为采样点数；
通过反变换，把上述模型转化成基于脉冲响应传递函数的非参数化模型，即烘干***出口烟气湿度值预测模型：
Figure DEST_PATH_IMAGE048
其中
Figure DEST_PATH_IMAGE050
表示第
Figure DEST_PATH_IMAGE052
个采样时刻出口烟气的湿度预测值，
Figure DEST_PATH_IMAGE054
为建模时域，
Figure DEST_PATH_IMAGE056
表示第时刻的控制输入变量，
Figure DEST_PATH_IMAGE060
表示第
Figure 363667DEST_PATH_IMAGE058
时刻的输入扰动；其中
Figure DEST_PATH_IMAGE062
和
Figure DEST_PATH_IMAGE064
的计算公式如下
Figure DEST_PATH_IMAGE066
，
Figure DEST_PATH_IMAGE068
, 
Figure 824736DEST_PATH_IMAGE068
Figure DEST_PATH_IMAGE072
表示对括号内的算式做
Figure 336138DEST_PATH_IMAGE046
反变换；
b. 前馈控制器设计
由预测模型
Figure 312184DEST_PATH_IMAGE002
整理后有
Figure DEST_PATH_IMAGE074
其中
Figure DEST_PATH_IMAGE076
为被控对象没有扰动时的传递函数，
Figure DEST_PATH_IMAGE078
为被控对象扰动通道的传递函数，且有
Figure DEST_PATH_IMAGE080
，
Figure DEST_PATH_IMAGE082
加入前馈控制环节后***的输出
Figure DEST_PATH_IMAGE084
变为
Figure DEST_PATH_IMAGE086
其中
Figure DEST_PATH_IMAGE088
为前馈控制器的传递函数；当
Figure DEST_PATH_IMAGE090
时有
Figure DEST_PATH_IMAGE092
令
Figure DEST_PATH_IMAGE094
，可得前馈控制器的传递函数为
Figure DEST_PATH_IMAGE096
；由此，前馈控制器的输出为
Figure DEST_PATH_IMAGE098
c. 采用前馈—反馈控制方法对***进行校正，实现闭环预测
具体方法如下：用第
Figure DEST_PATH_IMAGE100
步出口烟气湿度的实际值与该时刻的湿度预测值做差，可得该时刻的误差值
Figure DEST_PATH_IMAGE104
；利用该误差对第
Figure DEST_PATH_IMAGE106
个采样时刻的预测输出
Figure 604680DEST_PATH_IMAGE050
进行反馈修正，得到校正后第
Figure 2164DEST_PATH_IMAGE106
个采样时刻的输出预测值
Figure DEST_PATH_IMAGE108
为
，
其中
Figure DEST_PATH_IMAGE114
为误差修正系数，为预测时域；
为了使湿度值安全平稳的达到设定值，将模型预测控制方法中的指定参考轨迹
Figure DEST_PATH_IMAGE118
在第
Figure 575095DEST_PATH_IMAGE106
个采样时刻的值取为
Figure DEST_PATH_IMAGE120
，
Figure DEST_PATH_IMAGE122
其中
Figure DEST_PATH_IMAGE124
为输出设定值；
Figure DEST_PATH_IMAGE126
为参考时间给定常数；
Figure DEST_PATH_IMAGE128
为采样周期；参考轨迹的时间常数值越大，则***的柔性越强，鲁棒性越强，但控制的快速性却变差；
d. 模型预测控制方法的最优控制律计算
选择输出误差和控制量加权的二次型性能指标，其表示如下：
Figure DEST_PATH_IMAGE130
其中
Figure DEST_PATH_IMAGE132
,
Figure DEST_PATH_IMAGE134
分别为预测输出误差与控制量的加权系数，
Figure DEST_PATH_IMAGE136
为
Figure DEST_PATH_IMAGE138
时刻总的控制输入，
Figure DEST_PATH_IMAGE140
为时刻前馈控制器输出，
Figure 156489DEST_PATH_IMAGE116
为预测时域，
Figure DEST_PATH_IMAGE142
为控制时域，且有；
将二次型性能指标写成矢量形式有
Figure DEST_PATH_IMAGE146
其中
Figure DEST_PATH_IMAGE148
和为加权阵，选取对角阵形式
Figure DEST_PATH_IMAGE152
,
Figure DEST_PATH_IMAGE154
，对角线上的元素
Figure DEST_PATH_IMAGE156
、可根据实际的***选取适当的值；为总的控制输入矢量；
Figure DEST_PATH_IMAGE162
为参考输入矢量；
Figure DEST_PATH_IMAGE164
为输出预测值矢量；
对未知控制矢量
Figure DEST_PATH_IMAGE166
求导，即令
Figure DEST_PATH_IMAGE168
，就可得出最优控制律
Figure DEST_PATH_IMAGE170
其中
Figure DEST_PATH_IMAGE172
为误差修正矢量，的值可取1；
Figure DEST_PATH_IMAGE176
,
Figure DEST_PATH_IMAGE178
其中
Figure DEST_PATH_IMAGE180
，
Figure DEST_PATH_IMAGE182
为
Figure DEST_PATH_IMAGE184
维矩阵，可以一次同时计算出从
Figure 362255DEST_PATH_IMAGE100
到时刻的所有控制量，
Figure 572656DEST_PATH_IMAGE062
的计算在步骤a中已经给出；
为了尽量减少误差，采用闭环控制算法，即只执行当前时刻的控制作用
Figure DEST_PATH_IMAGE188
，而下一时刻控制量
Figure DEST_PATH_IMAGE190
再按
Figure 534927DEST_PATH_IMAGE188
的计算式递推一步重算；此时，最优控制的即时控制量可写为
Figure DEST_PATH_IMAGE192
其中
Figure DEST_PATH_IMAGE194
；
步骤二：烘干***出口烟气湿度值达到50%后，采用LQ最优控制方法对***进行最优化控制；
具体方法如下:
初始时刻，以进料口流量、燃气阀开度值、冷配风阀门开度值为控制输入量，利用步骤一的预测控制方法，对余热烘干***中的烟气湿度进行控制；为了使燃气消耗量最小，当出口烟气湿度值达到50%后，以燃气阀门开度为单控制输入量，通过调节燃气阀门开度值实现***的最优控制，达到节能的目的；
由前面建立的预测模型经过模型转换后可得***的状态空间表达式为：
Figure DEST_PATH_IMAGE196
，
Figure DEST_PATH_IMAGE198
其中
Figure DEST_PATH_IMAGE200
，
Figure DEST_PATH_IMAGE202
为出口烟气湿度，
Figure DEST_PATH_IMAGE204
为进料口流量，为冷配风阀门开度值，
Figure DEST_PATH_IMAGE208
为燃气阀门开度值，为初始时刻的状态值，
Figure DEST_PATH_IMAGE212
和
Figure DEST_PATH_IMAGE214
为通过辨识获得的常数矩阵,
Figure DEST_PATH_IMAGE216
表示欧式空间；
选取二次型性能指标
其中为预测时域，S、Q d 、R d 为
Figure DEST_PATH_IMAGE220
维的正定实对称加权矩阵，选取对角阵
Figure DEST_PATH_IMAGE222
、
Figure DEST_PATH_IMAGE224
、
Figure DEST_PATH_IMAGE226
，对角线上的元素
Figure DEST_PATH_IMAGE228
、
Figure DEST_PATH_IMAGE230
、
Figure DEST_PATH_IMAGE232
可根据***实际运行特性适当选取；
根据状态方程中矩阵A和B的值，求解离散时间***的Riccati矩阵方程
Figure DEST_PATH_IMAGE234
其中I表示
Figure 968938DEST_PATH_IMAGE220
维的单位矩阵，可解得正定对称矩阵W(k)；由此可以设计出离散时间LQ最优控制器，相应的状态反馈最优湿度控制律为
Figure DEST_PATH_IMAGE236
；该最优控制方法将使得湿度控制***具有的增益裕量和的相位裕量。
CN201310281163.7A 2013-07-05 2013-07-05 余热烘干***的湿度优化控制方法 Active CN103345160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310281163.7A CN103345160B (zh) 2013-07-05 2013-07-05 余热烘干***的湿度优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310281163.7A CN103345160B (zh) 2013-07-05 2013-07-05 余热烘干***的湿度优化控制方法

Publications (2)

Publication Number Publication Date
CN103345160A true CN103345160A (zh) 2013-10-09
CN103345160B CN103345160B (zh) 2016-03-02

Family

ID=49279964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310281163.7A Active CN103345160B (zh) 2013-07-05 2013-07-05 余热烘干***的湿度优化控制方法

Country Status (1)

Country Link
CN (1) CN103345160B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1567107A (zh) * 2003-06-09 2005-01-19 石油大学(北京) 复杂滞后过程的先进控制方法及其***
JP2010266318A (ja) * 2009-05-14 2010-11-25 Shizuoka Prefecture 湿球温度とｗｂｇｔの予測方法、ｗｂｇｔ計、および熱中症危険度判定装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1567107A (zh) * 2003-06-09 2005-01-19 石油大学(北京) 复杂滞后过程的先进控制方法及其***
JP2010266318A (ja) * 2009-05-14 2010-11-25 Shizuoka Prefecture 湿球温度とｗｂｇｔの予測方法、ｗｂｇｔ計、および熱中症危険度判定装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张振涛等: "木材热泵干燥窑内的湿度模糊控制模型初探", 《华北电力大学学报》, vol. 31, no. 6, 30 November 2004 (2004-11-30) *
李国昉等: "粮食干燥过程控制", 《中国粮油学报》, vol. 21, no. 2, 30 April 2006 (2006-04-30) *
翟文鹏: "基于负荷预测和设定点优化的制冷***模型预测控制方法研究", 《中国博士学位论文全文数据库信息科技辑》, 15 May 2013 (2013-05-15), pages 140 - 10 *
赵晓东等: "废塑料炼油过程控制反应釜温度控制***设计", 《杭州电子科技大学学报》, vol. 32, no. 6, 31 December 2012 (2012-12-31) *

Also Published As

Publication number Publication date
CN103345160B (zh) 2016-03-02

Similar Documents

Publication Publication Date Title
CN108227488B (zh) 基于滑模预测控制的超超临界火电机组协调控制方法
CN102734795B (zh) 单床、无外置床的循环流化床自适应煤质变化协调控制方法
CN103399486A (zh) 塑料烘干器温度优化节能控制方法
CN106019939B (zh) 基于非线性智能预测控制技术的超临界机组再热汽温优化控制***
CN102401371A (zh) 一种基于多变量预测控制的再热气温优化控制方法
CN105137760A (zh) 一种脱硝喷氨自动控制方法及***
CN104699064B (zh) 一种火电机组协调控制***的煤质自校正预测控制方法
CN111562744B (zh) 一种基于pso算法的锅炉燃烧隐式广义预测控制方法
CN101509656A (zh) 一种超临界直流炉综合型协调控制方法
CN111013370A (zh) 一种基于深度神经网络的湿法脱硫浆液供给量预测方法
CN104834215A (zh) 一种变异粒子群优化的bp神经网络pid控制算法
CN107270283B (zh) 一种基于循环流化床机组的多变量约束预测控制方法
CN101788789A (zh) 基于混沌混合优化算法的单元机组非线性预测控制方法
CN111522233A (zh) 参数自整定的mimo异因子全格式无模型控制方法
CN113408962A (zh) 一种电网多时间尺度多目标能量优化调度方法
CN103605284B (zh) 动态矩阵控制优化的废塑料裂解炉炉膛压力控制方法
CN114330869A (zh) 一种考虑多级指标的钢铁企业多能源日前调度优化方法
CN114884063A (zh) 考虑区间协调的分布式电源与储能电压控制方法及装置
CN109539359B (zh) 分工况pid+自适应前馈补偿的相变电蓄热供暖***及方法
CN105786034B (zh) 一种锅炉脱硝出口氮氧化物含量的控制***及方法
CN109066769B (zh) 风电全消纳下虚拟电厂内部资源调度控制方法
CN103345160A (zh) 余热烘干***的湿度优化控制方法
Liu et al. Design for fuzzy decoupling control system of temperature and humidity
CN102902201A (zh) 一种化工多变量过程的解耦状态空间预测控制方法
CN106127351A (zh) 一种高炉热风炉初始烧炉煤气流量优化***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231114

Address after: 276800 Menlou Village, Zhongzhi Town, Wulian County, Rizhao City, Shandong Province

Patentee after: Shandong Xinghai Energy Conservation and Environmental Protection Technology Co.,Ltd.

Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang

Patentee before: HANGZHOU DIANZI University

TR01 Transfer of patent right