基于模糊加权IMC-PID锅炉主汽温度控制仿真

（华北电力大学，河北 保定 071003）

基于模糊加权IMC-PID锅炉主汽温度控制仿真

葛晓静，梁伟平

（华北电力大学，河北 保定 071003）

对于锅炉的主蒸汽温度的控制问题，在内模控制的基础上，加入了模糊算法。针对某电厂600MW超临界机组主蒸汽温度控制系统大延迟、大时间惯性的特点，在基于IMC-PID控制器原理的基础上，加入了模糊逻辑设定值系数控制，在线调整IMC-PID控制器的比例作用部分，综合了模糊控制与内模控制的优点，改善了常规IMC-PID控制器在主蒸汽温度控制系统中的不足，控制方法简单，且具有较强的跟随性和鲁棒性。

主蒸汽温度；内模控制；模糊加权系数

0 引言

锅炉主汽温是火电厂能够经济高效、安全运行的主要参数之一，如果主汽温过高会破坏电厂设备，引发事故，如果主汽温太低会影响机组发电效率并有可能造成汽轮机末级蒸汽湿度过大而损坏叶片[2]。因此电厂的过热蒸汽温度偏差一般不超过额定值的±5℃。目前，电厂主要通过PID控制器控制主汽温度，其优点在于原理简单，控制经验成熟。而现场过程控制中，存在着不确定性、非线性、大时滞、多变量等复杂特性，简单的PID控制器难以控制具有大范围时变的系统，难以取得令人满意的控制效果。

内模控制（internal model control，IMC）是一种结构简单、参数整定直观的控制方法。因为内模控制与PID控制方法具有等效性[2,3]，基于内模控制原理整定的PID控制器（IMC-PID[1]控制器）不仅具有常规PID控制器结构简单的特点，而且控制器只需要整定一个参数，即滤波器参数Tƒ，其取值大小与系统的性能指标和鲁棒性直接相关。

模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。模糊控制以人工经验为基础，利用模糊数学工具将被控量量化，使控制器能够接受人工经验。模糊控制相对常规PID控制器的优点是：1）对被控对象的数学模型精度要求较低；2）被控量用模糊的语言值来表示，描述更加人性化；3）构造较容易且系统的鲁棒性较好[4]。

基于电厂主汽温系统，由内模控制原理出发，介绍了一种具有模糊逻辑设定值加权的IMC-PID控制器设计方法，将模糊控制与IMC-PID控制结合起来，通过模糊控制系统的输出在线修正PID控制器参数，综合两种控制的优点，使系统同时具有良好的跟踪特性、抗干扰特性和鲁棒性。

表1 模糊规则Table1 Fuzzy rules

表2 不同负荷下主汽温模型参数Table2 The main steam temperature under different load model parameters

图4 不同Tf下IMC-PID控制器仿真结果Fig.4 The IMC - PID controller, the simulation results under different Tf

图5 不同Tf下的模糊加权IMC-PID控制器仿真结果Fig.5 Different Tf fuzzy weighted the IMC - PID controller, the simulation results

图6 IMC-PID控制器鲁棒性验证Fig.6 The IMC-PID controller robustness

图7 模糊加权IMC-PID控制器鲁棒性验证Fig.7 Fuzzy weighted the IMC - PID controller robustness

考虑被控对象为一阶纯加滞后模型

式中，K为系统增益，τ为滞后时间，T为过程时间常数。利用一阶Pade对纯延迟环节近似处理[6,7]，近似公式为

选PID控制器的传递函数形式为

根据文献[3]IMC-PID控制器的参数为

通过公式(3)、(4)可以得出，在整定IMC-PID控制器的各项控制参数时，需要不断改变控制器的比例增益，相比于PID控制器，IMC-PID控制器整定更为简单。但是IMCPID控制器的比例增益随滤波器常数Tƒ的改变而改变，其控制效果也会随着滤波器常数的改变而出现较大差异，甚至引起系统不稳定。

2 基于模糊设定值加权的IMC-PID控制方法

为了改善IMC-PID控制器的控制效果，在IMC-PID控制器的基础上加入模糊控制，从而减弱滤波器常数对IMCPID控制器控制效果的影响。具体方法为在IMC-PID控制器中加入一个调整比例控制器的模糊设定值加权系数。

加入模糊运算的IMC-PID控制器的时域表达式为

式中：e(t)=br(t)-y(t)[8]，r(t)，y(t)分别为系统的给定输入和输出。

在IMC-PID控制器内部加入调整控制器比例作用的模糊设定值加权系数b(t)=w+ƒ(t)，0＜w≤1[8]，其中ƒ(t)是模糊推理系统的输出，对ƒ(t)的调整规则是：当系统输出y要快速收敛于设定值r时，应当增大ƒ(t)，相反，当需要抑制系统超调时应当减小ƒ(t)[9]。

模糊控制器的输入变量为炉膛温度偏差e(t)和温度变化率ec(t)，由5个三角形隶属度函数组成，输出为ƒ(t)由9个三角形隶属度函数组成，模糊系统中将e(t)，ec(t)的隶属函数限定在[-6,6]区间，ƒ(t)的隶属函数限定在[-1,1]区间。e(t)，ec(t)及ƒ(t)的隶属度函数图形分别如图2所示，其中，NVB、NB、NM、NS、Z、PS、PM、PB、PVB分别代表负极大、负大、负中、负小、零、正小、正中、正大、正极大[8-10]。

在Matlab中使用Fuzzy工具箱建立模糊控制器。具体的模糊规则见表1[7-8]。

3 仿真验证

选取某电厂600MW机组过热器的过热气温作为被控对象模型，考虑到被控对象的时变性，给出3种不同负荷下模型参数，见表2。

3.1 IMC-PID控制器

根据公式(4)，取Tƒ分别为100、150、200、259时，得到IMC-PID控制器的参数为[5]：

IMC-PID控制器的传递函数为：

3.2具有模糊加权的IMC-PID控制器

对上节IMC-PID控制器的比例控制部分，加入模糊算法，添加模糊设定值加权系数b(t)，并且保持控制器的Kp、Ti、Td系数不变，控制结构图如下图所示：

3.3仿真结果

取Tƒ分别为100、150、200、259时，将参数带入到公式(6)中，得到IMC-PID控制器的控制参数，对系统加入幅值为0.3的阶跃扰动后，利用simulink得到仿真结果如图4。

取Tƒ分别为100、150、200、259时，保持Kp、Ti、Td参数不变，同样加入幅值为0.3的阶跃扰动后，对具有模糊加权的IMC-PID控制系统进行仿真，仿真结果如图5。

对比图4与图5可以看出：具有模糊加权的IMC-PID控制器与常规IMC-PID控制器相比的输出曲线更加平稳，无超调量，随着Tƒ的减小，系统调节时间减小，曲线之间波动较小，但相比于不加入模糊控制时，系统的响应速度有所减慢，调节时间略微加大。

3.4鲁棒性验证

在主气温控制系统中，保持控制器在机组为75%负荷时的控制参数不变，选取被控对象分别选取机组为60%、75%、90%负荷时的模型参数，加入幅值为0.1的阶跃信号后，观察两种控制器的仿真结果。

对比图6与图7可以看出，虽然利用IMC-PID控制器对主汽温控制具有一定的鲁棒性，但在负荷变动时，曲线波动较大，不利于维持主汽温度在一定的范围，而加入模糊控制后，尽管系统响应速度有所减慢，但负荷变动时曲线平稳变化，主汽温度能够较好维持在设定值附近，具有较好的鲁棒性。

4 结束语

本文进一步介绍了内模控制原理，并对火电机组主汽温度控制系统采用了IMC-PID控制方法，深入探讨了对IMC-PID控制器的比例系数加入了模糊控制后，主汽温控制系统的控制效果。结合以上仿真结果，可以得出，加入了模糊控制的IMC-PID控制器改善了原有控制策略在电厂过热汽温系统应用时的不足，具有较强的鲁棒性和跟随特性。

[1]Zhi-cheng Zhao,Jiang-gang Zhang,Ming-dong Hou．An Adaptive IMC-PID Control Scheme Based on Neural Network[J]．Proceeding of 4th IEEE Conference on Industrial Electronics and Applications,25-27 May,Xian,China,2009：12-16．

[2]王东风,王剑东,韩璞,等．基于内模原理的PID控制器参数整定[J]．华北电力大学学报,2003,30(4)：42-46．

[3]杜文嫚,韩璞．锅炉主蒸汽温度控制系统预测控制设计与仿真[J]．计算机仿真,2013,30(7)：392-395．

[4]赵文杰,刘吉臻,王印松．火电厂主汽压力的IMC-PI控制系统设计[J]．华北电力大学学报,2002,29(3)：59-63．

[5]侯明冬,张井岗,赵志诚．一种具有设定值加权的IMC-PID控制方法[J]．智能系统学报,2006,1(2)：84-88．

[6]赵志诚,文新宇．内模控制及其应用[M]．北京：电子工业出版社,2012．

[7]薛定宇．控制系统计算机辅助设计[M]．北京：清华大学出版社,2005．

[8]刘开培．基于Pade逼近的纯滞后系统增益自适应内模PID控制[J]．武汉大学学报,2001,34(4)：93-95．

[9]田沛,石金健．主汽温模糊控制系统设计[J]．仪器仪表用户,2012,119(5)：98-100．

[10]雷玉芝,杨晋萍,郭向超．基于模糊技术的锅炉主蒸汽温度控制系统研究[J]．电力学报,2013,28(4)：345-348．

Simulation of Weighted Coefficient Fuzzy IMC - PID for Boiler Main Steam Temperature Control System

Ge Xiaojing，Liang Weiping
（Department of Automation, North China Electric Power University,Baoding Hebei 071003,China）

This paper studies a fuzzy algorithm for the boiler main steam temperature control system based on internal model control. For the characteristics of large delay and big time inertia of the 600MW extra supercritical unit's main steam temperature control system, the fuzzy logic algorithm based on the IMC-PID controller is established. The compound control system can adjust the proportionality coefficient of the IMC-PID controller online. The control system takes advantages of the fuzzy control and the internal model control. Thus, the IMC-PID controller effects in the main steam temperature control system is improved[1].

main steam temperature; internal control; fuzzy control coefficient

TP391.9

A

1671-1041(2014)06-00031-04

2014-09-28

葛晓静（1989-），女，在读硕士研究生，研究方向：控制理论与控制工程及其在火电厂中的应用。