学位论文 > 优秀研究生学位论文题录展示

基于遗传算法的高压最小流量阀PID自适应控制研究

作　者: 钱灯云
导　师: 杨煜普; 杨文娟
学　校: 上海交通大学
专　业: 控制工程
关键词: 遗传算法高压最小流量阀自适应控制器知识库自寻优
分类号: TP13
类　型: 硕士论文
年　份: 2012年
下　载: 187次
引　用: 0次
阅　读: 论文下载

内容摘要

高压最小流量阀是用于极端工况的特殊阀门，也是在300MW、600MW及1000MW机组中广泛使用的关键设备。由于高压最小流量阀前后压差高，是一个时滞且存在时变的系统，控制精度要求高，采用传统固定PID控制器往往不能满足用户的需求，基于遗传算法的高压最小流量阀PID自适应控制器正是应这样的要求而产生和发展的。本文根据实际需求设计了基于遗传算法的高压最小流量阀PID自适应控制器，并实现了连续优化PID参数的遗传算法的设计。它摒弃了传统的机械及气动喷嘴挡板机构调节PID参数的调整机构，模拟生物在自然环境中遗传和进化的进程而形成的一种自适应全局优化概率搜索算法，定量计算和定性分析相结合，优化的参数预判以及各种应急措施的知识库保证了系统的持续稳定。首先，本论文介绍了高压最小流量阀PID控制器国内外研究的现状及发展历史，根据最小流量阀控制系统的组成和特点，深入分析了最小流量阀控制系统时变的原因，并以西门子和ABB定位器为例，说明了目前常用的控制器的硬件及软件，提出了基于遗传算法的自适应控制器的组成和连续优化PID参数的工作原理，完成了参数辨识机构模型建立、新型控制器硬件及软件系统的的构建和设置。对优化后的参数，经过知识库计算判断是否超过用户的需求，确定使用与否；在知识库中对系统的一些应急特殊事件提供一些预案，设置相应的输出，达到安全连锁的目的。同时,本文研究了H2控制器解析法的算法和遗传算法参数优化技术的实现，提出了解析法和遗传算法结合的自适应控制器优化的方法，一方面保证了系统的稳定性，另一方面也减小了遗传算法的搜索范围，提高搜索精度。针对高压最小流量阀控制系统静态是稳定的，但热态实际运行时，常常会出现振荡，通过模型参数的摄动，运用MATLAB仿真软件，经过大量的实验，与Ziegler-Nichols法和响应曲线法得到的PID参数仿真比较表明,遗传算法的优化后的PID参数具有更好的鲁棒性和自寻优的特性，即使被控对象的时间常数、延时和静态增益同时变化后，自适应控制器均能保证良好的控制响应，超调量小，具有较强的鲁捧性和较好的标称性能，指明了遗传算法的自适应控制器参数优化的可行性和有效性，是一种具有较优实用价值的PID参数优化策略。

全文目录

摘要  3-5
ABSTRACT  5-11
第一章绪论  11-23
  1.1 论文研究背景和意义  11-12
  1.2 国内外研究发展现状  12-19
    1.2.1 国外研究发展现状  12-17
    1.2.2 国内研究发展现状  17-19
  1.3 论文主要研究内容和方法  19-22
    1.3.1 论文主要研究内容  19-20
    1.3.2 论文主要研究方法  20-22
  1.4 本章小结  22-23
第二章高压最小流量阀门滞后及时变特性分析  23-43
  2.1 高压最小流量阀的使用工艺特点  23-24
  2.2 高压最小流量阀门滞后及时变的控制系统的组成  24-26
  2.3 影响高压最小流量阀门控制系统滞后及时变的主要因素  26-30
    2.3.1 开关方向上的气缸  26-27
    2.3.2 最小流量阀前后的压差  27
    2.3.3 开关气路上的增压器  27-29
    2.3.4 快速排气阀  29-30
  2.4 高压最小流量阀门几种常见的控制器和策略  30-41
    2.4.1 一般的控制器组成  31-32
    2.4.2 SIPART PS2 型控制器功能图  32-33
    2.4.3 SIPART PS2 型控制器自整定的步骤  33-36
    2.4.4 ABB 控制器的特点及自整定  36-41
  2.5 高压最小流量阀门滞后及时变的控制系统的特点  41-42
  2.6 本章小结  42-43
第三章基于遗传算法的高压最小流量阀控制策略  43-53
  3.1 自适应控制的工作原理  43-45
  3.2 基于遗传算法的 PID 自适应控制结构  45-46
  3.3 基于遗传算法 PID 自适应控制工作原理  46-48
    3.3.1 PID 自适应控制的参数辨识机构  46-47
    3.3.2 PID 自适应控制的寻优算法  47
    3.3.3 PID 自适应控制的参数设定智能软件包  47-48
  3.4 基于遗传算法 PID 自适应控制的硬件系统  48-51
  3.5 基于遗传算法 PID 自适应控制的软件系统及其设置  51-52
  3.6 本章小结  52-53
第四章基于解析的遗传算法初解优化  53-60
  4.1 H2控制器解析法的原理  54-56
  4.2 H2控制器遗传算法初解的优化  56-59
    4.2.1 建立被控对象模型  56
    4.2.2 H2控制器解析的初解优化算法  56-58
    4.2.3 用户对控制的期望  58-59
  4.3 本章小结  59-60
第五章遗传算法 PID 自适应控制算法实现  60-67
  5.1 遗传算法基本思想  60-62
  5.2 遗传算法的 PID 整定技术与实现  62-66
    5.2.1 参数编码  62-63
    5.2.2 确定适应度函数  63-64
    5.2.3 选择控制参数  64
    5.2.4 初始群体形成  64
    5.2.5 遗传操作  64-65
    5.2.6 评价与判定  65-66
  5.3 遗传算法的 PID 整定技术的改进  66-67
    5.3.1 遗传算法适应度函数的改进  66
    5.3.2 遗传算法初始种群的改进  66-67
  5.4 本章小结  67
第六章遗传算法优化控制器参数仿真比较  67-86
  6.1 PID 控制算法与 PID 参数的整定  67-69
  6.2 用户对控制的期望  69
  6.3 Z-N 法整定 PID  69-74
  6.4 响应曲线法整定 PID  74-77
  6.5 遗传算法整定 PID 仿真  77-80
  6.6 响应曲线法、Z-N 法和遗传算法整定 PID 仿真比较  80-81
  6.7 模型参数摄动后三种方法的仿真的曲线比较  81-83
  6.8 模型参数摄动后重新用三种方法整定的仿真的比较  83-85
  6.9 本章小结  85-86
第七章总结与展望  86-88
  7.1 全文总结  86
  7.2 创新点  86-87
  7.3 下一步展望  87-88
参考文献  88-91
致谢  91-92
攻读硕士学位期间已发表或录用的论文  92-94

基于遗传算法的高压最小流量阀PID自适应控制研究

内容摘要

全文目录

相似论文