文摘
根据高控制核电站的质量要求和增压器压力大惯性的特点,时变、非线性、multi-interference,很难获得精确的数学模型,和开环不稳定的动态特性,增压器压力控制所需的先进控制策略性能优化。解决这个问题,一种自适应预测控制方法,本文设计了增压器压力。首先,non-self-regulating系统稳定和自适应动态矩阵控制器设计的在线识别控制对象。为了实现该控制器的工程应用,并得到控制信号的输出。最后,建立了控制系统仿真平台。仿真结果显示出优越的控制性能,抗干扰性和适应性。此外,它为应用程序提供了一个解决方案的动态矩阵控制算法在non-self-regulating系统。
1。介绍
负载变化或核心反应性扰动可能会导致压力变化在核电站的主要电路。如果主电路的压力过高,可能导致设备疲劳和管道破裂。如果压力过低,熔化的燃料元件的风险可能会增加(1]。增压器是一个主要组件来控制系统压力在核电站的主电路。大多数现有的增压器压力控制系统采用PID控制策略。因为控制质量要求高的核电站和增压器的压力在不同操作条件下的非线性特点,PID有时并不能保证良好的控制效果。因此,许多学者研究已经完成优化增压器压力控制的效果。
一个内模PID控制系统应用于增压器压力控制,它显示了优越的控制性能与PID (2]。模糊PID控制系统联合使用逻辑判断和开关转移(3设计,显示了良好的控制效果。然而,切换阈值的选择和建立模糊控制器来自经验,这不利于学习和推广。另一方面,增压器压力大惯性的特点,时变、非线性、multi-interference,很难获得精确的数学模型,和开环不稳定的动态特性。所有这些特性导致的问题选择一个适当的控制性能优化的方法。
预测控制算法对模型要求低,滚动优化和反馈校正的特点。动态矩阵控制(DMC)已广泛应用于工业过程控制,但它会产生截断误差建模时non-self-regulating对象。DMC算法改进的基于对象的阶跃响应特性的近似直线在最后阶段4]。一个稳定的广义预测控制器(SGPC)是由分解non-self-regulating模型设计5),从理论上解决了non-self-regulating系统控制问题。Rossiter等人,Rossiter Kouvaritakis [6,7)利用SGPC结构的特殊性进行大规模约束预测控制的研究,而获得更好的稳定性结果。约束预测控制算法可以改善动态性能和抗干扰能力大惯性、大时滞控制对象,但可怜的适应性时变和非线性控制对象。
自适应控制能够适应对象和扰动的动态特性的变化。自适应控制和模糊控制相结合,应用于增压器压力调节与压水反应堆核电站(压水式反应堆)[8和船核电站9),它可以提高鲁棒性,拒绝干扰和适应性变化的模型。模范自由自适应控制被用来优化核电站的蒸汽发生器水位(10]。一种自适应输出反馈结构设计基于对时变时滞的不确定非线性系统(11]。比较了非线性模型预测控制和广义预测控制(12),这表明前者有更好的控制效果,但它需要更多的计算时间。为了优化操作速度,离线计算转化为在线优化和模型预测控制(MPC)是改善13]。然而,很少有上面的方法应用到一个加压器压力控制系统,其中几所收集的工程控制信号的输出。
因此,一种先进的控制策略non-self-regulating系统及其工程实用价值是两个增压器压力控制性能优化的主要问题。摘要增压器压力自适应预测控制方法基于DMC算法设计。首先,一个反馈结构用于self-stabilize non-self-regulating系统和自适应预测控制器设计的在线识别控制对象。然后,控制信号的输出是解决这个控制器容易在工程中实现。最后,通过仿真验证了控制器设计的可行性比较和干扰测试。
节2核电站的增压器压力和加压器的等效非参数模型。部分3提出了控制方法和自适应预测控制器。部分4分析提出的控制方法的性能。最后,结论部分5。图1显示一篇文章的结构布局的主要内容。
2。增压器的描述
2.1。增压器在核电站
增压器是一个重要的核电站设备的主电路。增压器的基本功能是压力控制,压力保护、一回路冷却剂体积变化和补偿。根据不同的结构和操作原理,加压器可分为油箱加压器,电热加压器。油箱加压器的结构很简单,但有一些核安全问题的过程中压缩空气或高压惰性气体。因此,电热加压器通常用于现代核电站。
电热加压器的结构如图2。蒸汽空间上部,下部是水空间,底部连接到主回路热管喘振线的截面。传统pwr采用饱和蒸汽压力调节方法来实现压力控制电热和喷涂。更具体地说,增压器由喷淋系统,电加热器单元,安全阀组和测量仪器。喷淋系统,主要由喷淋阀,用于喷雾冷却剂的低温降低主要电路的压力。电加热器单元,包括电热棒,用来加热加压器的冷却剂提高初级电路的压力。
2.2。建立增压器压力等效非参数模型
为了获得一个等价的非参数模型,有必要self-stabilize non-self-regulating控制对象。non-self-regulating控制对象的模型可以描述为
考虑到信道增益的反馈 ,与反馈控制对象的结构如图3。
该模型在图3可以表示如下:
的稳定性在(2)相关的价值 。当小于的乘积的倒数吗和 , 是稳定的(14]。可以看出,纯延迟链接在分母上太复杂而无法直接用于预测控制器内部模型,需要简化。根据微分偏转单变量非线性系统的线性化方法,纯延迟环节分母可以扩展到稳态点附近的泰勒级数,并忽略了高阶项。简化所示
如果是稳定的,等效模型在(4)可以被视为一个自我调节的控制对象来设计动态矩阵控制器的初始化参数。喷雾阀的打开调整增压器压力作为一个例子,本文从核电站模拟器获得实验数据,确定了传递函数在(1在不同的操作条件下)。全范围仿真器1:1富达核电站;因此,它相当于实际数据源的核电站。显示喷淋阀门开度之间的动态特性和增压器的压力如表所示1。
DMC的等效非参数模型很容易获得 。假设等价的非参数模型 , 时域建模。选择采样周期的100年代。很容易得到等价的非参数模型 在哪里是200 -维列向量的下标吗代表100%以下的操作条件。等价的非参数模型如下: 在哪里100维列向量,下标的代表90%以下的操作条件。等价的非参数模型如下: 在哪里是100 -维列向量的下标吗代表80%以下的操作条件。
3所示。增压器压力的自适应预测控制方法
3.1。控制系统结构
加压器压力控制系统的结构如图基于自适应预测算法4。自我调节的控制对象由反馈通道,致动器,加压器控制对象。然后,控制信号的输出获得的自适应预测控制器(8)。和增压器的压力直接作用于non-self-regulating系统自适应预测控制器。 在哪里代表模拟的时候,控制器输出步骤 , 反馈通道增益,压力输出步骤吗 。
自适应预测控制器组成的在线识别算法模块,DMC控制器模块,模块和反馈渠道。在线识别算法模块是一个在线识别层。DMC控制器模块和反馈通道模块控制层。在线识别层和控制层并行工作。在线识别算法使用的当前和历史值控制增量和压力输出计算动态矩阵DMC控制器的网络,实现了控制器的自适应的目的。由元素的值 ,可获得的(9)。DMC算法是一种基于阶跃响应设备的预测控制算法,适用于逐步稳定线性设备(15]。它的预测模型是容易获得的工程,它有更少的计算和强鲁棒性。在线循环操作与预测、修正和控制达到预测和优化。 在哪里由元素的值形成一个 - - - - - -维矩阵,是一个序列控制增量的历史价值,由元素的值形成一个 - - - - - -维列向量,是一个序列 压力输出历史价值。
3.2。自适应预测控制器的在线识别
3.2.1之上。在线识别算法结构
在线识别算法不断检测瞬时和当前并更新向量 , ,和和矩阵在真正的时间。然后,控制对象的计算,最后,动态矩阵获得了自适应预测控制,完成在线控制对象模型的识别。算法流程图如图5。
在每一个时间 ,的控制增量次转移了,然后在线识别模块检测到当前来替换原来的 。和新向量在那一刻得到了可以用来构造一个新的矩阵 。同样,新的向量和在这一刻。乘和得到 ,然后是获得。
3.2.2。在线解决方案的动态矩阵
在每一个时刻,控制增量之间的关系,压力输出,和非参数模型元素所示(11)。
方程(11)可以写成
的矩阵形式(12)可以写成
非参数模型可以推断在(13)。
很容易得到一个新的动态矩阵这时从非参数模型控制的对象。然后,原预测算法代替完成在线模型的识别。
3.3。DMC的自适应预测控制器
3.3.1。自我调节被控对象的预测模型
预测时域和控制时域选择,通常 。假设初始压力的预测价值是 , ,的下标代表的数量变化和控制行动 代表时间的预测 在时间 。当的喷雾阀有一个增量 ,压力预测在接下来的时刻 在哪里非参数模型中元素的值是 , 。当连续喷淋阀门开度的变化 发生,增压器压力的预测价值 在哪里 。方程(17)输出的预测模型在连续控制增量的影响。
3.3.2。滚动优化和解决方案的控制信号输出
从每一次喷淋阀门开度的变化是必要的,它可以使压力预测价值 为下一个时刻尽可能接近预期的压力值 , 。剧烈变化的在控制通常是不可取的。所以软约束可以被添加到索引性能优化。 在哪里错误加权系数和吗是控制加权系数,分别代表了限制跟踪误差和控制变化。
的向量形式(17)可以写成 在哪里被称为动态矩阵。
的向量形式(18)可以写成 在哪里 , ,重量误差矩阵 ,和 是控制体重的矩阵。
最优控制增量在(22极值)可以推导出的要求 ,
“滚动优化”战略意味着DMC只需要直接控制增量的形成一个控制器输出 ,下次,相同的方法用于获取瞬时控制增量 完成一个滚动优化。
自是作用于自我调节的输出模型,从理论上实现了non-self-regulating系统预测控制。为了解决工程问题,控制信号的输出直接作用于喷雾设备要求(8)。方程(8)代表的结构关系自我调节控制对象的过程。然后,结构的关系可以表示为 在哪里 ,控制向量 ,和米维列向量 这意味着第一个元素, 。
3.3.3。反馈校正
模型失配、环境干扰(如负载变化或核心反应性扰动)和其他因素,可能会导致错误的输出 。加权法可以用来纠正错误通过引入修正向量 。修正后的输出预测向量所示 在哪里
最初的预测价值 通过转移,可以用向量表示形式如下: 在哪里是转移矩阵
4所示。模拟
仿真测试平台是基于视觉Studio2010和MATLAB / Simulink仿真。的功能适应性DMC控制器加压器压力控制系统在视觉Studio2010核电站实现。通过OLE与MATLAB / Simulink对过程控制(OPC)接口。MATLAB / Simulink仿真模型如图6。控制器的输出计算自适应DMC控制器传输到OPC读通过OPC接口模块,和控制信号输出作用于控制对象。返回的压力输出将OPC写模块适应DMC控制器,控制器输出计算通过OPC接口。最后,跟踪的压力输出值设置值是意识到。与DMC PID相比,改善控制性能验证提出non-self-regulating系统自适应预测控制方法。
4.1。跟踪控制系统的性能
反馈通道增益 满足的稳定性在(2)。干扰是设置为0,暂时忽略了扰动的影响。增压器压力动态矩阵控制器的初始化参数设计90%以下操作条件(如表所示1)。设置点的步骤从0到1 MPa的压力 ,压力自适应预测控制的控制特点,动态矩阵控制的压力,和压力PID控制图所示7。图7表明,普通DMC的上升时间是2.8秒,DMC的调整时间是5 s(误差为±2%)。可以看出自适应预测控制的上升时间是2.3秒和自适应预测控制的调整时间3.8秒(误差为±2%),那就是,分别低于18%和24% DMC,积分绝对误差(IAE)与DMC相比减少了13%。PID控制响应曲线也可以实现一个近似上升时间为代价的过度调整时间。PID的上升时间是2.7秒,PID的高峰时间是7.2秒,PID的超过15.6%,PID的调节时间是18.2秒(误差为±2%)。结果表明,自适应预测控制具有更快的响应和更好的静态稳定性。自适应预测控制信号输出曲线直接作用于喷雾装置和控制器输出曲线如图8(从0到10的间隔30年代)。很明显,这个增压器压力自适应预测控制器可以实现工程、,也可以应用于解决同样的non-self-regulating系统预测控制问题。
4.2。反应与干扰
一个工业过程中干扰是不可避免的。负载变化和核心反应性扰动最终反映在变化的压力。需要测试的干扰抑制能力与压力扰动自适应预测控制器。反馈通道增益设置为1。增压器压力动态矩阵控制器的初始化参数设计90%以下操作条件(如表所示1)。在50年代的一个区间,0.4 MPa的压力扰动步添加 在系统是稳定的。不同的控制系统在扰动下的响应曲线如图所示9。可以看出普通DMC的调整时间是5.5秒(误差为±2%)和自适应预测控制的调整时间4.8秒(误差为±2%)。后者比前者要短13%。和PID的调节时间是15秒(误差为±2%),大约三倍比自适应预测控制和DMC。结果表明,自适应预测控制器的抗干扰能力优于普通动态矩阵控制器和PID控制器,它可以实现更快和更稳定的控制效果。
4.3。控制系统的鲁棒性
为了进一步验证自适应预测控制器的适应性控制对象模型的变化,90%操作条件(如表所示1)作为初始条件,100%和80%(如表所示1)作为比较条件比较与DMC PID自适应预测控制的影响。
反馈通道增益设置为1,干扰被设置为零。增压器压力动态矩阵控制器的初始化参数设计90%以下操作条件(如表所示1)。操作条件变化从90%降至100% ,和控制系统的特性曲线如图所示10。可以看出DMC的上升时间是2.5秒,DMC的高峰时间是5.3秒,DMC的超过9.3%,DMC的调整时间是8年代(误差为±2%)。自适应预测控制的上升时间是3.5秒,自适应预测控制的调整时间是6 s(误差为±2%)25%比DMC短,管理学院的和与DMC相比减少了2%。PID的上升时间是4.7秒,PID的高峰时间是12.2秒,PID的超过25%,PID的调节时间是24.8秒(误差为±2%)。很明显,自适应预测控制特性曲线变化更平稳,没有过度。
操作条件变化从90%降至80% ,和控制系统的特性曲线如图所示11。这表明普通DMC的上升时间是3 s, DMC的调整时间是5.3秒(误差为±2%),自适应预测控制的上升时间是2 s比DMC短33%,自适应预测控制的调整时间是3.3秒(误差为±2%)38%比DMC短,管理学院的和与DMC相比减少了21%。类似于性能图10PID控制器的适应性控制对象模型的变化是相对贫穷。可以看出,采用自适应预测控制器不仅使控制特性曲线更稳定也具有更好的跟踪能力和适应性。
5。结论
刺激控制性能优化的增压器压力,自适应预测控制方法基于DMC算法。可以得出一些结论如下。(1)增压器的压力自适应预测控制器具有良好的控制性能和动态特性。它的特点是快速反应,超调小,抗干扰能力强,保证鲁棒性。(2)non-self-regulating系统克服了缺点的稳定DMC在建模non-self-regulating对象。(3)收购控制信号输出显示了自适应预测控制器是有效和实际工程应用的价值。(4)在线识别的模型有助于提高预测控制器的适应能力来改变控制对象。(5)阀门被忽视了的物理约束,还需要进一步的研究和改进。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究部分由上海市科学技术委员会(没有。18020500900),中国国家自然科学基金(没有。61503237),上海自然科学基金(没有。15 zr1418300),上海电站自动化技术重点实验室(没有。13 dz2273800)。