专利名称：核动力装置二回路多变量集成模型模糊预测控制方法
技术领域：
本发明涉及的是一种控制方法，具体地说是一种核动力装置二回路动态控制方法。
背景技术：
核动力装置二回路系统，由于强耦合、非线性和动态特性不同等特性，使其控制系统的设计具有一定的挑战性。传统的控制方法在解决核动力装置变工况及耦合性问题方面存在系统各主要参数波动较大，响应慢的缺点。该多变量集成模型模糊预测控制方法引入将人工神经网络模型与多变量线性预测模型相结合的集成模型，对预测模型进行动态优化，并引入模糊理论，建立核动力装置二回路控制系统输入量的模糊控制性能评价表，通过模糊决策选择最优输入量，实现了多变量集成模型模糊预测控制。减小了控制系统输出波动的幅度，取得了更好的控制性能。从而保证了核动力装置安全可靠地运行。
专利申请号为200410069913.5的发明专利申请文件中公开了一种“考虑核电站中给水控制阀压降的给水控制系统及控制方法”。在该控制系统中，采用PD控制算法，分为两个单元。第一检测单元包括产生对应蒸汽流量信号和给水流量信号之差的流量错误信号的流量错误信号发生器；和产生对应水位测量信号和流量错误信号之和的水位纠错信号的水位纠错信号发生器。第二检测单元包括检测主给水控制阀和下水管给水控制阀中至少一个给水控制阀的前和后部分的压差并产生对应所检测压差的压降信号的压降传感器单元；产生对应前面设定的给水控制阀压降设定值的压降设定值信号的压降设定值信号发生器；和比较压降信号和压降设定值信号并且产生压降错误信号的压降错误信号发生器。控制单元根据从纠正控制信号发生器输出的纠正控制信号控制主给水泵。但是，该控制系统在大负荷工况变化下，系统参数存在超调大，稳定时间长的不足，还有待改进。
发明内容
本发明的目的在于针对核动力装置二回路系统存在严重的耦合性与非线性，提供一种在变工况特别是大负荷变化时、能获得良好的动态控制性能的核动力装置二回路多变量集成模型模糊预测控制方法。
本发明的目的是这样实现的 (1)利用测量系统测出核动力装置的状态参数信息； (2)通过模拟/数字转换器将得到的状态参数转换成数字信号，数字信号在经过滤波器后，送给控制器； (3)控制器中包含的多变量集成模型模糊预测算法在参考控制量作用下，多步预估器预测被控系统的未来输出，观测核动力装置二回路输出的预测误差和预测误差变化量，根据模糊评价规则表建立控制性能评价量查询表得到控制性能评价值，依据该控制性能评价值预测输出结果评价各参考控制量的控制效果，并依据对控制效果的性能评价来修改当前的控制量，最后经过模糊决策选择最优的核动力装置二回路系统的控制输入； (4)控制器所产生的控制信号经过数字/模拟转换器产生模拟信号并经过信号放大器增强后输出给执行机构； (5)执行机构按指令执行，将整个系统变化到指定的工况下。
本发明的多变量集成模型模糊预测控制方法还可以包括 1、所述的核动力装置的状态参数信息包括蒸汽发生器出口蒸汽压力、二回路给水流量、蒸汽发生器出口蒸汽流量和汽轮机转速。
2、所述的测量系统是温度传感器、压力传感器、流量计和转速计。
3、所述的多步预估器是基于集成模型的预估器。
4、所述的预测误差为二回路喷嘴阀凸轮转角开度和给水阀开度误差。
5、所述的模糊评价规则表是指根据已有的经验和技术知识构造的一系列if-then(如果-则)语言规则。
本发明的工作原理是本发明的核心部分是核动力装置二回路多变量集成模型模糊预测控制系统的设计。此系统是核动力装置二回路多变量集成模型预测控制系统与模糊控制策略的结合。
核动力装置二回路多变量集成模型模糊预测控制系统是基于集成模型的多步预估器预测在参考控制量作用下被控系统的未来输出，通过观测核动力装置二回路输出的预测误差和预测误差变化量，根据模糊评价规则表建立控制性能评价--量查询表得到控制性能评价值，依据该控制性能评价值预测输出结果评价各参考控制量的控制效果，并依据对控制效果的性能评价来修改当前的控制量，最后经过模糊决策选择最优的核动力装置二回路系统的控制输入。如图1所示，本发明核动力装置二回路的多变量集成模型模糊预测控制方法，主要由基于集成模型的多步预估器、模糊性能评价和模糊决策等环节组成。图1中，
为预测模型的P步预测值，其中1≤j≤P，P为预测步长；Ej(k)和ECj(k)为P步的预测误差和预测误差变化量；W(k+j)为参考轨迹；Y(k)为二回路系统的输出；集成模型的结构框图如图2所示，集成模型由两大部分组成非线性静态DLF网络和动态线性CARIMA模型。
第一步，非线性静态DLF网络的训练 DLF网络是在BP网络的基础上将其输入层与输出层直接联系，即输入层的每个神经元均与输出层相互连接。DLF网络结构图3所示，该网络为三层前向网络结构，输入层U和输出层X有两个节点，隐含层H为个节点，u1(k)和u2(k)为k时刻系统的输入，x1(k)和x2(k)输为k时刻系统的输出。设输出层第j个单元的阈值为rj，输出层与隐含层H各单元间的连接矩阵W∈Rp×2，以及输出层与输入层U之间的连接矩阵WF；隐含层与输入层U各单元间的连接矩阵V∈Rp×2。
DLF网络学习算法如下 1)首先给出全部权值wil，vli和神经元阈值rj，θi的初始值(i＝1，2，L，p；j＝1，2；l＝1，2)；p为隐含层的单元数。
2)由第k个样本值U(k)＝[u1(k)u2(k)]T输入U层的相应序号单元；通过权矩阵V，对H层各单元的激活值为 式中，H(k)为隐含层输出矢量；Sigmoid函数f1(x)＝(1+e-x)-1为隐含层传递函数。
3)H层激活值hi(k)通过权矩阵W和U层通过连接矩阵WF，对输出层X各单元的激活值为 其中，f2(g)是输出层传递函数，同f1(g)一样为Sigmoid函数。
4)输出层X的误差为 ej(k)＝xj(k)(1-xj(k))(dj-xj(k))(3) 式中，dj为X层单元的期望输出。
5)隐含层H的误差为 6)隐含层H单元i与输出层X单元j间连接权值增量为 Δwij(k)＝ηhi(k)ej(k)(0＜η＜1)(5) 7)输入层U单元j与输出层X单元j之间的连接权值增量为 ΔwFlj(k)＝ηxj(k)ej(k)(6) 8)输出层X单元j的阈值增量为 Δγj(k)＝ηej(k)(7) 9)输入层U单元j与隐含层H单元i之间的连接权值增量为 Δvji(k)＝βuj(k)ehi(k)(0＜β＜1)(8) 10)隐含层H单元i的阈值增量为 Δhi(k)＝ηehi(k)(9) 重复计算2)10)步，直至对于样本数k＝1，2，L，N的输出层X的误差ej(k)为足够小或者为零(这时k＝N)为止。
第二步，线性部分的多步预估器的设计及动态线性CARIMA模型的在线辨识如下 多输入多输(以二维为例)出的CARIMA模型为 A01(z-1)y1(k)＝B011(z-1)x1(k-1)+B012(z-1)x2(k-1)+ξ1(k)/Δ(11) A02(z-1)y2(k)＝B021(z-1)x1(k-1)+B022(z-1)x2(k-1)+ξ2(k)/Δ(12)式中，A01(z-1)，A02(z-1)，B011(z-1)，B012(z-1)，B021(z-1)，B022(z-1)均为z-1的多项式；ξ1(k)和ξ2(k)为白噪声；Δ＝1-z-1。
由式(11)的预测模型与Diophantine方程 1＝E1j(z-1)A01(z-1)Δ+z-jF1j(z-1) (13) 可得预测方程 y1(k+j)＝E1j(z-1)B011(z-1)Δx1(k+j-1)+E1j(z-1)B012(z-1)Δx2(k+j-1) +F1j(z-1)y1(k)+E1j(z-1)ξ1(k+j)(j＝1，2，L，n)(14) 最优输出预测为 (j＝1，2，L，n) 式中， 将式(15)的
值分解成k时刻的已知量和未知量两部分，用f1(k+j)表示己知量，即 即 式中， 同理可由式(12)得 式中， F2＝[F21，F22，L，F2n]T 其中，根据递归最小二乘法，可辨识出矩阵G11，G12的参数，同理可得G21，G22的参数。
第三步，模糊性能评价和模糊决策 模糊性能评价不仅要观测核动力装置二回路系统输出的预测误差，同时还应该观测其预测误差变化量。然后根据专家的控制效果评价经验，经过进一步加工、整理、提炼后构成控制性能评价规则。形成模糊评价规则表如表1、表2所示。再由模糊控制规则之间的或关系，由模糊控制规则表中的控制规则可以计算出模糊性能评价量，采用加权平均法，将性能评价量由模糊量转变为精确量，得到模糊性能评价查询表。最后由控制性能评价查询表得到控制性能评价值，依据控制性能评价值来选择最优的核动力装置二回路系统的输入量。
本发明的优点在于适用于核动力装置这样具有严重的非线性、耦合性、时变性的系统，控制精度高，鲁棒性好。
图1为核动力装置二回路的多变量集成模型模糊预测控制的结构框图； 图2为集成模型的结构框图； 图3为DLF网络结构图； 图4为核动力装置二回路多变量非线性预测控制系统实施图； 图5为在多变量集成模型模糊预测控制下，负荷从100％～20％时核动力装置二回路参数变化。其中图5-a为蒸汽发生器出口蒸汽压力变化、图5-b为蒸汽发生器出口蒸汽温度变化、图5-c为给水和蒸汽流量变化、图5-d为汽轮机功率变化； 图6为汽轮机模糊集合Av的隶属函数表； 图7为汽轮机模糊集合Bv的隶属函数表； 图8为汽轮机模糊集合Nv的隶属函数表； 图9为汽轮机转速控制性能评价规则表； 图10为汽轮机控制性能评价量查询表； 图11为蒸汽发生器模糊集合Bp的隶属函数表； 图12为蒸汽发生器模糊集合Bp的隶属函数表； 图13为蒸汽发生器模糊集合Np的隶属函数表； 图14为蒸汽发生器控制性能评价规则表； 图15为蒸汽发生器控制性能评价量查询表。
具体实施例方式 下面结合附图举例对本发明做更详细地描述 1静态DLF神经网络的训练 核动力装置二回路喷嘴阀凸轮转角开度Δθ和给水阀开度Δ作为DLF网络的输入；非线性环节的中间变量x1和x2为DLF网络输出。DLF网络中的BP采用2-10-2网络结构，经过25000次训练后，累积误差不超过期望误差。
设输出层第j个单元的阈值为rj，输出层与隐含层H各单元间的连接矩阵W∈Rp×2， 以及输出层与输入层U之间的连接矩阵WF；隐含层与输入层U各单元间的连接矩阵V∈Rp×2。
1)输入层节点与隐层节点之间的权值矩阵如下 v[2][10]＝{{39.908，26.379，55.44，13.008，72.505，47.756，22.97，12.49，18.285，52.653}；{17.225，31.66，14.27，5.75，12.91，23.89，18.45，15.01，28.529，37.148}} 2)隐层节点与输出层节点之间的权值矩阵如下 w[10][2]＝{{66.73，17.47}；{50.52，31.03}；{13.82，26.73}；{31.031，10.526}；{40.012，21.389}；{88.314，15.133}；{18.961，33.284}；{49.81，68.27}；{72.64，20.142}；{98.67，38.097}} 3)隐层节点阈值分别为 h[10]＝{41.633，23.576，13.283，54.143，31.32，21.47，38.654，13.508，14.453，59.78} 4).输出层节点阈值为 r[2]＝{46.348，16.816} 5)输出层与输入层U之间的连接矩阵WF为 2模糊评价 由于被控对象具有很强的非线性和时滞性，为了得到较好的控制性能模糊评价，不仅要观测汽轮机转速和蒸汽发生器出口蒸汽压力的预测误差，同时还应该观测其预测误差变化量。
1)汽轮机转速控制效果的模糊评价 汽轮机转速误差ev的语言变量为Ev，其论域Xv上的模糊集合为Av，论域Xv为 Xv＝{-80，-60，-40，-20，0，20，40，60，80} ev模糊子集Avl的划分为{PB，PM，PS，ZO，NS，NM，NB} 其中PB，PM，PS，O，NS，NM，NB分别表示正大、正中、正小、零、负小、负中、负大。
模糊集合Av的隶属度赋值见图6的表1 汽轮机转速误差变化ecv的语言变量为ECv，论域为 Yv＝{-3，-2，-1，0，1，2，3} ecv模糊子集Bvi的划分为{PB，PS，ZO，NS，NB}，模糊集合Bv的隶属度赋值见图7的表2。
汽轮机转速控制性能评价cv的语言变量为Cv，论域为Zv＝{0，2，4，6，8，10}。其中cv值越小，表示相应控制量的控制效果越好。
cv模糊子集Nvj的划分为{ZO，PS，PM，PB}，模糊集合Nv的隶属度赋值见图8的表3。
根据专家的控制效果评价经验，经过进一步加工、整理、提炼后构成控制性能评价规则。通常可简写为一个表，称之为模糊评价规则表。汽轮机转速控制性能评价规则见图9的表4。
上述描写模糊控制规则之间是或关系，由模糊控制规则表中的控制规则可以计算出CTi(i＝1，Λ，35)，则模糊集合CT表示为CT＝CT1+Ct2+Λ+CT35 由上式计算出的模糊性能评价量采用加权平均法，将性能评价量由模糊量转变为精确量。然后可以得到容量为7×7的模糊性能评价查询表，见图10的表5。
2)蒸汽发生器出口蒸汽压力控制效果的模糊评价 蒸汽发生器出口蒸汽压力误差ep的模糊变量为Ep，其论域Np上的模糊集台为Bp。
论域为 Np＝{-0.6，-0.4，-0.2，0，0.2，0.4，0.6} 模糊集合Bp的隶属度赋值见图11的表6 出口蒸汽压力误差变化为ecp的语言变量为ECp，其论域Yp上的模糊集合为Bp，论域为Yp＝{-3，-2，-1，0，1，2，3}，模糊集合Bp的隶属度赋值见图12的表7。
蒸汽发生器出口蒸汽压力控制性能评价cp的语言变量为Cp，论域为Zp＝{0，2，4，6，8，10}。其中cp值越小，表示相应控制量的控制效果越好。cp模糊子集Npj的划分为{ZO，PS，PM，PB}，模糊集合Np的隶属度赋值见图13的表8。则得到蒸汽发生器出口蒸汽压力控制性能评价规则表和控制性能评价查询表见图14的表9，图15的表10。
最后按照上述方法得到控制量以及对应的预测输出，由控制性能评价查询表得到控制性能评价值，依据控制性能评价值来选择最优的核动力装置二回路系统的输入量。按照图4所示，核动力装置二回路的多变量集成模型模糊预测控制系统在降负荷(100％-20％)扰动下进行仿真研究，取预测控制参数n＝10，m＝2，λ＝[1，0；0，1]，α＝0.3；采样周期为0.1秒，得到仿真曲线如图5所示。
本实施例表明，当核动力装置进行负荷变化时，应用核动力装置二回路的多变量集成模型模糊预测控制系统后，整个核动力系统的控制精度高，鲁棒性好。
权利要求
1.一种核动力装置二回路多变量集成模型模糊预测控制方法，其特征是
(1)利用测量系统测出核动力装置的状态参数信息；
(2)通过模拟/数字转换器将得到的状态参数转换成数字信号，数字信号在经过滤波器后，送给控制器；
(3)控制器中包含的多变量集成模型模糊预测算法在参考控制量作用下，多步预估器预测被控系统的未来输出，观测核动力装置二回路输出的预测误差和预测误差变化量，根据模糊评价规则表建立控制性能评价量查询表得到控制性能评价值，依据该控制性能评价值预测输出结果评价各参考控制量的控制效果，并依据对控制效果的性能评价来修改当前的控制量，最后经过模糊决策选择最优的核动力装置二回路系统的控制输入；
(4)控制器所产生的控制信号经过数字/模拟转换器产生模拟信号并经过信号放大器增强后输出给执行机构；
(5)执行机构按指令执行，将整个系统变化到指定的工况下。
2.根据权利要求1所述的核动力装置二回路多变量集成模型模糊预测控制方法，其特征是所述的核动力装置的状态参数信息包括蒸汽发生器出口蒸汽压力、二回路给水流量、蒸汽发生器出口蒸汽流量和汽轮机转速。
3.根据权利要求2所述的核动力装置二回路多变量集成模型模糊预测控制方法，其特征是所述的测量系统是温度传感器、压力传感器、流量计和转速计。
4.根据权利要求3所述的核动力装置二回路多变量集成模型模糊预测控制方法，其特征是所述的多步预估器是基于集成模型的预估器。
5.根据权利要求4所述的核动力装置二回路多变量集成模型模糊预测控制方法，其特征是所述的预测误差为二回路喷嘴阀凸轮转角开度和给水阀开度误差。
6.根据权利要求5所述的核动力装置二回路多变量集成模型模糊预测控制方法，其特征是所述的模糊评价规则表是指根据已有的经验和技术知识构造的一系列if-then语言规则。
全文摘要
本发明提供的是一种核动力装置二回路多变量集成模型模糊预测控制方法。利用测量系统测出核动力装置的状态参数信息；换成数字信号经过滤波器后，送给控制器；控制器选择最优的核动力装置二回路系统的控制输入；控制器所产生的控制信号经过数字/模拟转换器产生模拟信号并经过信号放大器增强后输出给执行机构；执行机构按指令执行，将整个系统变化到指定的工况下。本发明的优点在于适用于核动力装置这样具有严重的非线性、耦合性、时变性的系统，控制精度高，鲁棒性好。
文档编号G05B13/04GK101169622SQ20071014469
公开日2008年4月30日 申请日期2007年11月29日 优先权日2007年11月29日
发明者夏国清, 杰 苏, 伟 张, 边信黔, 施小成, 付明玉, 王元慧 申请人:哈尔滨工程大学