一种基于蚁群算法的气化装置PID参数整定方法与流程

本发明属于自动控制技术领域,涉及一种基于蚁群算法的气化装置pid(p是比例增益，i是积分时间，d是微分时间)参数整定方法。

背景技术：

目前，粉煤加压气化技术是一种重要的清洁能源生产方式。以粉煤为原料的气化技术具有煤种适应性广、原料消耗低、碳转化率高等技术优势,有更强的市场竞争力。粉煤加压气化工艺是以粉煤和纯氧为原料,在高温、高压、非催化条件下在气化炉内进行部分氧化反应,生成以一氧化碳和氢气为有效成分的粗合成气。煤气化装置含有多条控制回路，大部分采用pid控制。pid控制回路的正常工作，是保证煤气化装置安全稳定运行的基础，也是采用先进过程控制、操作优化、质量管理、节能策略的基础。pid参数的优化与否直接影响着控制效果。优化方法一般分为工程整定法和理论计算法。工程整定法，主要依赖工程经验，直接在控制系统的试验中进行，虽然方法简单，但往往控制效果不理想。理论计算法，依据系统的数学模型，经过理论计算确定控制器参数。该类算法得出的结果具有很高的可信度和代表性，控制效果也很理想。

现有的煤气化装置的控制回路参数，多采用工程整定法，由于整定的参数不具有代表性，导致存在现场的很多控制回路都停留在手动状态，耗费大量人力，控制效果不佳，造成了生产原料的浪费等问题。

技术实现要素：

本发明的目的在于，提供一种基于蚁群算法的气化装置pid参数整定方法，解决现有技术中由于整定的参数不具有代表性，导致存在的控制回路都停留在手动状态，耗费大量人力，控制效果不佳，造成了生产原料的浪费等问题，通过得到优化后的控制器参数，使气化装置控制回路能够平稳地投用自动控制，控制回路正常运行时不需人为干预，让操作员解放双手，节约人力成本，提高生产效率，同时降低生产成本，节约能源。

为实现上述目的，本发明提供一种基于蚁群算法的气化装置pid参数整定方法，包括建模分析、参数优化和仿真验证，具体包括以下步骤：

第一步，模型辨识：采用带遗忘因子的递推增广最小二乘法，对气化装置控制回路进行模型辨识；建模步骤如下：

一、选用限幅滤波和递推平均滤波法两者相结合的数据预处理方法对数据进行预处理；

二、采用最大最小之法进行归一化处理；

三、采用带遗忘因子的递推增广最小二乘法进行系统辨识；

四、根据平均值误差判断模型收敛性；

五、模型仿真和验证；

第二步，采用蚁群算法对建模后的控制回路进行pid参数优化：

利用蚁群算法对煤气化装置各回路进行pid参数寻优，目标函数为：j＝∫(e(t)²+λu(t)²)dt，j为目标函数值，e(t)为偏差量，u(t)为控制量，λ为控制量加权；寻优步骤如下：

一、确定模型；

二、得出寻优后修正结果比例增益kp和积分时间ti；

三、绘制仿真曲线图；

四、进行鲁棒性分析。

在以上方案中优选的是，第一步中第三项中，采用递推增广最小二乘法获得carima模型，再转化为传递函数模型。

在以上任一方案中优选的是，第二步第三项中，绘制现场运行曲线图。

在以上任一方案中优选的是，第二步第三项中，绘制优化后的pid参数控制效果图。

在以上任一方案中优选的是，第二步第三项中，绘制同一偏差调节曲线对比图。

在以上任一方案中优选的是，第一步第五项中，绘制模型输出跟踪曲线图。

在以上任一方案中优选的是，第二步第四项中，先令模型增益增加100％，得出变化后的模型及其仿真结果，然后再令模型增益减小20％，得出变化后的模型及其仿真结果。

在以上任一方案中优选的是，第二步第四项中，绘制增益增加100％后仿真结果图和增益减少20％后仿真结果图。

在以上任一方案中优选的是，该方法应用于高压闪蒸罐液位调节回路。

在以上任一方案中优选的是，该方法应用于对液位控制器pid参数进行整定。

与现有技术相比，本发明具有以下优点：

本发明的一种基于蚁群算法的气化装置pid参数整定方法，能够解决现有技术中由于整定的参数不具有代表性，导致存在的控制回路都停留在手动状态，耗费大量人力，控制效果不佳，造成了生产原料的浪费等问题，通过得到优化后的控制器参数，使气化装置控制回路能够平稳地投用自动控制，控制回路正常运行时不需人为干预，让操作员解放双手，节约人力成本，提高生产效率，同时降低生产成本，节约能源，使控制回路能够自动运行，提高装置自动投用率，取得满意的控制效果。

附图说明

下面结合附图和实施方式对本发明作进一步说明：

图1是本发明的基于蚁群算法的气化装置pid参数整定方法的蚁群算法流程图；

图2是本发明的基于蚁群算法的气化装置pid参数整定方法的系统辨识原理图；

图3是本发明的基于蚁群算法的气化装置pid参数整定方法的高压闪蒸罐液位控制流程示意图；

图4是本发明的基于蚁群算法的气化装置pid参数整定方法的实施装置结构示意图；

图5是本发明的基于蚁群算法的气化装置pid参数整定方法的l8lc-1003模型输出跟踪曲线图；

图6是本发明的基于蚁群算法的气化装置pid参数整定方法的现场运行曲线图；

图7是本发明的基于蚁群算法的气化装置pid参数整定方法的优化后的pid参数控制效果图；

图8是本发明的基于蚁群算法的气化装置pid参数整定方法的同一偏差调节曲线对比图；

图9是本发明的基于蚁群算法的气化装置pid参数整定方法的增益增加100％后仿真结果图；

图10是本发明的基于蚁群算法的气化装置pid参数整定方法的增益减少20％后仿真结果图。

具体实施方式

现有的气化装置控制回路主要采用工程整定法或经验法获得pid参数，但控制效果不佳，导致控制回路无法长时间稳定运行，需要操作人员手动调节，无法获得令人满意的控制效果，浪费大量人力成本和生产资源。本发明采用蚁群算法对气化炉pid控制器参数进行优化，使控制回路能够自动运行，提高装置自动投用率，取得满意的控制效果。

本发明的一种基于蚁群算法的气化装置pid参数整定方法，其通过pid参数优化方法中的理论计算法依据系统的数学模型，经过理论计算确定控制器参数。蚁群算法是一种pid参数整定理论计算法的，是一种新型模拟进化算法，可有效解决连续空间优化问题。本发明采用蚁群算法对煤气化装置控制回路进行pid参数优化，从而得到一组相对优化的参数，使各个回路能够做到及时准确的自动控制。

本发明采用的蚁群算法是一种新型的模拟进化算法，是对自然界蚂蚁的寻径方式进行模拟而得出的一种仿生算法。蚂蚁在运动过程中，能够在它所经过的路径上留下一种称之为外激素的物质进行信息传递，而且蚂蚁在运动过程中能够感知这种物质，并以此指导自己的运动方向，因此由大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。

参见图1，基本的蚁群算法可以简单表述如下：在0时刻进行初始化过程，蚂蚁放置在不同的城市，每一条边都有一个初始化外激素强度值，设为τij(0)。每一只蚂蚁禁忌表的第一个元素置为它的开始城市。然后，每一只蚂蚁从城市i移动到城市j，依据两个变量的概率函数选择移动城市(包括参数α和β，见公式(1.4))。在n次循环后，所有蚂蚁都完成了一次周游，同时他们的禁忌表将满，这时，计算每一只蚂蚁k的路径长度lk，依据公式(1.3)更新。而且，保存由蚂蚁找到的最短路径(即minlk，k＝1,…,m)置空所有禁忌表。重复这一过程直到周游计数器达到最大(用户定义)周游数maxnc，或者所有蚂蚁都走同一路线。后一种情况被称为停滞状态。如果算法在nc次循环后结束，蚂蚁算法的复杂度为o(nc·n²·m)。

信息素更新公式：

τij(t+n)＝ρ·τij(t)+δτij(1.1)

其中，ρ是一个参数，1-ρ表示在时刻t和t+n之间外激素的蒸发，

是单位长度上在时刻t和t+n之间第k只蚂蚁在边e(i,j)留下的外激素的数量，其中：

q是一个常数，lk是第k只蚂蚁周游的路程长度。

第k只蚂蚁从城市i移动到城市j的跃迁概率为：

其中φk＝{n-tabuk}，n为一组城市，tabuk表示第k只蚂蚁的禁忌表，α和β分别为控制外激素与可见度的相对重要程度，跃迁概率是可见度和t时刻外激素强度的权衡。

本发明采用的pid控制回路的模型辨识采用带遗忘因子的递推最小二乘法。模型辨识的目的就是建立能够描述系统动态及稳态特性的数学模型，最小二乘法原理简单易懂，计算方便。递推增广最小二乘法是最小二乘法的改进算法，能够在有色噪声的情况下给出参数的一致估计量，并能够减少计算量，满足在线估计与自适应校正的要求。同时引入遗忘因子，以避免数据饱和现象，使模型能够及时跟踪参数变化，参见图2；

对于siso(singleinputsingleoutput,单输入单输出系统)系统：

其中，yk和uk分别表示线性系统输出和输入，ek表示系统噪声。表示系统参数。

可写成：

a(z^-1)yk＝z^-db(z^-1)uk+ek(2.2)

其中：

噪声{ek}为白噪声，满足：

e(ek)，cov(ek，uj)表示噪声的均值和协方差。

siso系统可以写成最小二乘格式lsf：

其中：

当进行了l次量测，得到{yk}和{uk}，k＝1,2,…,l时，可将批量最小二乘格式写为：

yl＝φlθ+el(2.8)

定义：

则递推增广最小二乘法公式为：

初始估计：p0＝γ²i，γ²是一个充分大的正数，i为单位矩阵。

引入遗忘因子λ，修改目标函数jk，对残差平方加指数权λ，则

其中λ越小，遗忘越快。本发明选择带遗忘因子的递推增广最小二乘法进行煤气化装置控制回路模型辨识。

为了更好地理解本发明，下面结合具体实施例对本发明作了详细说明。但是，显然可对本发明进行不同的变型和改型而不超出后附权利要求限定的本发明更宽的精神和范围。因此，以下实施例具有例示性的而没有限制的含义。

实施例1:

一种基于蚁群算法的气化装置pid参数整定方法，包括建模分析、参数优化和仿真验证，具体包括以下步骤：

第一步，模型辨识：参见图2，采用带遗忘因子的递推增广最小二乘法，对气化装置控制回路进行模型辨识；建模步骤如下：

一、选用限幅滤波和递推平均滤波法两者相结合的数据预处理方法对数据进行预处理；

二、采用最大最小之法进行归一化处理；

三、采用带遗忘因子的递推增广最小二乘法进行系统辨识；

四、根据平均值误差判断模型收敛性；

五、模型仿真和验证；

第二步，参见图1，采用蚁群算法对建模后的控制回路进行pid参数优化：

利用蚁群算法对煤气化装置各回路进行pid参数寻优，目标函数为：j＝∫(e(t)²+λu(t)²)dt，j为目标函数值，e(t)为偏差量，u(t)为控制量，λ为控制量加权；寻优步骤如下：

一、确定模型；

二、得出寻优后修正结果比例增益kp和积分时间ti；

三、绘制仿真曲线图；

四、进行鲁棒性分析。

实施例2：

一种基于蚁群算法的气化装置pid参数整定方法，同实施例1，所不同的是，第一步中第三项中，采用递推增广最小二乘法获得carima模型(carima模型：controlledauto-regressiveintegralmovingaverage，受控自回归积分滑动平均模型)，再转化为传递函数模型。第二步第三项中，绘制现场运行曲线图、优化后的pid参数控制效果图和同一偏差调节曲线对比图。第一步第五项中，绘制模型输出跟踪曲线图。第二步第四项中，先令模型增益增加100％，得出变化后的模型及其仿真结果，然后再令模型增益减小20％，得出变化后的模型及其仿真结果。第二步第四项中，绘制增益增加100％后仿真结果图和增益减少20％后仿真结果图。

实施例3：

一种基于蚁群算法的气化装置pid参数整定方法，同实施例2，所不同的是，参见图3，该方法应用于高压闪蒸罐液位调节回路，以对液位控制器pid参数进行整定；具体包括以下步骤：

第一步，模型辨识：采用带遗忘因子的递推增广最小二乘法，对气化装置控制回路进行模型辨识；

建模步骤如下：

一、选用限幅滤波和递推平均滤波法两者相结合的数据预处理方法对数据进行预处理；

二、采用最大最小之法进行归一化处理；

三、采用带遗忘因子的递推增广最小二乘法进行系统辨识；

四、根据平均值误差判断模型收敛性；

五、进行模型仿真和验证；

采用递推增广最小二乘法获得参数模型：a1＝-0.722，b0＝0.043，转化为传递函数模型为：

参见图4为辨识出的模型对输入的跟踪情况，可以看出，模型跟踪快速准确。注：横坐标为时间，单位为秒s，纵坐标为归一化后的液位值，单位为1；

第二步，采用蚁群算法对建模后的控制回路进行pid参数优化；

利用蚁群算法对煤气化装置各回路进行pid参数寻优，目标函数为：j＝∫(e(t)²+λu(t)²)dt，λ为控制量加权；

对于一般工业过程来说，pi控制器已足够，微分控制器容易引进震荡，因此，本发明也仅对pi控制器进行优化；

一、建立传递函数模型g(s)：

传递函数是复变量s的有理真分式函数，通过模型辨识，本实例模型为时间常数t为15，增益为0.16的一阶惯性环节，即：

二、寻优后修正结果为：

kp＝9.5，ti＝12；

三、绘制仿真曲线图，图5为现场运行曲线，可以看出，现场运行振荡较大，控制效果不佳；图6为pid参数优化后的控制仿真曲线，控制过程无超调，稳态余差很小，跟踪快速，效果良好；图7为同一偏差下的优化前后控制曲线，可见，优化后控制效果远远优于优化前控制效果。注：图5至图7横坐标为时间，单位为秒s，纵坐标为液位，单位为百分比％；

四、鲁棒性分析，

令模型增益增加100％，模型变为：

仿真效果参见图8，注：横坐标为时间，单位为秒s，纵坐标为液位，单位为百分比％；

令模型增益减小20％，模型变为：

仿真效果参见图9，注：横坐标为时间，单位为秒s，纵坐标为液位，单位为百分比％；；

可以看出，即使模型失配，优化后的pid参数仍然能够准确的跟踪输入，说明该控制器的鲁棒性很强。可见，将采用蚁群算法对煤气化装置控制回路进行pid参数优化，从而得到一组相对优化的参数，使各个回路能够做到及时准确的自动控制。

参见图3，本发明的基于蚁群算法的气化装置pid参数整定方法，其中高压闪蒸装置作为气化装置典型回路，包括高压闪蒸罐101，高压闪蒸罐101的上部与进料组件102相连接，高压闪蒸罐101的下部通过液位调节阀103与出料组件104相连接；高压闪蒸罐101的侧面设置有液位测量组件105，液位测量组件105与液位调节阀103之间通过液位控制器106相连接。

参见图4，本发明的基于蚁群算法的气化装置pid参数整定方法，其实施装置包括依次连接的现场测量变送器201、第一安全栅202、ai(模拟量输入)信号卡件203、控制器204、ao(模拟量输出信号)信号卡件207和第二安全栅208；控制器204通过服务器205与上位机206相连接。

第二安全栅208和液位调节阀103相连接；

优选的，液位调节阀103设置在气化装置的高压闪蒸罐101与其出料组件104之间，出料组件104设置在高压闪蒸罐101的下部；液位调节阀103与高压闪蒸罐101侧面设置的液位测量组件105之间连接设置有液位控制器106，基于蚁群算法的液位控制器106在控制器204中实现。

优选的，液位控制器106为pid控制器。

优选的，现场测量变送器201将4～20ma信号通过第一安全栅202和ai信号卡件203传输至控制器204中，并进行信号处理，且在控制器204中完成对回路的控制过程。

优选的，上位机206设置有人机交互界面。

优选的，蚁群算法优化后的参数在上位机206中进行优化修改，并通过服务器205及网络与控制器204进行数据交换，控制器204将运算后的数据通过ao信号卡件207和第二安全栅208传输至现场阀门定位器，以控制现场的液位调节阀103。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。