一种热泵预测串级温度控制系统及其方法

本发明涉及一种热泵控制系统，尤其是涉及一种热泵预测串级温度控制系统及其方法。

背景技术：

1、空气源热泵供水系统因其安全便捷、高效节能的特点被广泛使用，一方面其具有极低的使用成本，另一方面也满足了人们对于用电安全、节能环保等方面日益严格的要求，因此在国内外具有广阔的发展空间。

2、目前，热泵工业控制系统多采用的是常规pid控制方式，空气能泵控制系统结构复杂，非线性组成部件多，启动过程缓慢，过程控制复杂，pid已无法很好胜任热泵温度控制或其他非线性的工况控制，面对这些问题，众多学者在此基础上提出了不同的控制方法，但在实际应用中，由于空气源热泵供水系统的出水温度的调节是依靠阀门电机调节入水流量进行控制，受环境适应性及入水水温等实际工况限制，具有较大的时滞性及非线性，其供水水温不易达到迅速恒温出水的要求。

3、传统的空气源热泵温度控制系统需要对阀门进行频繁的动作，长期的频繁动作可能缩短阀门的寿命，增加维护和更换的成本。从而导致系统的能耗增加，降低系统的能效和寿命。

技术实现思路

1、发明目的：针对上述问题，本发明的目的是提供一种热泵预测串级温度控制系统，解决现有控制系统中关于时滞、惯性、时变、静态性能和不确定性等问题，提高控制响应速度，延长使用寿命。

2、技术方案：一种热泵预测串级温度控制系统，包括串联的外环主预测控制模块、内环副控制模块，外环主预测控制模块包括主控温度对象、主检测变送器、主控制器，主控制器包括事件触发器、微分器、模糊神经网络控制器、pid控制器、smith预估器、在线优化器，主控温度对象输出端与主检测变送器输入端连接，主检测变送器输出端、smith预估器输出端分别与事件触发器输入端连接，模糊神经网络控制器的输入端、微分器的输入端、pid控制器的输入端分别与事件触发器的输出端连接，微分器的输出端与模糊神经网络控制器的输入端连接，模糊神经网络控制器的输出端与pid控制器的输入端连接，pid控制器的输出端与在线优化器的输入端连接，在线优化器的输出端与smith预估器的输入端连接；

3、内环副控制模块包括依次连接构成回路的副控制器、执行器、水泵、副检测变送器，水泵的输出端与主控温度对象输入端连接，副控制器输入端与在线优化器的输出端连接。

4、副控制器采用pid控制方式。

5、进一步的，热泵预测串级温度控制系统的控制方法包括外环主预测控制回路、内环副控制回路，外环主预测控制包括以下步骤：

6、步骤a1：主检测变送器收集主控温度对象信号并输出温度信号x1(kh)；

7、步骤a2：smith预估器以主控温度对象建立预测模型，对因延迟所引起的影响进行提前补偿，输出补偿信号um(kh)；

8、步骤a3：温度信号x1(kh)与补偿信号um(kh)经过比较器并输出反馈信号uc(kh)给事件触发器，事件触发器根据事件触发条件判断是否触发，当无触发事件时，事件触发器不输出最新信号；当触发事件时，事件触发器将输出最新信号uc((k+s)h)，与预设温度输入信号r(kh)比较得到偏差信号e(kh)，偏差信号e(kh)分别传递给模糊神经网络控制器、微分器和pid控制器，并进入下一步骤；

9、步骤a4：微分器输出偏差信号变化率ec(kh)并传递给模糊神经网络控制器，模糊神经网络控制器以偏差信号e(kh)和偏差信号变化率ec(kh)作为输入，通过rcqga算法对pid控制器参数进行调整以优化性能指标，使模糊神经网络控制器的输出神经层对应于pid控制的三个参数；

10、步骤a5：pid控制器采用增量式pid控制算法，并通过模糊神经网络控制器实现对kp、ki、kd三个参数的在线自调节；

11、步骤a6：在线优化器根据pid控制器的输出信号u0(kh)，根据实时的系统状态，在线滚动优化控制性能，输出优化控制信号u1(kh)，作为smith预估器的输入信号以及内环副控制回路的控制信号。

12、进一步的，在步骤a2中，smith预估器内设常规反馈回路和内环回路，内环回路完成无延迟地估计过程的响应，其传递函数为：

13、

14、其中，um(s)为smith预估器输出信号，u1(s)为输入信号，gm(s)为过程模型，lms为过程模型的延迟。

15、进一步的，在步骤a3中，事件触发器的触发条件为：

16、

17、其中，h为采样周期，δ、σ为原先设定的有界正数，ω1、ω2、ω3、ω4为正定对称矩阵，s＝1,2,...为整数，x1((k+s)h)为主检测变送器在(k+s)h的最新传输信号，x1(kh)为主检测变送器上一时刻(kh)的传输信号，um((k+s)h)为smith预估器在时刻(k+s)h的最新输出的补偿信号，um(kh)为smith预估器在时刻(kh)输出的补偿信号。

18、最佳的，当smith预估器和主检测变送器当前时刻输出的信号小于等于所设定阈值，则认为不是有效事件，此时事件触发器不输出此时接收到的信号，保持上一时刻接收到的信号进行输出；当smith预估器和主检测变送器当前时刻输出的信号大于所设定阈值，则认为是有效事件，此时事件触发器更新上一时刻的输出信号并输出此时接收到的信号分别传递给模糊神经网络控制器、微分器和pid控制器。

19、进一步的，在步骤a4中，通过rcqga算法对pid控制器三参数进行优化包括以下步骤：

20、步骤a41：初始化；

21、确定种群大小n，种群数量n，最大迭代次数g，应用随机均匀分布函数得到n条实数染色体p(t)和所有子解空间的初始种群，即该代的种群为{p1(t),p2(t),p3(t),...,pn(t)}，用下式求出每条染色体对应地相角

22、

23、其中，是服从均匀性的实数。表示寻优空间。是第t条染色体的第i个可变相位角；

24、步骤a42：用适应度函数对种群所有个体进行评估，并保留最优解；如果适应度值优于全局最优值，则获得个体信息作为全局最优解，否则继续在子种群中进化；

25、步骤a43：保留最优个体与对应角度θ，判断是否满足终止条件，若满足则算法终止且保留符合全局最优值的个体，否则继续下一步；

26、步骤a44：在子种群内部应用下式对p(t)进行选择和量子交叉，生成子种群中的p(t+1)：

27、

28、使用混沌序列c对当前代中所有实数染色体对应相角θ进行限幅波动，采用logist映射：

29、c(t+1)＝4c(t)(1-c(t))0＜c(t)＜1，c(t)≠0.5；

30、p(t+1)的适应度差的个体应用下式进行混沌突变：

31、

32、使用量子旋转门便可实现所有种群的突变：

33、

34、步骤a45：进化次数加1，返回步骤a42，直到停止条件满足。

35、以rcgqa作用于模糊神经网络，同时优化隶属函数参数和tsk参数集，相比于传统的遗传算法，收敛速度更快，优化能力更强，能够输出最优的pid三参数进一步控制。

36、进一步的，在步骤a5中，增量式pid控制算法数学模型为：

37、u0(kh)＝u0((k-1)h)+δu0(kh)；

38、其中，u0(kh)表示pid控制器在kh时刻的控制输出，u0((k-1)h)表示在(k-1)h时刻的控制输出，δu0(kh)为kh时刻的控制输出增量，由下式计算得出：

39、δu0(kh)＝f4·xc＝kpxc(1)+kixc(2)+kdxc(3)；

40、其中，kp、ki、kd表示控制器的比例增益、积分增益和微分增益，表示如下：

41、

42、

43、其中，e(kh)表示kh时刻的偏差信号，e((k-1)h)表示(k-1)h时刻的偏差信号，e((k-2)h)表示(k-2)h时刻的偏差信号。

44、进一步的，内环副控制包括以下步骤：

45、步骤b1：副检测变送器获取水泵的状态信号x2(kh)；

46、步骤b2：副控制器根据优化控制信号u1(kh)和状态信号x2(kh)得到对执行器的控制信号u2(kh)；

47、步骤b3：执行器根据控制信号u2(kh)调整水泵的状态。

48、最佳的，在步骤b3中，执行器对设置在执行器与水泵管道上的进水阀进行调节，调节流入循环管道中的水流量。

49、有益效果：与现有技术相比，本发明的优点是：

50、(1)串级控制回路中副控制器采用传统的pid控制，以确保主控制回路中的温度控制更加准确和稳定。由于主蒸汽温度存在惯性以及时滞的动态特性，难以快速准确调节偏差，主控制器采用基于事件触发的神经模糊pid-smith预测器，该控制器由模糊神经网络控制器、pid控制器和smith预估器组成，smith预估器对系统滞后补偿，使系统振荡幅度明显减小，调节性能大大改善，模糊神经网络控制器在rcqga的基础上，对pid控制器参数进行调整，达到性能指标的优化，使输出神经层对应于pid控制的三参数，采用增量式pid控制算法，实现了对kp、ki、kd三个参数的在线自调节，并最终获得最优的控制效果。

51、(2)在主控制回路中加入具有触发机制的事件触发器，对smith补偿信号和主检测变送器输出信号进行筛选，根据内部的事件触发函数及触发条件判断是否输出，以当前时刻与上一时刻相比，若满足事件触发规则，则事件触发器不输出此时接收到的信号，保持上一时刻接收到的信号进行输出；当不满足上述触发规则，则事件触发器更新上一时刻的输出信号并输出此时接收到的信号为新的控制信号，输出到模糊神经网络控制器、微分器和pid控制器。事件触发器的加入，控制系统可以更及时地对变化做出反应，提高系统的响应速度，使得控制更加实时和精准。避免周期性控制中可能出现的延迟可以减少控制器的频繁操作，节约系统资源，减少计算和通信开销，提高了系统的使用寿命。