论文总字数：22839字

摘 要

在火电机组热工过程中，由于其存在多变量强耦合、时变、非线性和大滞后等特点，导致控制系统的任务非常艰巨。控制系统的控制效果好坏对整个系统的经济性和安全性有着非常重大的影响。预测控制是一种通过计算机控制实现的基于模型进行预测并通过滚动优化和反馈校正达到最优控制的算法，它具有较好的动态控制效果，很强的鲁棒性，可有效地克服系统的不确定性、非线性和关联性引起的控制问题，并能根据在线辨识校正模型参数。然而常规预测控制理论存在缺点比如建模过程相对繁琐，存在模型偏差等问题。在实际工业过程中，预测控制的性能、计算量依赖于模型的精度和复杂程度。因此本文拟从数据出发直接构造预测控制器，省去建模的复杂过程。子空间预测控制是近几年来提出的一类先进预测控制方法，其具有无非线性迭代、方便处理各种约束、适合非线性多变量大惯性对象在线使用的特点。由于该方法不依赖于过程模型,所以不存在模型失配等优势，同时构建的控制器又具有快速简便、计算量小的优点。

本论文基于某160MW锅炉汽机协调系统仿真对象，研究在协调系统局部工况范围内,子空间预测控制器的设计，并用仿真结果证明了子空间预测控制的优势和有效性。本文为下一步研究全局非线性数据驱动预测控制方法奠定了基础。

关键词： 机炉协调机组； 数据驱动； 预测控制； 子空间辨识； 预测控制器

A STUDY ON THE DATA-DRIVEN SUBSPACE IDENTIFICATION PREDICTIVE CONTROLLER IN BOILER–TURBINE UNIT

Abstract

Predictive control algorithm is based on prediction model and through rolling optimization and feedback correction to solve the problem. The characteristics of generalized predictive control such as it has a better control effect, strong robustness, the model does not require the precise. In the real industrial process, only the input and output data which can be measured are known. Therefore, in the project such as in the thermal process control how important it is to predict the controller design using these data. Subspace predictive control is a control method as a class of advanced prediction proposed in recent years, the characteristics of it are required little prior knowledge, don’t have nonlinear iteration, be suitable for large inertia to use online. Because the method does not depend on the process model identification, controller can directly from the input output data of the system, and also have the advantages of fast and simple construction, small amount of calculation, there is no model mismatch and other advantages, namely the subspace predictor model is suitable for predictive control, also have some characteristics of predictive control.

In this paper the simulation object which is a 160MW unit is based on the subspace method, constructing predictive controller in a local work point of the thermal process, and compares it with the empirical model by mathematical tools. The result of the curve proves the effectiveness of the subspace identification. This paper can lay a foundation for the next step of method which used in global nonlinear data-driven predictive control.

KEYWORDS: Boiler-Turbine Coordinated Control, data-driven，predictive control，subspace identification, The predictive controller

目 录

摘要 I

Abstract II

第1章 绪论 1

1.1 引言 1

1.2 预测控制的基本内容 1

1.3 子空间辨识算法的基本原理 4

1.4 子空间预测控制研究现状 6

1.5 本文的研究目的和主要研究内容 8

第2章 子空间预测控制器的设计和结果分析 9

2.1 协调控制系统局部工作点子空间预测控制器 9

2.1.1子空间预测控制器的基本原理 9

2.1.2具体构建控制器的过程 12

2.2 仿真研究和结果分析 14

第3章 结论与展望 29

参考文献 31

致谢 33

绪 论

引言

对于火电机组热工过程而言，控制系统的控制效果对整个系统的经济性和安全性有着非常重大的影响。在热力发电厂中，由于其存在多变量强耦合、时变、非线性和大滞后等特点，导致控制系统任务的实现存在很多障碍。“目前控制系统尚存在一些需要解决的问题。为实现机炉协调系统变工况运行的稳定性、经济性、环保性和安全性，多种方法包括智能PID控制、预测控制、鲁棒控制等被已被很多学者研究使用”^[1]。但是常规的预测控制机理建模的过程比较复杂，因为机理建模首先需要明确具体的生产流程、基本工作机理，还要建立大量假设和获得各种结果、尺寸、参数等。为了避免繁琐的建模过程以及模型偏差的影响，无模型的控制算法成为近年来研究的新思路。因为模型是直接从数据中得到的，数据中的信息一定会多于模型，所以直接从数据中建立控制器理论上是可以实现的。本文的数据驱动子空间预测控制方法就是从该角度出发的。子空间方法作为一种新型的辨识算法，在提出至今的十几年中得到了辨识和控制领域的广泛关注，同时也取得了很多应用成果。与常规预测控制方法相比，子空间辨识方法的优点包括计算相对简单、无非线性迭代、适用于多变量大滞后的系统等。本毕业设计论文以数据驱动为出发点，研究了子空间预测控制器构建的方法。子空间预测控制方法是利用预测控制和子空间辨识相结合的一种新方法，这种控制方法既具有预测控制的抗干扰能力强、克服对象时延迟等良好控制品质，还拥有子空间辨识的无需反复迭代、不需建立模型的优点。本文的子空间预测控制器的建立过程大致是：通过系统已知的输入输出数据得到特定格式的汉克尔数据矩阵，然后用特征值分解的方法得到重要的中间矩阵，并从该矩阵的行或列中构造出子空间预估矩阵，作为预测器。然后通过对定义的性能指标进行二次规划求解得到优化序列，取出其第一个分量加入系统中滚动即可实现完全数据驱动的预测控制。本文在最后选取了160MW燃油机组的机炉协调控制系统作为仿真对象，运用数学工具MATLAB仿真来检验子空间预测控制的效果。本文研究的子空间数据驱动预测控制器对解决多变量、大惯性、时滞严重的系统具有良好的应用前景。

预测控制的基本内容

预测控制是一种计算机控制的最优控制方法，由于它采用了多步预测、滚动优化、反馈校正等策略，因此其控制效果好。伴随计算机技术的迅猛发展和控制系统的先进化需求，预测控制的应用领域也愈来愈广，比如在冶金、机械、化工、国防和电力等工业过程中都得到了应用。按照有无参数来划分，预测模型可以分为参数模型和非参数模型。脉冲响应、阶跃响应等属于非参数模型；微分方程、差分方程等属于参数模型。预测控制具有代表性的算法有广义预测控制 (GPC) 和动态矩阵控制(DMC)。

模型预测控制虽然控制效果好、鲁棒性强、还可以克服控制过程的非线性和不确定性，但是预测控制理论也存在一些缺点包括构建模型过程比较繁琐、存在模型偏差、不能非常好地处理有约束、多目标、非线性等复杂问题。

剩余内容已隐藏，请支付后下载全文，论文总字数：22839字