非線性系統(tǒng)不可測(cè)輸入軟測(cè)量及其在CFBB中的應(yīng)用.pdf

1、本文討論復(fù)雜非線性化工過(guò)程不可測(cè)輸入的在線軟測(cè)量問(wèn)題,在本實(shí)驗(yàn)室已有的研究成果基礎(chǔ)上,以循環(huán)流化床鍋爐(CFBB)燃燒系統(tǒng)為工業(yè)對(duì)象,采用本實(shí)驗(yàn)室開發(fā)的CFBB動(dòng)態(tài)仿真系統(tǒng)作為仿真平臺(tái),從求解精度、求解速度及實(shí)施維護(hù)難度著手,研究適合工業(yè)應(yīng)用的非線性系統(tǒng)軟測(cè)量的在線算法。
　　 本文首先討論基于神經(jīng)網(wǎng)絡(luò)逆模型的軟測(cè)量方案;采用PLS-RBF神經(jīng)網(wǎng)絡(luò)算法和LM-BP算法進(jìn)行算法對(duì)比試驗(yàn):首先通過(guò)CFBB燃燒系統(tǒng)仿真平臺(tái)獲取樣本數(shù)據(jù)

2、,進(jìn)行算法有效性的仿真研究;之后采用工業(yè)采樣數(shù)據(jù)進(jìn)行工業(yè)觀測(cè)實(shí)驗(yàn),并設(shè)計(jì)評(píng)估方案以考察觀測(cè)的準(zhǔn)確性。算法對(duì)比試驗(yàn)表明PLS_RBF算法具有網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練簡(jiǎn)便、泛化精度高的優(yōu)點(diǎn)。
　　 神經(jīng)網(wǎng)絡(luò)軟測(cè)量方法是目前主要的軟測(cè)量方法,但該軟測(cè)量方法需要有一定規(guī)模和代表性的建模樣本數(shù)據(jù)。對(duì)本文討論的問(wèn)題,由于難以得到不可測(cè)輸入的規(guī)模采樣數(shù)據(jù),需借助工業(yè)對(duì)象的非線性動(dòng)態(tài)模型來(lái)產(chǎn)生建模樣本,再建立神經(jīng)網(wǎng)絡(luò)模型,工業(yè)應(yīng)用時(shí)若工況變化后需修改模型,

3、則需重新仿真獲取數(shù)據(jù)建模,實(shí)際上不方便工業(yè)實(shí)施和后期維護(hù),因此,本文重點(diǎn)探討可直接由非線性工業(yè)模型進(jìn)行軟測(cè)量的方案:
　　 方案一:非線性尋優(yōu)在線觀測(cè)方案,采用多變量自適應(yīng)粒子群優(yōu)化(APSO)算法。首先針對(duì)傳統(tǒng)APSO算法尋優(yōu)較慢的不足,對(duì)算法進(jìn)行了改進(jìn),改進(jìn)后的算法減少了尋優(yōu)迭代次數(shù)。之后,采用工業(yè)采樣數(shù)據(jù),帶入CFBB燃燒過(guò)程動(dòng)態(tài)模型進(jìn)行工業(yè)觀測(cè)實(shí)驗(yàn),并進(jìn)行觀測(cè)精度評(píng)估實(shí)驗(yàn)。
　　 方案二:針對(duì)非線性尋優(yōu)算法在線觀

4、測(cè)需進(jìn)行迭代計(jì)算,計(jì)算量大且難以保證收斂的不足,本文提出以閉環(huán)控制思想實(shí)施軟測(cè)量的方案,選擇經(jīng)典PID控制器實(shí)施觀測(cè)。因多變量觀測(cè)涉及多變量控制器解耦問(wèn)題,單變量觀測(cè)與其原理相同但易于實(shí)施。為此,首先對(duì)CFBB進(jìn)行單變量控制觀測(cè)以研究觀測(cè)算法的有效性;之后,研究多變量解耦控制實(shí)施多變量觀測(cè),采用常數(shù)補(bǔ)償陣對(duì)CFBB燃燒系統(tǒng)進(jìn)行解耦控制,進(jìn)而實(shí)施多變量同時(shí)觀測(cè)。以閉環(huán)控制回路實(shí)施軟測(cè)量的優(yōu)點(diǎn)在于:將軟測(cè)量建模過(guò)程轉(zhuǎn)化為控制器設(shè)計(jì)問(wèn)題,觀測(cè)