锅炉热工过程先进控制策略研究综述

Abstract: Boiler is a complicated control object with multivariable, strong coupling and uncertain timedelay. It is hard to get ideal control effect with normal controller. This paper presents the overview of advanced control techniques in therma l process control of boiler, such as PID multiplex control system, intelligent c ontrol system and decoupling control system. The future of advance control resea rch and application is also discussed.

Key words: boiler; intelligent control; decoupling control; thermal process control

1前言

锅炉设备的主要输入变量是负荷、锅炉给水、燃料量、减温水、送风和引风量；主要输出变量包括汽包水位、过热蒸汽温度及压力、烟气氧量和炉膛负压等。鉴于锅炉本身的复杂性，对锅炉实施控制时存在以下几个难点：1)系统存在严重耦合，例如燃料量的变化不仅影响蒸汽压力和汽包水位，还会影响过热蒸汽温度和烟气氧量等；2)存在不确定时滞，如燃料量的变化对蒸汽温度、压力、汽包水位等的影响有不同的滞后，减温水量的变化对过热器出口蒸汽温度的影响有较大的滞后，这些时滞的大小还随着负荷状况的改变而改变［2］。因此，锅炉是一个多输入、多输出且变量相互耦合并具有不确定时滞的复杂控制对象。

由于锅炉变量关系较为复杂，而操作工人的经验相对较丰富。因此，近年来锅炉自动化研究 主要集中在以下三个方面：一是在传统PID控制领域，利用其他方法和PID控制相结合来改善PID控制效果；二是应用人工智能和计算机科学的最新技术，开发专家控制系统、人工神经网络控制系统和模糊控制系统等；三是针对锅炉的强耦合性，开发解耦控制系统。

2锅炉热工过程先进控制策略研究现状

2.1PID控制的新进展

PID控制因其具有结构简单、容易实现、鲁棒性强和能够实现无差调节的特点，在传统的锅炉控制系统中得到了广泛的应用。然而，常规的PID控制器是线性的，适用于小惯性小滞后的过程，当把PID控制应用在非线性、大时滞、参数不确定的情况下时，很难获得满意的控制效果。因此，近年来，很多学者将其他方法和PID控制结合起来，在线调节PID参数来处理各种不确定性、非线性以及大时滞，这是热工自动化控制的一个很好的发展方向。

为了解决大惯性大滞后过程的控制问题而又无需建立被控过程的数学模型，可以采用一种模糊预估PID控制方法［3］，即在常规PID控制器前串联一个模糊预估器，通过模糊预估器对过程未来输出的预估作用来补偿被控过程的惯性和滞后对控制系统性能的影响。如图1所示的过热汽温模糊预估PID控制系统，其中，FE为模糊预估器(fuzzy estimator)，z1为滞后算子。模糊预估器的作用是根据系统当前时刻的状态预测k+L时刻过程的输出，并将k+L时刻过程输出的估计值与过程输出值的偏差送入PID控制器进行控制，从而有效防止了当被控过程的纯滞后较大时，PID控制系统出现严重的超调和振荡，有利于抑制扰动。需要指出的是，这里的模糊预估器和一般的Smith预估器不同，不需要对对象建立精确的数学模型，它是根据一组模糊规则来实现对k+L时刻输出预估值的。

对于不确定时滞的热工过程，常规的PID控制往往不能做到及时调节，造成了控制品质的下降。将调节器输入的被控量的偏差根据被控量的大小和其变化速率、方向以及时间关系，先进行预补偿［4］，然后再经过PID控制器运算输出，可以使控制品质得到有效改善。根据补偿环节的基本思想，可以采用如下一类补偿方法，根据偏差△y和被控

用到过热汽温PID串级控制系统，补偿后的系统对控制对象的特性变化适应性更好。

文献［5,6,8,9］将模糊控制与常规PID控制有机结合起来形成模糊PID控制器，结合现场运行人员的经验和专家知识建立模糊规则和进行模糊推理，应用在锅炉汽温调节系统中，用一组模糊校正规则，实时地对锅炉主汽温串级控制系统主PID控制器的参数Kp 、Ti进行在线调整，使PID控制器能根据系统运行情况进行变参数调节，从而提高了系统对非线性、时变性和不确定性等的处理能力。控制系统原理框图如图2。虚线部分为原系统基础上新加控制功能，整个模糊自调整PID控制器由常规PI控制和模糊推理参数校正两部分组成。文献［7］将模糊PID控制器应用于锅炉一次风压的控制系统中，建立了模糊控制规则，根据被调量的偏差和被调量的变化率来选择不同的控制规律。

文献［10］提出了一种自适应分层递阶模糊PID参数控制方法。在较高的级别应用规则集建立其高层规划模型，根据系统的基本参数变化判定高层的参数调节方案，以保证系统的安全运行；在较低层次，按照物理定律应用微分方程等构造其数学模型，根据e和△e的变化在动态过程中实时调节规划参数值和PID参数值，使动态系统达到性能要求。文献［11］提出了适配值函数选择的一般原则和遗传算法的自适应机制。利用遗传算法自动仿生寻优随机算法，在线优化PID参数，并将其运用到电厂锅炉过热汽温的PID参数优化控制中。

2.2智能控制

电厂锅炉是个具有高度耦合的多变量输入输出非线性热工系统，其动态特性随着运行工况的变化而大范围变化，各环节的动态特性差异很大，还有噪音和负荷干扰、时滞等。因此要建立锅炉的精确数学模型较困难，而粗略模型只能由一系列分布参数系统描述，锅炉的复杂特性使得基于精确数学模型的常规控制器难以取得理想的控制效果，这就给不需要建立精确模型的专家系统、人工神经元网络以及模糊控制等智能控制方法的应用提供了广阔的空间。因此，将这些智能控制方法应用于锅炉热工控制过程具有较强的理论与实践意义。

人工神经元网络具有学习、泛化以及非线性映射多种能力，可以很好地弥补常规控制方法的 局限性，使非线性、时变和不确定系统的控制成为可能［12］。文献［13］提出了自回归神经网络拓扑结构以及一种快速训练的算法，并把该复合控制系统用于锅炉主汽温控制，一个充当辨识器，另一个充当控制器，如图3所示。前者对未知系统辨识，然后把受控对象的信息传送给后者，后者发出控制动作调整动态系统，有效地解决了热工系统中非线性受控对象的未知性和时变性问题。Li Jianyong等人［14］设计了一个BP神经网络用来学习锅炉负荷和主蒸汽压力随着燃烧效率和汽轮机阀门开度的变化动态特性，通过和PID控制效果的比较，表明神经网络可以学习锅炉动态特性，有很好的控制效果。文献［15］提出了一种多层反馈神经网络控制器来控制MIMO的锅炉对象，训练数据和测试数据都来自ZFCL电力公司，训练好的系统应用状况良好。文献［16］利用神经网络具有的以任意精度逼近任意连续函数及其各阶导数的特性，把神经网络作为模型辨识和预报的工具以代替GPC控制中的线性CARIMA模型，并运用到锅炉的过热汽温系统上。文献［17~19］对整个电厂机组的运行进行了模拟和优化控制。

专家系统以知识模型为基础［20］，不仅利用理论知识，而且利用人的知识与经验，很适合像锅炉燃烧过程这样难以建模和操作的工业对象。专家系统在锅炉燃烧过程中得到了广泛的应用［21~24］。文献［21］提出了一种锅炉燃烧过程实时控制专家系统，专家系统采用的推理机为数据驱动的正向推理方法，逐次判断知识库中的规则，是一种前向推理的产生式系统。其判断规则集包<