【正文】 種擾動對過熱汽溫的深入了解，引入各種先進的控制策略和算法到傳統(tǒng)的控制系統(tǒng)中，改善了傳統(tǒng) PID 控制系統(tǒng)的性能，或直接用先進控制代替?zhèn)鹘y(tǒng)的控制器 ，都將使得對熱氣溫這個大遲延、非線性、干擾多的復(fù)雜被控制對象的控制品質(zhì)有更大的提高。該控制系統(tǒng)的原理是在采用導(dǎo)前微分信號的汽溫調(diào)節(jié)系統(tǒng)的基礎(chǔ)上，將氣溫偏差值及偏差值的微分引入到模糊控制器中，根據(jù)預(yù)先設(shè)計的規(guī)則，如當(dāng)導(dǎo)前汽溫信號變化大時，控制系統(tǒng)應(yīng)施加大的控制作用使控制量回到設(shè)定值等，對微分器的參數(shù)進行在線整定，以達到在不同的工作情況下，控制系統(tǒng)的參數(shù)達到最佳值。 通過上面的比較可以知道，串級控制系統(tǒng)對于過熱汽溫控制系統(tǒng)的控制效果好于導(dǎo)前汽 溫微分信號控制系統(tǒng)。因此，采用導(dǎo)前汽溫 微分信號的雙回路系統(tǒng)的副回路，其快速跟蹤和消除干擾的性能不如串級系統(tǒng)；在主回路中，串級系統(tǒng)的主調(diào)節(jié)器具有微分作用，故調(diào)節(jié)質(zhì)量比采用導(dǎo)前汽溫微分信號的雙回路系統(tǒng)好。 因為 1q和 2q 的變化趨勢是一致的，且 1q 比 2q 的反應(yīng)快很多，因此它能迅速地反映 2q的變化趨勢。為了保證快速性，副調(diào)節(jié)回路的調(diào)節(jié)器 1()cGs采用比例 (P)或比例微分 (PD)調(diào)節(jié)器，使過熱汽溫基本保持不變，起到了粗調(diào)的作用 ； 為了保證調(diào)節(jié)的準確性，主調(diào)節(jié)回路的調(diào)節(jié)器 2()cGs采用比例積分 (PI)或比例積分微分 (PID)調(diào)節(jié)器，使過熱汽溫與設(shè)定值相等，起到了細調(diào)的作用。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 2 G h 1G c 2 （ s ）G c 1 （ s ）G h 2G 1 ( S )θ 1 θ 2G 2 ( S ) +r_ +_圖 12 主汽溫串級調(diào)節(jié)系統(tǒng)的方框圖 串級調(diào)節(jié)系統(tǒng)的主調(diào)節(jié)器出口的信號不是直接控制減溫器的調(diào)節(jié)閥，而使作為副調(diào)節(jié)器的可變給定值，與減溫器出口汽溫比較，通過副調(diào)節(jié)器去控制執(zhí)行器動作，以調(diào)節(jié)減溫水量，保證過熱汽溫基本保持不變。 1q 為減溫器后汽溫， 2q 為過熱器出口汽溫。近年來，遺傳算法在控制上的應(yīng)用日益增多。國內(nèi)以武漢大學(xué)軟件工程國家重點實驗室為領(lǐng)先，在他們的并行計算研究室內(nèi)，進化計算（他們稱之為 “演化計算 ”）成為一個重要的研究方向，目前已經(jīng)出版了專著，并有許多碩士、博士研究生圍繞進化計算選題。 1992 年， Michalewicz 出版另一部具有極大影響力的著作 《 Geic Algorithm + Data Structure =volutionary Programming》。 遺傳算法被提出之后立即受到了各國學(xué)者的廣 泛關(guān)注，有關(guān)遺傳算法的研究成果不斷涌現(xiàn)。專家整定法則需要太多的經(jīng)驗，不同的目標函數(shù)對應(yīng)不同的經(jīng)驗，而整理知識庫則是一項長時間的工程。主蒸汽溫度是一個很重要的控制參數(shù)，它控制的任務(wù)是維持過熱器出口蒸汽溫度允許的范圍之內(nèi)，并保護過熱器，使其管壁溫度不超過允許的工作溫度。 遺傳算法作為一種智能優(yōu)化算法，它是在解空間進行高效啟發(fā)式搜索，而非盲目地窮舉或完全隨機搜索，應(yīng)用遺傳算法對主汽溫系統(tǒng)控制器參數(shù)進行優(yōu)化，實驗表明 ，應(yīng)用遺傳算法優(yōu)化控制器參數(shù) 的優(yōu)越性。洛陽理工學(xué)院畢業(yè)設(shè)計（論文） I 遺傳算法在主 蒸汽溫度 控制 系統(tǒng) 中的應(yīng)用 摘 要 在電廠 熱工生產(chǎn)過程中，主蒸汽溫度控制的任務(wù)是 維持過熱器出口蒸汽溫度在允許范圍之內(nèi)。仿真結(jié)果表明，在主 蒸 汽溫度控制系統(tǒng)中 ， 本文所設(shè)計的 用改進的遺傳算法優(yōu)化的 PID 控制器比常規(guī)的 PID 控制器有更好的控制效果 。 目前，在火電廠中，各種類型的 PID 控制器因其結(jié)構(gòu)簡單、參數(shù)的物理意義明確、易于調(diào)整并且具有一定的魯棒性，在理論上有成熟的穩(wěn)定性設(shè)計和參數(shù)整定方法，同時在工程應(yīng)用中積累了豐富的經(jīng)驗。因此我們選取了遺傳算法來進行參數(shù)尋優(yōu)，該方法是一種不需要任何初始信息并可以尋求全局最優(yōu)解的、高效的優(yōu)化組合方法。遺傳算法被提出之后立即受到了各國學(xué)者的廣泛關(guān)注，有關(guān)遺傳算法的研究成果不斷涌現(xiàn)。 我國的遺傳算法的研究，從 20 世紀 90 年代以來一直處于不斷上升的時期，特別是近年來，遺傳算法的應(yīng)用在許多領(lǐng)域取得了令人矚目的成果。另外，中國科學(xué)技術(shù)大學(xué)的陳國良教授等出版了遺傳算法的著作。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 1 第 1 章 主汽溫調(diào)節(jié)系統(tǒng)的控制方案 傳統(tǒng)主汽溫調(diào)節(jié)系統(tǒng) 主蒸汽溫度是一個很重要的控制參數(shù)，它在控制的任務(wù)是維持過熱器出口蒸汽溫度在允許的范圍之內(nèi)，并保護過熱器，使其管壁溫度不超過允許的工 作溫度。汽溫調(diào)節(jié)對象由減溫器和過熱器組成，減溫水流量 Wj 為對象調(diào)節(jié)通道 的 輸入信號，過熱器出口汽溫2q 為輸出信號。 圖 12 為串級調(diào)節(jié)系統(tǒng)的方框圖。 對于串級汽溫調(diào)節(jié) 系統(tǒng)，無論擾動發(fā)生在副調(diào)節(jié)回路還是發(fā)生在主調(diào)節(jié)回路，都能迅速的做 出反應(yīng)，快速消除過熱汽溫的變化。引入了 1q 的微分信號后，將有助于調(diào)節(jié)器動作的快速性。特別對于慣性遲延較大的對象或外擾頻繁的情況下，采用導(dǎo)前汽溫微分信號的雙回路系統(tǒng)調(diào)節(jié)品質(zhì)不如串級系統(tǒng)。 G h 1P I執(zhí) 行 器G h 2D蒸 汽減溫水W jθ 1θ 2減 溫 器過 熱 器 過 熱 器Ω 圖 1 3 采用導(dǎo)前汽溫微分信號的汽溫調(diào)節(jié)系統(tǒng) 先進的主汽溫控制策略 針對主汽溫這個在熱工自動調(diào)節(jié)系統(tǒng)中屬于可控性最差的調(diào)節(jié)系統(tǒng)（擾動因素多，滯后大），廣大專家和學(xué)者給予了特別的關(guān)注，結(jié)合先進控制原理提出了很多新的控制方案，下面簡要介紹三種： 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 4 （ 1）自適應(yīng)度控制器調(diào)節(jié)控制參數(shù)的控制方案 過熱自適應(yīng) PID 控制系統(tǒng)，其原理是將系統(tǒng)輸出的微分和偏差引入到自適應(yīng)控制器內(nèi)，通過預(yù)先設(shè) 計的規(guī)則，調(diào)整 PID 參數(shù)，以適應(yīng)不同工作情況下的控制要求。 （ 3）應(yīng)用神經(jīng)網(wǎng)絡(luò)的控制方案 基于神經(jīng)網(wǎng)絡(luò)在 線學(xué)習(xí)的自適應(yīng)控制系統(tǒng)?？傊S著先進控制的發(fā)展，在未來的日子里，對過熱汽溫的控制將有更多更好的控制方案。伴隨著算法的運行，優(yōu)良的品質(zhì)被逐漸保留并加以組合，從而不斷產(chǎn)生出更佳的個體。研究遺傳算法的目的主要有兩個：一是通過它的研究來進 一步解釋自然界的適應(yīng)過程；二是為了將自然生物系統(tǒng)的重要機理運用到人工系統(tǒng)的設(shè)計中。 從 20 世紀 80 年代中期起，遺傳算法和進化計算到達一個研究高潮，以遺傳算法和進化計算為主題的國際學(xué)術(shù)會議在世界各地定期召開。以及每兩年舉行一次的遺傳算法基礎(chǔ) FOGA(Foundations of GeicAlgorithms)等相關(guān)的國際會議還有很多。而遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化計算的魯棒搜索算法，其特點是： ① 遺傳算法是對參數(shù)的編碼進行操作，而非對參數(shù)本身； ② 遺傳算法是從許多點開始并行操作，而非局限于一點； ③ 遺傳算法通過目標函數(shù)來計算適配值，而不需要其他推導(dǎo)，從而對問題的依賴性較??； ④ 遺傳算法的尋優(yōu)規(guī)則是由概率決定的，而非確定性的； ⑤ 遺傳算法在解空間進行高效啟發(fā)式搜索，而非盲目地窮舉或完全隨機搜索； ⑥ 遺傳算法對于待尋優(yōu)的函數(shù)基本無限制，它既不要求函數(shù)連續(xù)，也不要求函數(shù)可微，既可以是數(shù)學(xué)解析式所表示的顯函數(shù)，又可以是映洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 7 射矩陣甚至是 神經(jīng)網(wǎng)絡(luò)的隱函數(shù)，因而應(yīng)用范圍較廣； ⑦ 遺傳算法具有并行計算的特點，因而可以通過大規(guī)模并行計算來提高計算速度； ⑧ 遺傳算法更適合大規(guī)模的復(fù)雜問題的優(yōu)化； ⑨ 遺傳算法計算簡單，功能強。 ② 產(chǎn)生初始群體：隨機產(chǎn)生 M 個初始字符串，每個字符串為一個個體或者是一個染色體。 ④ 選擇：一個群體中同時有 M 個個體存在，在這些個體中哪個被選去繁殖后代，哪個被淘汰，是根據(jù)它們對環(huán)境的適應(yīng)能力來決定的，適應(yīng)性強的個體有更多的機會被保留下來。否則轉(zhuǎn)入第（ 3）步重復(fù)以上過程。 遺傳算法的基本操作 （ 1） 復(fù)制（ Reproduction Operator） 復(fù)制 是從一個舊種群中選擇生命力強的個體位串產(chǎn)生新種群的過程。復(fù)制操作可以通過隨機方法來實現(xiàn)。 （ 2）交叉（ Crossover Operator） 復(fù)制操作 從舊種群中選擇出優(yōu)秀者，但不能創(chuàng)造新的染色體。交叉有一點交叉、多點交叉、還有一致交叉、順序交叉和周期交叉和周期交叉。為了在盡可能大的空間中獲得質(zhì)量較高的優(yōu)化解，必須采用變異操作。例如 O(10**1)=3 。在遺傳操作中，即使階數(shù)相同的模式，也會有不同的性質(zhì)，而模式的定義距就反映了這種性質(zhì)的差異。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 10 積木塊假設(shè) 在模式定理中所指的具有低階、短定義距以及平均適應(yīng)度高于種群平均適應(yīng)度的模式被定義為積木塊（ building block）。 基本遺傳算法 (SGA)的組成 遺傳算法被認為是對人類自然演化過程的模擬。將這些概念反映在數(shù)學(xué)上就形成了遺傳算法的基礎(chǔ)操作。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 11 否產(chǎn) 生 初 始 群 體計 算 個 體 適 應(yīng) 度選 擇變 異交 叉結(jié) 束輸 出 結(jié) 果是 否 滿 足 終 止條 件 ？開 始是 圖 21 基本遺傳算法流程圖 編碼 用遺傳算法設(shè)計一個優(yōu)秀的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，首先是要解決網(wǎng)絡(luò)結(jié)構(gòu)的編碼問題；然后才能以選擇、交叉、變異操作得出最優(yōu)結(jié)構(gòu)。就二進制編碼和浮點數(shù)編碼比較而言，一般二進制編碼比浮點數(shù)編碼搜索能力強，但浮點數(shù)編碼洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 12 比二進制編碼在變異操作上能夠保持更好的種群多樣性。 對于求最小值的問題一般采用如下的適應(yīng)度函數(shù) ()fx和目標函數(shù)()gx的映射關(guān)系： ? ? ? ?? ? ? ?? 0m a x,m a x 0m a x,0 ??? ??? CxgifxgC Cxgifxf (22) 式中， Cmax 可以是一個輸入?yún)?shù)在理論上的最 大 值，也可以是到目前所有代中 ()gx的最小值，此時 Cmax 會隨著代數(shù)而變化。 （ 2） 確定式采樣選擇 (Deterministic Sampling)， 它的基本思想 是 按照一種確 定的方式來進行選擇操作，其具體操作過程如下： a、 計算群體中各個個體在下一代群體中的期望生存數(shù)目 Ni ： ? ?MiFFMi iii ,2,1*Nm1 ??? ?? (24) b、 用 iN 的整數(shù)部分 iN 確定各個對應(yīng)個體在下一代群體中的生存數(shù)目。至此可完全確定出下一代群體中的 M 個個體。 SGA 中交叉算子采用單點交叉算子。 在遺傳算法中使用變異算子主要有以下兩 個目的： 1)改善遺傳算法的局部搜索能力； 2)維持群體的多樣性，防止出現(xiàn)早熟現(xiàn)象。一般取為 ~。常用的判定準則有下面兩種： ①連續(xù)幾代個體平均適應(yīng)度的差異小于某一個極小的閾值； ②群體中所有個體適應(yīng)度的方差小于某一個極小的閾值。 基本 遺傳算法的不足 SGA 是早期的遺傳算法，求解效率還不高，也就是在搜索的快速性、全局性方面還不能達到較好的效果，可從如下幾方面分析： 遺傳算法的過早收斂 ,是我們在用遺傳算法求解問題 時 ， 經(jīng)常遇到的現(xiàn)象 。 變異雖然可以使陷入某一超平面的個體得以解脫，但由于是隨機的，不能有效地保證這一問題的解決。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 17 第 3 章 改進 的 遺傳算法優(yōu)化 PID 控制器 PID 控制器的結(jié)構(gòu) 本文采用經(jīng)典增量式數(shù)字 PID 的控制算法 ，控制器每個采樣周期輸出的控制量，是相對于上一次控制量的增加 ( ) ( 1) ( )u k u k u k? ? ? ? （ 34） ( ) ( ( ) ( 1 ) ) ( ( )( ( ) 2 ( 1 ) ) ( 2 ) )pIDu k K e r r o r k e r r o r k K e r r o r kK e r r o r k e r r o r k e r r o r k? ? ? ? ?? ? ? ? ? （ 35） 式中， pK ， IK ， DK 分別為比例、積分 、微分系數(shù)。 改進遺傳算法 參數(shù)編碼 Srinvivas 等人提出自適應(yīng)遺傳算法，即 Pc 和 Pm 能夠隨適應(yīng)度自動改變，當(dāng)種群的各個個體適應(yīng)度趨于一致或趨于局部最優(yōu)時，使二者增加，而當(dāng)種群適應(yīng)度比較分散時，使 二者減小，同時對適應(yīng)值高于群體平均適應(yīng)值的個體，采用較低的 PC 和 Pm，使性能優(yōu)良的個體進入下一代，而低于平均適應(yīng)值的個體，采用較高的 PC 和 Pm，使性能較差的個體被淘汰 。 初始群體的產(chǎn)生 為了增加初始群體的多樣性，有效地避免早熟現(xiàn)象地發(fā)生，引入了相似度的概念（兩個個體中在相對應(yīng)的位置上存在著相同的字符（基因）的數(shù)量定義為 相似度 R）。產(chǎn)生初試群體的程序流程圖如22 所示。這樣的話，對于適應(yīng)度函數(shù)值較大的個體的交叉和變異概率都較小，這樣就保護了優(yōu)良個體 ；對于適應(yīng)度函數(shù)值較小的個體的交叉和變異概率較大。選擇算子是建立在對個體適應(yīng)度評價的基礎(chǔ)上，通過選擇可以避免基因缺失，并提高全局收斂性和計算效率。所以，我們希望適應(yīng)度最好的個體要盡可能的被保留到下一代中。首先按 確定式采樣選擇 法執(zhí)行遺傳算法的選擇操作，然后將當(dāng)前群體中適