作者：郭建豪, 刘鑫屏

作者单位：华北电力大学控制与计算机工程学院，河北 保定 071003

关键词：锅炉燃烧控制系统;粒子群算法;模拟退火算法;二自由度PID

摘要：

为满足火电机组日益复杂的控制要求，提高系统目标值跟踪和抗干扰能力，设计采用二自由度PID控制器，且针对二自由度多个相互关联参数整定的复杂性，研究一种模拟退火算法和粒子群算法相融合的智能混合算法（SA-PSO算法），用该算法对二自由度PID控制器参数进行整定优化，并运用到锅炉燃烧控制系统中。通过Matlab仿真验证，与传统Z-N整定法和PSO算法相比，经过SA-PSO融合算法整定后的二自由度PID控制器使锅炉燃烧控制系统超调量仅为3.9%、调节时间为47.15 s，并具有较好的抗外扰能力。采用该融合算法整定二自由度PID参数使系统具有良好的性能指标值，能够提高锅炉燃烧系统的控制性能。

Parameter tuning of two degree of freedom PID for boiler combustion control system based on SA-PSO
GUO Jianhao, LIU Xinping
School of Control and Computer Engineering, North China Electric Power University, Baoding 071003, China
Abstract: In order to meet the increasingly complex control requirements of thermal power units and improve the ability of target tracking and anti-interference of the system, a two degree of freedom PID controller is designed. For the complexity of setting multiple interrelated parameters of two degrees of freedom, an intelligent hybrid algorithm (SA-PSO algorithm) combining simulated annealing algorithm and particle swarm optimization algorithm is studied. The algorithm is used to improve the two degree of freedom PID parameters It is applied to boiler combustion control system. Through Matlab simulation, compared with the traditional Z-N tuning method and PSO algorithm, the two degree of freedom PID controller adjusted by SA-PSO fusion algorithm makes the overshoot of boiler combustion control system only 3.9% and the regulating time 47.15 s, and has better anti-interference ability. Using the fusion algorithm to adjust the two degree of freedom PID parameters, the fusion algorithm has good performance index value and can improve the control performance of boiler combustion system.
Keywords: boiler combustion control system;PSO algorithm;simulated annealing algorithm;two degree of freedom PID
2020, 46(7):141-145,168  收稿日期: 2020-05-07;收到修改稿日期: 2020-06-15
基金项目: 国家重点研发计划项目 (2017YFB0902100)；中央高校基本科研业务费专项资金资助(2017MS132)
作者简介: 郭建豪(1996-),男,山西怀仁市人,硕士研究生,专业方向为大型火电机组优化控制
参考文献
[1] 秦娜娜, 张井岗. 二自由度控制方法研究[J]. 控制工程, 2017, 24(4): 895-900
[2] 刘吉臻, 李建强, 张栾英, 等. 用RBF网络整定的火电厂主汽温PID串级控制系统[J]. 动力工程, 2006(1): 89-92,134
[3] 刘林, 徐名源, 王光勇, 等. 热交换系统二自由度PID控制[J]. 吉林大学学报(信息科学版), 2015, 33(5): 524-530
[4] 李兴如. 基于教学优化算法的二自由度协调控制[D]. 保定: 华北电力大学, 2017.
[5] 周蓓晨, 张宏立. 基于SOA-MC算法的二自由度PID控制器优化设计[J]. 计算机仿真, 2018, 35(4): 337-341
[6] 王海稳, 张井岗, 戴跃伟. PSO算法及在二自由度PID调节器优化设计中的应用[J]. 火力与指挥控制, 2011, 36(3): 190-193
[7] 史冬琳, 邵思阳. 基于粒子群算法的火电厂锅炉燃烧模糊解耦控制[J]. 东北电力大学学报, 2017, 37(1): 60-65
[8] 巨康怡. 火电厂DCS控制系统优化研究与应用[D]. 西安: 西安电子科技大学, 2015.
[9] REETAM M, JAYATI D. Fractional order (FO) two degree of freedom (2-DOF) control of linear time invariant (LTI) plants[J]. ISA Transactions, 2020, 96: 352-366
[10] 尹成强, 高洁, 孙群, 等. 基于改进Smith预估控制结构的二自由度PID控制[J/OL]. 自动化学报, 2018: 1-9.[2020-05-06].https://doi.org/10.16383/j.aas.2018.c170596.
[11] 雷帅, 赵志诚, 张井岗. 多变量过程二自由度控制器的设计[J]. 控制工程, 2018, 25(2): 298-304
[12] 汤伟, 袁志敏, 任革健, 等. 基于H_∞理论的信息熵PSO算法整定大时滞PID参数[J]. 包装工程, 2018, 39(13): 157-164
[13] 姜长泓, 张永恒, 王盛慧. 基于改进粒子群优化算法的PID控制器参数优化[J]. 应用科学学报, 2017, 35(5): 667-674
[14] 黄凯锋, 李莉, 李永亮. 多种群粒子群与人工蜂群融合的改进算法[J]. 计算机工程与设计, 2014, 35(6): 2250-2254
[15] GIOVANNY A G, AUGUSTE E B. Improving users’ product acceptability: an approach based on Bayesian networks and a simulated annealing algorithm[J]. International Journal of Production Research, 2016, 54(17): 5151-5168
[16] 黄越洋, 井元伟, 张嗣瀛, 等. 基于样本均值和中位值的粒子群优化定位算法[J]. 东北大学学报(自然科学版), 2018, 39(7): 913-917