数控技术
基于粒子群优化的锅炉燃烧过程控制
数培1李贺1李明2杨百顺2李延强3张纪4
(1.河南师范大学计算机与信息工程学院河南新乡453007;2.河南师范大学软件学院
与克
河南新乡453007;3.河南师范大学政治与公共管理学院河南新乡453007;4.河南师范大学溪河医学院河南溪河462000) 摘要：为了克服在对锅炉燃烧过程进行控制时传统控制参数整定方法货时且不能保证获得最佳的性能的问题本文提出一种基于起子群优化的锅
炉燃烧控制方法,即以各系统误差性能指标ITAE和为造应度,道用PSO自动获取各控制器最优参数。仿真结果表明,来用本文方法可以使整个系统达到较好的控制性能
关键词:粒子群算法Simulink建模锅炉燃烧过程中图分类号：TM715
文献标识码:A
1引言
锅炉是化工，炼油、发电等工业生产过程中必不可少的重要动力设备。锅炉燃烧过程自动控制的基本任务是既要提供热量适应蒸
15 10
20
0
0
20 20
收移日期：2014-1124
40
60
蒸汽压力输出 40
60
空气流量编出
40
60
炉腱负压输出图1系统仿真结果
80 80 80
100 ms
100 ms
100 ms
文章编号：1007-9416(2014)11-0010-01
汽负荷的需要，又要保证燃料的经济性与锅炉运行的安全性。在对锅炉燃烧过程进行控制时，蒸汽压力控制系统、燃料空气比值控制系统和炉瞻负压控制系统三个子系统互相影响，传统控制参数整定的方法费时且不能保证获得最佳的性能。本文提出一种基于粒子群优化的锅炉燃烧控制方法，即以各系统误差性能指标ITAE和为适应度，运用PSO对在建立好的Simulink控制系统模型进行各控制器参数的优化。仿真结果表明，采用本文方法，可以自动的确定控制器最
优参数使整个系统达到较好的控制性能。 2基于粒子群算法的控制器优化
目前，对于控制器参数主要是人工调整，这种方法不仅费时，而且不能保证获得最佳的性能。PSO已经广泛应用于函数优化、神经网络训练、模式分类、模糊系统控制以及其他应用领域这里首先在 Simulink中建立控制系统模型，然后运用PSO进行控制器参数的优化设计，误差性能指标选择ITAE，并以ITAE值作为PSO的适应值。优化过程如下：PSO产生粒子群(可以是初始化粒子群，也可以是更新后的粒子群)，将该粒子群中的粒子依次赋值给控制器的参数，然后运行控制系统的Simulink模型，得到该组参数对应的性能指标，该性能指标传递到PSO中作为该粒子的适应值，最后判断是否可以退出算法。算法流程如下：
Step1：初始化粒子群，随机产生所有粒子的位置和速度，粒子依次赋值给Simulink模型中的控制器参数，运行控制系统模型，根据返回的适应值确定粒子的最优位置和整个粒子群的最优位置。
Step2：对每个粒子，将其适应值与该粒子所经历过的最优位置的适应值进行比较，如较好，则将其作为当前的最优位置。
Step3：对每个粒子，将其适应值与整个粒子群所经历过的最优位置的适应值进行比较，如较好，则将其作为当前整个粒子群的最优位置。
Step 4:按照式v*=wv,+c,r,(P,xt)+c,r,(G,x,)和x+/=X,+ 更新粒子的速度和位置。
Step5：如果没有满足终止条件，则返回Step2；否则，退出算法，得到最优解。
·下转第12页
基金项目：河南省教育厅科学技术研究重点项目基础研究计划No.13A413506;河南师范大学青年科学基金项目No.01116400031;河南师范
大学大学生创新创业训练计划项目No.20140157，No.20140158，
作者简介：教培(1979一),女，蒙古族,过宁沈阳人,讲师,博士，项士生导师,研究领城为智能信息处理；张纪(1988一),男，汉族,河南漯河人,颈士
研究生,研究领城为农业信息化;李贺(1989—),男,汉族,河南周口人,硕士研究生,研究领域为农业信息化；李明(1993—),男，汉族,河南寰城人,本科,研究领城为计算机科学与技术；杨百顺(1992一),男汉族河南商城人,本科研究领城为计算机科学与技术；李延强(1993一),男，汉族,河南中年人,本科,研究领城为恐想政治教育。