基于双目标并行ISLAND-HFC混合模型遗传编程算法的火电厂热工在线过程辨识及控制算法的优化方法

摘要

本发明公开了一种基于双目标并行ISLAND-HFC混合模型遗传编程算法的火电厂热工在线过程辨识及控制算法的优化方法，其步骤如下：一、搭建硬件平台；二、所述优化方法由硬件平台执行前台界面软件和后台软件完成；后台软件由现场试验及数据采集软件、过程辨识软件和PID控制器参数优化软件组成；本发明将ISLAND模型和HFC模型有机地融为一体，抗早熟收敛性强，充分利用工业控制计算机的多核CPU资源，多线程并发运行，进化速度快，适于解决复杂问题；双目标进化一方面控制进化模型与理想模型之间的误差，另一方面控制进化个体的结构，最终使最优个体结构和参数都满足要求，对于过程辨识，精确匹配出现场过程模型，对于PID控制器参数优化，得出最优比例、积分、微分参数。

主权项

一种基于双目标并行ISLAND‑HFC混合模型遗传编程算法的火电厂热工在线过程辨识及控制算法的优化方法，其特征在于步骤如下：一、搭建硬件平台所述硬件平台包括现场分布式控制系统DCS和工业控制计算机；所述现场分布式控制系统DCS的各柜体内的分布处理单元DPU通过DCS现场总线双冗余通信网络相连接；所述现场分布式控制系统DCS的各柜体内的分散处理单元DPU、输入输出模块或通信卡之间通过DCS柜内通信总线相连接；第一柜体内的通信卡与工业控制计算机的RS485串行通信口相连接；所述工业控制计算机具有双核及以上CPU；所述通信卡采用MODBUS通信卡；二、所述优化方法由所述硬件平台执行前台界面软件和后台软件完成；所述后台软件由现场试验及数据采集软件、过程辨识软件和PID控制器参数优化软件组成；（一）现场试验及数据采集软件：（1）首先置所述现场分布式控制系统DCS中的被辨识环节于开环状态，即置PID控制器处于手动运行状态；手动调节PID控制器的输出信号u(t)，分别施加两种信号即阶跃信号和斜坡信号，两种信号的幅度分别为PID控制器的输出信号u(t)的满量程的8%—10%，所述斜坡信号的上升或下降速率小于每分钟所述满量程的一半；（2）通过所述数据采集软件采集所述阶跃信号和斜坡信号的过程开环响应数据，所述工业控制计算机显示所述过程开环响应曲线，并将过程开环响应数据写入数据文件；（二）过程辨识软件：所述工业控制计算机调用双目标并行ISLAND‑HFC混合模型遗传编程算法进行过程辨识；（1）所述双目标并行ISLAND‑HFC混合模型遗传编程算法为：将ISLAND模型和HFC模型有机融合，充分利用工业控制计算机多CPU的硬件优势，采用多线程并发运行，形成一种运行高效、有效抗早熟收敛的进化算法；a.关于ISLAND‑HFC混合模型：所述ISLAND‑HFC混合模型的多种群进化分为内外两个层面，在外层面，各ISLAND子种群按照ISLAND模型进行进化，在内层面每个ISLAND子种群内部再按HFC适应度规则细分为HFC子种群；在进化过程中，在外层面，每个ISLAND子种群以单线程运行，彼此之间每20~25代交换一次个体，交换个体来自ISLAND子种群内部的适应度最高HFC子种群；在内层里，每个ISLAND子种群内部以HFC模型方式进化，每10~15代按适应度规则重新划分每个个体的子种群归属；单个HFC子种群按照普通的单种群进化方式进化，自父辈种群中按照与适应度成比例的概率选取个体参与基因操作即交叉操作和突变操作，对于交叉操作选取两个个体，对于突变操作只选取一个个体，基因操作产生子代个体最终替换父代个体，完成种群的一代进化；b.双目标进化：对于过程辨识，在运行过程中，由于进化的随机性，进化个体会产生本不属于现场过程传递函数的冗余项目；为了能够控制进化个体传递函数，达到精确辨识的目的，适应度采用了双目标，一个目标控制模型的误差，另一个目标控制模型的结构，从而实现过程辨识数学模型的精确建立；c.进化前的准备工作：①函数集合与终端集合定义：使用遗传编程进化传递函数，采用的函数集合为：{ +，‑，，/}其中“/”仅在根节点使用；采用的终端集合为：{ s，R }其中s为拉普拉斯变换微分算子，R为‑1.0 ~ 1.0之间的随机浮点数，用于匹配传递函数参数；②树状传递函数的结构：典型的SISO即单输入单输出传递函数如式 （1） 所示：（1）式中是被控量的拉普拉斯变换，是过程输入量的拉普拉斯变换，n、m为传递函数阶次，……和……是不同阶次的系数，过程辨识就是通过输入、输出数据推导出传递函数的阶次即结构和各阶次系数即参数；所述ISLAND‑HFC混合模型遗传编程算法是对树状程序的进化，为了以树状程序表征传递函数，将典型的SISO传递函数式（1）中等号右侧的分式以树状形式表示；在个体初始化以及整个进化过程中，每个进化个体的根节点固定为函数节点“/”，即代数中的除法表示符号，通过进化自动匹配出传递函数阶次以及和的值，从而实现过程辨识；③适应度定义：过程辨识中采用双目标适应度：目标1：误差假设现场实际采集的阶跃过程输入信号为阶跃响应输出信号为假设现场实际采集的斜坡过程输入信号为斜坡响应输出信号为将阶跃过程输入信号输入ISLAND‑HFC混合模型遗传编程进化种群中的个体传递函数模型，得到的第一输出信号为将所述斜坡过程输入信号输入ISLAND‑HFC混合模型遗传编程进化种群中的个体传递函数模型，得到的第二输出信号为则阶跃响应的最小二乘误差定义如式（2）：（2）斜坡响应的最小二乘误差定义如式（3）：（3）进化个体的总最小二乘误差定义为：+（4）目标2： 结构控制进化过程的随机性容易使个体变得结构复杂庞大，在过程辨识中，进化出的传递函数中往往含有很多目标系统中不存在的冗余项，为了控制个体的结构，采用结构控制目标；将每个个体分子、分母多项式都化简为最简s多项式形式，假设分子、分母最简多项式项数最大为N，则结构目标值定义如式（5）：（5）进化适应度根据两个进化目标计算如下：定义标准适应度：（6）定义修正适应度:（7）在过程辨识软件中，个体适应度使用修正适应度，取值在0.0~1.0之间，适应度值越高，个体越优秀；④ISLAND‑HFC混合模型遗传编程控制参数：ISLAND‑HFC混合模型遗传编程控制参数定义如下表1所示：表1：d.利用ISLAND‑HFC混合模型遗传编程算法进行过程辨识：进化准备工作完成后，开始运行所述双目标并行ISLAND‑HFC混合模型遗传编程算法进行过程辨识，从而进化出最优个体传递函数；（三）PID控制器参数优化软件：由工业控制计算机调用所述双目标并行ISLAND‑HFC混合模型遗传编程算法进行PID控制器参数优化，将上述过程辨识软件进化出的最优个体传递函数作为PID控制器参数优化软件的仿真对象，最终进化出最优比例、积分、微分参数：利用所述最优个体传递函数进行仿真：PID控制器由比例、积分、微分三部分组成：（8）（9）（10）其中、、分别为PID控制器的比例、积分、微分系数；、、分别为单个比例、积分、微分控制器的输出，PID控制器的总输出即过程的输入定义为：（11）其传递函数形式为=（12）上式（12）为PID控制器采用的传递函数表达形式，进化过程中用树状程序表示；（2）进化前的准备工作：a.函数集合与终端集合定义：采用的函数集合为：{ +，‑，}采用的终端集合为：{ s，，R }其中s为拉普拉斯变换微分算子，1/s 为拉普拉斯变换积分算子，R为‑1.0 ~ 1.0之间的随机浮点数，用于匹配PID控制器参数；b.适应度定义：PID控制器参数优化过程中采用双目标适应度：目标1：误差控制利用设定值sp仿真阶跃信号和斜坡信号以计算控制误差；假设设定值信号为阶跃信号，其幅度为被控量满量程的8% ~ 10%；sp时进化个体PID控制器的输入信号为输出信号为定义偏差（13）定义阶跃响应最小二乘误差为：（14）式中第一项目标是消除控制误差，第二项目标是减少PID控制器运行中的能量消耗,系数0.9、0.1用于调节权重；同样，当设定信号为斜坡信号，其信号幅度为满量程的8% ~ 10%；上升或下降速率<50%满量程/分钟；sp2时进化个体PID控制器的输入信号为输出信号为定义偏差（15）定义阶跃响应最小二乘误差为：（16）总控制误差定义为：（17）目标2： 结构控制进化过程的随机性容易使个体变得结构复杂庞大，在PID控制器参数优化过程中，进化出的PID控制器参数中往往含有冗余项即不属于比例、积分、微分项的其它项，为了控制进化个体的结构，采用结构控制目标；将每个个体化简为最简s多项式形式，假设最简多项式项数为N，则结构目标值定义如式（18）：（18）进化适应度根据两个进化目标计算如下：定义标准适应度：（19）修正适应度定义如式（7）；在PID控制器参数优化过程中，个体适应度使用修正适应度，取值在0.0~1.0之间，适应度值越高，个体越优秀；c.ISLAND‑HFC混合模型遗传编程控制参数：ISLAND‑HFC混合模型遗传编程运行控制参数如所述表1所示；（3）利用所述ISLAND‑HFC混合模型遗传编程算法进行PID控制器参数优化：进化准备工作完成后，开始运行所述双目标并行ISLAND‑HFC混合模型遗传编程算法进行PID控制器参数优化；最终优化出比例、积分、微分参数；（四）将最终优化出的比例、积分、微分参数写入DCS逻辑：PID控制器参数优化程序进化出的最优化比例、积分、微分参数通过MODBUS通信在线回传给DCS逻辑，然后将PID控制器设置为自动运行方式，控制环节恢复闭环，从而实现所述优化方法。