基于遗传算法的工业锅炉燃烧控制系统优化
1.导言
随着生产过程对燃烧系统的要求越来越严格，工业锅炉已成为生产技术中越来越重要的因素。近年来，为了提高锅炉燃烧效率和经济性，对锅炉燃烧过程控制的研究越来越受到重视。
锅炉是一个复杂的多输入多输出系统，其输入输出信号密切相关，相互作用。锅炉控制的对象主要包括：1）相互调节燃料量、空气量（进气量）和空气量；2）最终保证主蒸汽压力和负压稳定；3）持续保持过剩空气系数在预期区间内。考虑到过量空气系数是工业锅炉燃烧控制系统的一个重要指标，因此，如果可以很好的控制风油比，就能够达到燃烧状态[2]。一般来说，最佳燃烧的过量空气间隔为（1.01–1.1）。常规工业锅炉的燃烧控制系统是用来控制燃烧比和调节燃烧特性的。然而，这个系统不能有效地避免过氧燃烧与缺氧燃烧的问题[3]。
近年来，人工智能一直是一个热门话题，许多智能算法得到了广泛的关注，并被越来越多的应用领域所采用[4-6]。本文提出了一种智能优化算法，对变双交叉限值燃烧控制系统中的关键参数进行了优化；
图1变偏置双交叉极限燃烧控制的流程图
根据本系统的控制要求，设计了相应的适应度功能[7]。仿真结果表明，优化后的燃烧系统的热效率得到了显著提高，过氧和缺氧燃烧问题也得到了很好的解决。本文的组织结构如下。第二节简要介绍了工业锅炉燃烧控制系统及其工作过程。第三节提出了基于遗传算法的优化方法。第四节设计了比较方案，并通过仿真实例将比较结果用一些图表表示。最后，论文以总结结尾图1。
2.变偏双交叉削波原理分析
主控变量是工业锅炉燃烧控制系统中的主蒸汽压力。为了保证主蒸汽压力稳定在设定值附近，提高变工况下的燃烧效率荷载条件下，可采用变偏压法[8]。变双交叉极限燃烧设计控制系统中，偏差变量的选择与生产要求有关，本文主要介绍选择蒸汽压力误差E作为偏差变量，E是蒸汽压力设定值与际蒸汽压力的测量值。当锅炉负荷变化较大时，E会增大，并反映锅炉负荷变化。因此，通过改变E，可以修正偏差函数，使燃烧系统达到稳定性[9]。变双越限燃烧控制原理流程图如图2所示。将误差E作为偏差变量，对图2所示的偏差函数进行校正。变量的控制效果过对三个负荷变化过程（稳态、升负荷、降负荷）的分析，验证了双交叉限值燃烧控制系统[9]。为了保证燃烧安全，燃烧过程必须符合以下原则：“当负载升高时，空气压力先升高；当负载降低时，燃油流量先降低”。系统上下负荷流程图分析如下
2.1.升负荷过程
（1）气压调节回路：Agt;M，低值选择器LS2切换到M。
当信号A持续增加到大于M时，低值选择器LS2切换到M，信号A关闭。此外，当Mgt;D时，高值选择器HS1切换到M，该高值选择器HS1通过F2（X）转换为气压控制器（FC2）的设定值，即SA=M。换句话说，如果Agt;Mgt;D，则开始交叉限制过程。在这个过程中，空气压力随着M的增加而增加。
当信号M增大到大于A时，低值选择器LS2切换到A.M被切断。此外，当Agt;D时，高值选择器HS1切换到A，信号A通过F2（X）转换为气压控制器（FC2）的设定值，即SA=A。换句话说，如果Dlt;Alt;M，则交叉限制过程结束，熔炉燃烧过程恢复到稳定状态。
- 燃油流量调节回路：Agt;H，高值选择器HS2切换到A。
当信号A持续增加到大于B时，低值选择器LS1切换到B，信号A被切断。此外，信号B通过F1（X）转换为燃料流量控制器（FC1）的设定值，即SF=M。换句话说，如果Hlt;Alt;B，燃料流量随B的增加而增加，即燃料流量随空气压力的增加而增加。交叉限制的过程开始了。
当信号A持续增加到H以上时，高值选择器HS2切换到信号A。H被切断。此外，当Bgt;A时，低值选择器LS1切换到信号A，信号a通过F1（x）转换为燃料流量控制器（FC1）的设定值，即Sf=A。换句话说，如果Bgt;Agt;H，则交叉限制过程结束，炉燃烧过程返回到稳定状态。
2.2.降负荷过程
（1）燃油流量调节回路：Alt;H，高值选择器HS2切换到H。
当信号A小于H，高值选择器HS2切换至H.A时，关闭。此外，当Hlt;B时，低值选择器LS1切换到H，转换为通过F1（x）的燃料流量控制器（FC1）的设定值，即Sf=h。换句话说，如果Alt;Hlt;B，则开始交叉限制过程，在此过程中，燃料流量随H的减少而减少。
当信号H持续下降到小于A时，高值选择器HS2切换到A.H被切断。此外，当Alt;B时，低值选择器LS1切换到A，该值通过F1（x）转换为燃料流量控制器（FC1）的设定值，即Sf=A。换句话说，如果Hlt;Alt;B，则交叉限制过程结束。炉内燃烧过程恢复到稳态。
（2）气压调节回路：Alt;M，低值选择器LS2切换到A
当信号A低于M时，低值选择器LS2切换到A.M被切断。此外，当Alt;D时，高值选择器HS1切换到d，通过F2（x）转换为气压控制器（FC2）的设定值，即Sa=D。换句话说，如果Alt;Mlt;D，则开始交叉限制过程，在此过程中，气压随A的减小而减小。
当信号A低于M时，低值选择器LS2切换到A.M被切断。此外，当Alt;D时，高值选择器HS1同时切换到A，该值通过F2（x）转换为气压控制器（FC2）的设定值，即Sa=A。换句话说，如果Dlt;Alt;M，则交叉限制端的过程和炉燃烧过程返回到稳定状态。
图2变偏置双交叉限值燃烧控制的控制块图
2.3.综合分析
基于以上分析，指出燃料流量和空气压力是交叉限制的，在炉内燃烧过程中相互影响。在图2中，可变双交叉限位燃烧控制系统包含低值选择器（LS1、LS2）、高值选择器（HS1、HS2）和F1（X）minus;F7（X）的偏压功能，其中F7（X）功能是主蒸汽压力在实际测量值和设定值之间的误差。因此，F7（x）被认为是其他函数的偏差变量。特别是
B = F3(x) (1a)
D = F4(x) (1b)
M = F5(x) (1c)
H = F6(x) (1d)
e = F7(x) (1e)
通过对图2的分析，可以得到变双交叉限值燃烧控制的控制块，如图2所示，燃料和空气正、负偏压函数的转换函数如下：
F3(x) = lambda;3(1 k3F7(x)) (2a)
F4(x) = lambda;4(1 k4F7(x)) (2b)
F5(x) = lambda;5(1 k5F7(x)) (2c)
F6(x) = lambda;6(1 k6F7(x)) (2d)
F7(x) = |SV minus; PT| (2e)
式中，lambda;3、lambda;4、lambda;5和lambda;6为理论修正系数，一般情况下，lambda;3=lambda;5=0.5，lambda;4=lambda;6=0.1；K3、K4、K5和K6为偏差系数，用于修正转换函数，可根据Zhu et al. [10].
一般来说，为了满足“当负荷升高时，空气压力先升高；当负荷降低时，燃料流量先降低”的原则，在空气压力的正、负偏压函数中，K3和K5的值相等，在燃料流量的正、负偏压函数中，K4和K6的值相等。
-
基于遗传算法的工业锅炉燃烧控制系统优化
- 改进的变双交叉限幅燃烧控制系统
考虑到变偏压函数中偏压系数选择的复杂性，在负荷变化过程中需要对偏压系数进行优化，以达到更快的响应速度和更好的经济性能，本文采用遗传算法（GA）对参数K3、K4、K5和K6进行了优化，并对参数K3、K4、K5和K6进行了优化。利用过量空气系数和主蒸汽压力偏差信号设计目标函数。图3显示了具体的实现过程，图3中，mu;0和mu;分别是期望值和过剩系数的测量值。
图3遗传算法偏置参数原理图
-
- 基于参数的遗传算法优化
遗传算法是根据“适者生存”的演化规律实现的，可以用来优化给定区域的求解空间[11,12]。在优化过程中，初始变量、目标函数和判断约束是优化问题的关键因素。变量初始化过程通过合理的编码将优化变量转化为合适的总体个体。目标函数是反映优化的关键问题，并能实现多目标优化；判断约束是实现优化问题精度的要求。
适当的目标函数可以提高优化效果。适应度函数指导遗传算法的搜索方向。因此，对同一组的不同搜索方向可以达到不同的优化效果，在锅炉燃烧过程中，既要保证主蒸汽压力的稳定，又要保证最佳燃烧间隔内的过剩空气系数，避免过氧化和缺氧燃烧问题。因此，目标函数的设计应考虑上述两个因素。
为了提高系统在变负荷条件下的响应速度和燃烧效率，采用遗传算法优化偏差系数的优化过程的仿真实现图如图4所示。为了获得满意的控制效果，利用最优积分时间绝对误差准则，实现了遗传优化问题的最小目标函数。
为了提高输出负载的稳定性和响应速度，将ITAE指标作为遗传算法搜索方向的一部分，目标函数为
式中e1（t）为给定值与实测值之间的蒸汽压力误差，sigma;为蒸汽压力响应曲线的超调量。
在燃烧过程中，利用过量空气系数的误差来修正目标函数，以保证燃烧的热效率。因此，遗传算法的目标函数可以表示为：
式中，delta;（t）为给定值与实测值之间的过剩空气系数误差。过量空气系数给定值mu;0=1.05。
分析表明，优化过程中目标函数的选择不仅考虑了蒸汽压力响应的趋势，而且考虑了过量空气系数的影响。因此，得到总优化函数如下：
其中alpha;和beta;分别是j1和j2的重量，alpha; beta;=1。本文选择alpha;=0.7，beta;=0.3。适应度函数f（t）可以表示为：
式中，gamma;为灵敏度控制系数。
在遗传算法中，编码方式影响优化问题的精度，本文采用二进制编码[11]。二进制码的长度决定了优化问题的精度delta;[7]。假设优化参数的范围是[umax，umin]，有2l-1个不同的代码，其中l是二进制代码的长度。计算过程是
整个算法如算法1所示。
图4遗传算法优化流程图
算法1（整体算法）。
该算法包括离线和在线两个阶段。离线阶段：
步骤1编码偏差系数。使用二进制编码，根据参数；
步骤2初始化种群，设计适应度函数。使用适应度函数（4），计算群体中每个个体的适应度。
在线阶段：
步骤1遗传算法操作：选择、交叉和变异；
步骤2判断终止条件。如果满足终止条件，则中断迭代并跳到步骤3；否则跳到步骤1；
步骤3得到偏压系数K3、K4、K5和K6；
步骤4运行模拟模型。
-
模拟结果
- 变双交叉限幅燃烧控制系统的仿真
根据变双交叉限值燃烧控制原理，偏压函数中的偏压系数K3、K4、K5和K6影响主蒸汽压力和过量空气系数mu;的响应。因此，为了找到偏差系数的有效范围，通过人工测试得到偏差系数的范围，以保证系统响应收敛。
在该仿真中，利用Matlab Simulink建立了变双交叉限位燃烧控制系统的数学模型。考虑到炉内燃烧过程复杂，既要保证蒸汽压力的稳定，又要保证燃烧的经济性。因此，通过考虑过量空气系数来确定燃烧状态，可以有效地避免过氧燃烧和缺氧燃烧的问题。因此，当设置偏差时系数k3=k4=0.1，a值手动调节，过量空气系数响应曲线如图5所示；当k3=k4gt;1.5或k3=k4lt;0.01，mu;lt;1时，该条件可产生低燃烧，降低燃烧效率。
当K3=K<sub
</sub
英语原文共 16 页
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
