1、PDF外文：http:/ 中文 4400 字 出处： Sustainable Power Generation and Supply, 2009. SUPERGEN'09. International Conference on. IEEE, 2009: 1-6 对循环流化床锅炉燃烧系统的多变量解耦控制系统 的 研究 Qi-Ming Cheng, Rui-Qing Guo, and Xu-Feng Du 摘要：循环流化床锅炉（ CFBB）燃烧系统是一个具有多变量、大迟延、耦合紧密、非线性并且缓慢时变特点的复杂对象。对于这类复杂对象很难建立精确 的数学
2、模型或者用传统的控制方法进行精确控制。在本文中，循环流化床锅炉燃烧系统通过一个前馈补偿器动态解耦，然后被三个控制器，即 PID 控制器，模糊控制器和参数自整定模糊 PID 控制器分别控制。在 MATLAB 仿真环境下对上述三种控制器进行了对比仿真实验，仿真结果表明 ，参数自整定模 糊 PID 控制器在快速性、稳定性、适应性、鲁棒性和抗干扰能力方面优于一般的 PID 控制器和常规模糊控制器。 第一章 绪论 循环流化床锅炉（ CFBB）作为一种燃烧效率高、煤种适用性广、负荷调节性能好、污染低的清洁煤燃烧技术已经被广泛使用。然而，由于其特殊 的结构和复杂的燃烧机理
3、，其燃烧过程存在着很多复杂的特征，如高度非线性、时变、大滞后、多变量耦合等。建立其精确地数学模型或者采用传统的控制方法加以控制是非常困难的。 目前，常用的方法是对主蒸汽压力进行集中控制，同时，根据最佳风煤比对一次风进行调节使床层温度保持在规定范围内。这种方法不能在保持主蒸汽压力的同时使床层温度保持在最佳温度范围内。 本文中，在主蒸汽压力和床层温度解耦模型的基础上，将具有更强适应性和更好的鲁棒性的模糊自整定 PID 控制器用于主蒸汽压力以及床层温度的控制，以获得更好的控制效果。 第二章 循环里化床锅 炉的特点以及解耦的循环流化床锅炉控制系统结构 &
4、nbsp;循环流化床锅炉燃烧系统难以控制的主要原因在于多输入（煤、一次风、二次风、引风、循环灰）和多输出（床温、主蒸汽压力、炉膛负压、含氧量）之间的强耦合关系，在这些耦合关系中最重要的是床层温度和主蒸汽压力之间的耦合关系。 在中国，循环流化床锅炉通常设计为没有外置热交换器以保证结构简单、成本低。主蒸汽压力和床温的强耦合关系通过调节煤量和一次风量进行控制，这种控制方法被广泛的应用于中国的循环流化床锅炉燃烧系统的实际控制中。因此，在本文中，床温是由一次风量进行控制，而主蒸汽压 力的控制通过煤量的调节实现。 在本文中，以国内 75T/H 循环流化床锅炉作为仿真实验的对象，该系
5、统的传递函数矩阵是在负荷在 70%到 100%范围内变化时得到的。 在公式中， Tb、 P0 分别代表床温和主蒸汽压力； B、 Q1 分别代表煤量和一次风量； G11、 G12、 G21、 G22 分别为代表以煤量 -床温、煤量 -主蒸汽压力、一次风量 -床温、一次风量 -主蒸汽压力作为输入输出的传递函数。 从公式（ 1）可以看出，时间延迟同时存在与煤 -主蒸汽压力回路和煤 -床温回路中，同时，在循环流化床锅炉系统中存在严重的耦合关系。因此，为了更好地控制系统，动态解耦系统需要动态前馈补偿。 系统解耦通常采用动态前馈补偿。图 1 是循环流化床锅炉燃烧系统的
6、解耦控制结构图，在图 1 中，动态前馈补偿器 D 用于对该系统的动态解耦； G、 C 分别代表了系统的传递函数和系统控制器； C1、 C2 分别代表了解耦的床温控制回路的解耦控制器和主蒸汽压力控制回路的解耦控制器； D21、 D12 是上下控制路径之间的解耦控制器； Tb0、 P00 分别代表了床温和主蒸汽压力的设定值。 图 1 带有动态前馈补偿器的循环流化床锅炉燃烧系统解耦控制系统结构图 根据补偿原则，通过这些关系可以得到 然后 可以得到解耦控制器 作为动态解耦的结果，控制变量之间的耦合基本消除，循环流化床锅炉燃烧系统解耦成两个相对独立的
7、控制系统，即一次风量 Q1-床温 Tb 系统和给煤量 B-主蒸汽压力 P0 系统。然后，这两个系统分别通过控制器 C1、 C2 加以控制。 第三章 循环流化床锅炉燃烧控制系统的常规模糊控制器的设计 1、常规模糊控制器的结构 模糊控制是适用于多变量、大迟延、强耦合、非线性并且缓慢时变的控制方法，模糊控制对于变化对象具有鲁棒性。而且解耦系统中存在时变和非线性因素，模糊控制器是用于解决这类问题。因此， C1、 C2 控制器首先选择常 规的模糊控制器。这两个常规模糊控制器具有几乎相同的结构，如图 2 所示。在图 2 中， R、Y、 U 分别为输出设定值、输出实际值、输出控制值； E、 EC 分别为系统错误（ E=失效），误差变化率（ de/dt）； E、 EC、 U 分别为模糊集 e 、 ec、 u； Ke、 Kec、 Ku分别为 e 模糊因素、 ec 模糊因素、 U 反模糊因子。
