流体管网系统控制策略智能优化研究.pdf

Chinese Journal of TurbomachineryStudy of Control Strategy Intelligent Optimization in FluidNetwork SystemJia-lin ZhouCheng-hui Xu（AECC Sichuan Gas Turbine Establishment）Abstract：How to efficiently control and optimize the fluid network system to achieve the optimal operating state of the fluidnetwork system is an important issue in the research of fluid network system control optimization.This article takes the air testsystem in a certain pipeline control system as an example,establishes an accurate fluid pipeline network model first to model andsimulate the air system,then drives the simulation model through intelligent optimization methods and finds the best experimentalplan and provides control strategies,finally,improve the intelligence and automation of the experimental system combining fuzzycontrol.The results indicate that the method applied in this article can reasonably sort the experimental conditions and provide theoptimal control strategy,combining with fuzzy control to achieve precise control.This method can significantly reduce thedependence of pipeline systems on personnel experience,laying a solid foundation for the comprehensive automation and intelligenttransformation of pipeline systems.Keywords：Fluid Network System；Fuzzy Control；Intelligent Optimization；Control Strategy摘要：如何高效地控制和优化流体管网系统，实现流体管网系统的最优运行状态，是流体管网系统控制优化研究的重点。本文以某管网控制系统中的空气试验系统为例，首先建立精准的流体管网模型，对空气系统进行建模与仿真计算，再通过智能优化的方法驱动仿真模型，寻找最佳试验方案并给出控制策略。最后，结合模糊控制，提升试验系统的智能化和自动化程度。结果表明，本文采用的方式可以对试验工况进行合理排序并给出最优控制策略，结合模糊控制达到精准控制的目的。该方法可以大幅度降低管网系统对人员经验的依赖程度，为管网系统的全面自动化、智能化转型打下坚实的基础。关键词：流体管网系统；模糊控制；智能优化；控制策略中图分类号：TP273文章编号：1006-8155-（2023）03-0094-03文献标志码：ADOI：10.16492/j.fjjs.2023.03.0016周家林许承慧（中国航发四川燃气涡轮研究院）流体管网系统控制策略智能优化研究0引言流体管网系统控制策略智能优化研究是流体力学和控制领域的交叉研究领域，其主要目标是提高流体系统的控制效率和稳定性，减少能源消耗和运行成本，延长系统的寿命。随着科技的不断发展，各种新的管道、阀门、泵等流体系统元件不断涌现，流体系统的复杂性和规模也不断增大。如何高效地控制和优化流体系统，实现最优的运行状态，成为流体系统控制优化研究的重要问题1-3。本文将综合模糊控制以及智能优化方法，在建立精准的模型基础上，通过智能优化算法驱动数学模型，寻找最优控制策略，实现高效、安全、智能化的管网调控。1空气系统建模流体传输是非常复杂的过程。管网内的流动可以是层流或紊流，伴随或没有伴随能量传递，又或在流动时可流体管网系统控制策略智能优化研究 94Chinese Journal of Turbomachinery第65卷，2023年第3期Http:/turbo- Vol.65，2023,No.3能发生相变。另外，由于管网系统可能包含多个输入边界，若输入的介质不同，管网内就会出现流体混合的现象，甚至发生化学反应。为了分析这些复杂的管网流动情况，需要建立节点和支路的系统模型4-5。某试验控制系统由空气系统、燃油系统及冷却水系统等子系统组成，各子系统由多组压力传感器、温度传感器反馈分段管路中的压力、温度值作为控制依据，再由多级串并联的阀门、流量孔板实现流量的控制。以图1所示的空气系统为例。上游气源分为中压气源和高压气源，汇总节点后，通过主路阀门和次路阀门等控制各支路流量压力，再经过加热器汇总到调节阀门组，最后向试验台供气。在试验时，通过调节阀门与加热器来控制试验台进口空气的流量、温度、压力和出口压力，达到调节试验状态的目的。该类系统模型有以下几个特点：高温高压、工况恶劣、工况多变及系统组成复杂。系统主要由管道、调节阀组（进气阀组、进气压力调节阀组、进气流量调节阀组、排气调节阀组）和大型电加温器等组成。其复杂性表现在供气支路多，支路耦合严重，流量、压力和温度参数也有较严重的耦合。另外管路系统存在大容腔，工况调节上存在大滞后。每一次的工况调节，都需要对阀门组进行联动调控。调控不当时，流体会对管道造成冲击，影响整个系统的安全性以及设备的可靠性。对于整个空气试验系统，有多个控制阀。控制程序动作时，会触发程序内部的阀门动作计时器，该计时器记录从动作指令发出到阀门反馈正常信号之间的时间。控制系统涉及多路上游供气管道及阀门，以管道阀门组开度、加热器的功率为控制量，流量、温度和压力等工艺参数为被控量，其动态数学模型可以用二阶惯性加滞后环节来描述，如式（1）所示：F(S)=K1（1+T1S）（1+T2S）e-s（1）式中，K1为比例系数；T1/T2为时间常数；S为拉式变换算子；为滞后时间。将式（1）所述模型离散化后，得到差分模型，用于程序中的模型计算。2模糊控制传统的流体系统控制策略往往基于经验公式与不断试错方法进行设计，很难满足现代流体系统的高效控制要求。因此，近年来研究者们提出了一系列基于数学模型的控制策略优化方法，包括基于模型预测控制、优化算法、神经网络、模糊控制和遗传算法等。这些方法可以有效地提高流体系统的控制性能，优化流体系统的运行效率6-9。其中，模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是模糊数学在控制系统中的应用，是一种非线性智能控制。根据操作人员的操作经验，总结出一套完整的控制规则，根据系统当前的运行状态，经过模糊推理，模糊判断等运算求出控制量，实现对被控制对象的控制。模糊PID控制器系统框图见图2。通过对比常规PID控制与模糊PID控制的流量曲线（图3）可以看出，模糊PID控制的参数调整时间较短,系统响应速度较快,超调量和稳态误差较小，可以实现流量、压力和温度的较高精度控制。然而，模糊控制也有其局限性。信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。模糊控制的设计缺乏系统性，无法定义控制目标。若要提高控制精度则必然增加量化级数，从而导致规则搜索范围扩大，降低决策速度，甚至不能实时控制。3控制策略优化基于模型预测控制的方法是一种常用的流体系统控制策略优化方法。该方法通过建立数学模型对流体系统进行描述，并利用模型对系统未来的状态进行预测，从而确定最优的控制策略，结合模糊控制达到精准控制的目的。以本文空气系统模型为例，在对空气试验系统进行调图1空气试验系统简化示意图Fig.1Simplified schematic diagram of air test system图2模糊PID控制器系统框图Fig.2Fuzzy PID controller system block diagram图3常规PID控制与模糊PID控制的流量曲线对比图Fig.3Comparison of flow curve between conventional PIDcontrol and fuzzy PID control 95Chinese Journal of Turbomachinery节时，需要联动调控各阀门的开度，调控不得当时，流体会对管道造成冲击，对试验系统和试验设备的安全性和可靠性造成一定的影响，因此，本文的优化目标为合理安排试验工况调节，使试验过程中阀门开度的总变化量最小，从而在进行不同工况试验时，使管路中的流动更加稳定。本文所采用的智能优化方法的基本逻辑如图4所示。首先在样本空间中采样，对于中压和高压试验，样本空间分别为5个试验目标工况的排序方式进行模拟，然后进行仿真分析，并计算当前阀门开度变化。智能优化方法会对问题进行识别，并进行机器学习、知识发掘与精炼，不断缩小样本空间，继续采样。通过这样的循环，最终达到阀门开度的总变化量最小的优化目标，从而达到精准控制，最优化控制的目的。仿真模拟过程如下：首先对各元件的参数进行设置，如管的直径和长度、阀门的公称直径、气源压力和温度等，然后设置可调元件的控制参数，将主路、次路、三路中的各阀门开度以及加热器的功率作为可调元件的控制参数，最后通过给定出口处目标流量、压力和温度，仿真软件自行求解，得到所需的控制参数。4结果分析如图5、图6所示，分别为中、高压试验优化过程中得到的计算结果收敛曲线，从图中可以看出，对于中压试验，利用本文提出的控制策略智能优化方法，在第37步得到了5个工况的最优排序；对于高压试验，在第50步得到了5个工况的最优排序。中、高压试验阀门开度总变化以及可调元件的控制参数。5结论本文综合模糊控制以及模型预测智能优化方法，在建立精准流体管网模型的基础上，通过优化算法驱动数学模型，寻找最优的工况安排试验顺序。通过优化结果可以看出，本文提出的方法可以在短时间内生成合理的试验工况顺序，并给出可调元件的控制策略，快速高效地完成初调。再由模糊控制实现精准调节，实现管网系统控制快、准、稳，降低了空气试验系统对试验人员经验的依赖程度，提升试验系统的智能化、自动化程度。本方法可为其他流体管网控制系统控制策略优化提供参考，为流体管网系统的全面自动化、智能化转型打下坚实的基础。参考文献1鲜勇.供热管网水力平衡调节与控制分析J.攀枝花学院学报,2018,35(2):39-43.DOI:10.13773/ki.51-1637/z.2018.02.010.2陈婷婷.基于最不利热力环路辨识的空调水系统变压差模糊控制方法D.大连理工大学,2021.DOI:10.26991/ki.gdllu.2021.003858.3金波.城市排水系统建模及其控制方法研究D.杭州电子科技大学,2011.4赵桓,吕谋,岳宏宇,等.基于群体智能优化算法的供水管网漏损定位研究J.水电能源科学,2022,40(7):128-130,75.DOI:10.20040/ki.1000-7709.2022.20212329.5李亦珂.城镇燃气管网动态建模与智能优化系统研究D.西安石油大学,2020.DOI:10.27400/ki.gxasc.2020.000512.6朱冬雪.基于BP神经网络的集中供热系统二次管网节能控制研究D.南京师范大学,2020.DOI:10.27245/ki.gnjsu.2020.002035.7王礼炳,王琦,王志红,等.基于高维多目标优化的供水管网背景漏失控制优化模型J.给水排水,2019,55(8):130-135.DOI:10.13789/ki.wwe1964.2019.08.025.8高雨妃,周立典,张雪,等.基于遗传算法的二次供水低位水箱调度方案优化J.净水技术,2022,41(4):121-125.DOI:10.15890/ki.jsjs.2022.04.019.9于丰源.基于遗传算法与粒子群算法的供水管网水力模型校核对比研究D.河北工程大学,2021.DOI:10.27104/ki.ghbjy.2021.000557.10解英杰,谢慕君,姜长泓.基于模糊PID的供热管网控制方法研究J.节能,2014,33(7):11-14,2.图4智能优化基本流程Fig.4Basic process of intelligent optimization图5中压试验智能优化计算结果收敛曲线Fig.5Convergence curve of intelligent optimizationcalculation results for medium pressure test图6高压试验智能优化计算结果收敛曲线Fig.6Convergence curve of intelligent optimizationcalculation results for high pressure test流体管网系统控制策略智能优化研究 96