多传感器在炉温检测上的现代研究

摘 要 由于电锅炉中炉温的温度具有大滞、大后惯性的特性，过高的温度又会降低锅炉机组的工作效率，这就要求对炉温能够实时在线的检测并且得到精确的温度值，基于此，可采用多个传感器同时对炉温进行检测，首先结合模糊PID控制器，通过simulink进行仿真模拟，结果显示模糊PID控制器有很好的快速性及稳定性，再通过使用数据逼近融合法将不同传感器数值进行整合得到更为精确的数值，这样的系统既实现了快速性又达到了准确性。

关键词 模糊PID；多传感器；数据逼近融合法

在现实生活中，火电厂的蒸汽温度用单个的传感器进行数据的收集能力有限又容易受到外界的干扰影响其准确性，多传感器的综合应用可以实现信息的表现形式多样性，数量的多样性，关系的复杂性，这就使人们比较青睐于多传感器的融合技术在复杂多变的炉温环境中应用，本文在测量的控制过程中，引进模糊PID的控制技术，在数据融合的过程中，采用了数据逼近融合法，使得不同类的数据信息可以更快，更准，更精地融合得到我们所期望的结果。

1 电锅炉温测控制的难点及问题

由于蒸汽温度这个被控对象有很大的滞后性特征，升温和降温都是一个逐渐累积的过程，从喷水量的变化到蒸汽温度的变化要较长的时间，对于大容量大参数的机组而言，更容易受到滞后惯性的影响，再者，蒸汽温度容易受到外界不确定因素的干扰，造成它的结果又时变性和非线性的特征，温度过高时，有可能达到刚才承受蒸汽温度的最大值，使自身的灵活性受到限制，造成温度不能够随意的调整，假如温度没有很好的检测到，或者存在较大的误差，出现超高温，会使钢材疲软，甚至报废，同时蒸汽过大的湿度会对叶片造成损害，亦有可能烧毁机组的过热器，这就需要一个有效的控制及侦测手段才能完成[1]。

2 多传感器的模糊PID控制系统的控制方案

2.1 多传感器的控制系统

针对多传感器的控制系统，本文设计了一个通过参数自整定的模糊PID控制器，既达到了PID控制的控制精度，静态误差小的目的，又可保证模糊控制自适应性强，较强的鲁棒性和稳定性的特点，模糊PID控制系统原理图1如下所示，通过自动现场调整（为比例系数，为积分系数，为微分系数）使得PID参数不断整定，满足控制环境的要求[2]。

2.2 模糊PID控制器及模糊规则

根据要控制的对象把蒸汽温度的偏差和蒸汽温度偏差变化率及的模糊集均定义为：，把偏差和偏差变化率量化到，输出量的量化范围为，其参数模糊控制规则如下表1[3]所示：

表1 参数模糊调整规则表

2.3 参数的自整定原则

在不同蒸汽温度的偏差和蒸汽温度偏差变化率下，被控过程对参数和的自整定要求可简单的总结如下规则：

（1）当较大时，应取较大的.和较小的（以使系统的响应较快），且使=0。

（2）当中等时，应取较小的，适当的，（特别是的取值对系统影响较大）。

（3）当较小时，应取较大的，的取值要恰当，避免在平衡点附近出现振荡[4]。

2.4 模糊推理

（1）系统的输入值是检测到的确定值误差和误差变化率。

（2）将误差和误差变化率作为模糊输入，并把物理域的对应到模糊域的，把在线采集到的数据反馈到模糊控制器中去。

（3）依据参数模糊规则调整表对进行实时的调整，得到模糊输出值。

2.5 模糊清晰化

由于要得到传感器的准确数值，必须对模糊数据进行反模糊化，模糊清晰化的方法有很多种，例如加权平均法，中位数法和最大隶属度法等等。研究表明，加权平均法比中位数法具有更佳的性能，而中位数法的动态性能要由于加权平均法，静态性能则略逊于加权平均法，一般情况下，这两种方法都优于最大隶属度法。本文采用的是加权平均法[5]。

2.6 模糊PID在Matlab中的仿真

设定输入信号为100，其数学模型为，模糊化因子为：，解模糊化因子为，在Matlab中的Simulink环境下设计系统的仿真图2如下所示：

仿真结果图4表明模糊PID具有很好的响应速度和稳定精度，采用模糊PID控制可以克服蒸汽温度的滞后性和大惯性的特点，同时也具有较好的抗干扰能力，这就大大提高了传感器的采集到数据的准确性和稳定性，有效的保护现场的設备。

3 某电锅炉多温度传感器数据的融合

在某一电锅炉中测得的不同的温度传感器测得的蒸汽温度值如表2所示：

对这些采集到的数据，可以采用数据逼近融合法来处理这些数据，可分为四步走：

（1）定义一个阈值函数

Z（Xi，）=

这里将作为目标期望值，用作为固定值来替代，其中。

计算结果可得：

=0，

，通过这个阈值函数的筛选，使计算结果进一步近期望值的。其中淘汰了的传感器的数据，这些数据属于失真的数据。多传感器可用的数据为观测到的。

（2）定义：设，（i，j=1，2····n）是两个任意观测的模拟量，其中，若y满足

（1）

（2）若

则称y是和的相似度。

（3）设第K个传感器的加权重为，则令，对其进行归一化处理，可得各个传感器之间的相对权重为：。

根据传感器的各个权重值，有相融函数S=可得融合结果。

（4）可采用逼近理想点（TOPISIS）方法，定义两者之间的加权距离：其中（）

当中的为权系数，

为。

一般取²，则评价函数为：

²。其中

当时，则表示对应的传感器的观测值与期望值相等。

越小，表示Xi与之间越相似。

通过筛选后得到的各个传感器之间的相似度与相应权重如表3所示：

利用相融函数函数S=，得S=98.3×0.27+98.6×0.2+99.2×0.18+99.7×0.16+100.1×0.2=100.089

其中算数平均值的结果为；=99.51.

设定的蒸汽温度为100，而通过相融函数S得到的结果为100.089，这个结果比算数平均值=99.51（这是通过模糊PID控制多传感器采集到数据的结果平均值）更接近与实际值，这说明通过模糊PID自适应传感器与数据逼近融合法相结合的结果更为精确，快速又精确的数据可以控制设备得到很好的保护、同时更高效的使用原材料[6]。

4 结束语

本文针对单个传感器在炉温检测上的多种不足，如不能够克服蒸汽温度的大滞后，大惯性的特点，采用了在线检测地多传感器的数据融合技术，电锅炉中多传感器的蒸汽温度的数据收集，可由模糊应PID控制多个传感器快速、准确地采集到，如环境状态有所变化，也可以自动的调整参数，快速反应的侦测出温度值，克服掉结果的时变性和非线性的特征，有效地避免蒸汽温度和湿度的大滞后和大惯性的特征，最后运用数据逼近融合法整合传感器上的数值，进一步得到更精确结果，结果证明该方法是有效的，并在很大程度上有一定的可行性。

参考文献

[1] 张宝瑞.火电厂锅炉主温度控制研究[J].科技风，2011，（11）： 108-108.

[2] 張燕，王桂玲，杨立平.锅炉温度系统的神经网络预测网络-PID串联控制[J].控制工程，2011，18（3）：175-176.

[3] 张晓宇，吴向前，张平洋.基于模糊自适应PID的炉温控制系统设计[J].信息技术，2011，（11）：107-110.

[4] 林建凡.单神经元自适应PID控制器的设计[J].信息科技， 2012，4（23）：219-220.

[5] 雷雨，冯新喜，朱灿斌.基于数据融合理论的多传感器几何定位法.红外与激光工程，2012，41（5）：1340-1344.

[6] 杨剑锋，周宇，侯涛.基于传感器特征可信度的多信息融合模态研究[J].传感器与微系统，2013，32（2）：50-52.

作者简介

程晓辉（1986-），男，天津人；学历：硕士，现就职单位：天津财经大学珠江学院助教；研究方向：传感器技术应用、无线传感器网络。

推荐访问:炉温 传感器 检测 研究