吴彭江 傅铁华

(1.绍兴市能源检测院,浙江绍兴 312071;2.绍兴市特种设备检测院,浙江绍兴 312071)

0 引言

为了分析、研究及控制燃气锅炉FGR系统[1-2],必须先建立一个动态系统的数学模型,然而,实际对象的动力学特性基本上是未知的,许多情况下控制、预测需要采用辨识技术,实现自适应控制、信号处理等。常见的方法是从系统采集一批数据,得到有关系统特性的信息,然后用离线的方式分析这批数据,建立系统的模型。但是,燃气锅炉FGR低氮控制系统实际上是时变的,此时比较理想的做法是利用在线辨识来更新系统参数。自适应估计就是在期望信号不完全或完全未知情况下,只根据观测信号值来解决估计问题的一些方法。

最小二乘(LS)算法不需要任何先验知识,只需要关于被估计量的观测信号模型,即可实现信号参量的估计,且算法简单,易于实现,在工业控制领域被广泛使用。但是FGR控制系统的动态特性随时间会发生变化,常规最小二乘算法的“数据饱和”现象会使算法慢慢失去修正能力,以致难以有效跟踪时变参数。

1 时变遗忘因子和加权配合的递推辨识算法

文献[3]从被控对象连续传递函数出发,经离散化处理得到差分方程,通过极小化指标函数,得出定常系统的最小二乘递推辨识算法,并比较了常规PID控制和RLS控制的性能。本文在文献[3]基础上,引入遗忘因子和加权因子,给出时变遗忘因子和加权配合的递推辨识算法。

其中λ1(t)、λ2(t)分别为t时刻的遗忘因子和加权因子,且满足0＜λ1min≤λ1(t )≤λ1max≤1,0＜λ2min≤λ2(t)≤λ2max＜∞。……