 MỞ ĐẦU Tính cấp thiết luận án Lò đối tượng quan trọng ngành công nghiệp, đặc biệt nhà máy nhiệt điện Hầu hết hệ thống điều khiển lò xây dựng dựa vòng điều khiển đơn, dẫn tới chất lượng điều khiển hạn chế tương tác vòng điều khiển Bên cạnh đó, nhà máy nhiệt điện thường thiết kế cho vận hành tối ưu công suất cực đại (100% tải), thực tế trình vận hành lò thường làm việc trạng thái có chế độ thay đổi Do vậy, việc áp dụng phương pháp điều khiển tiên tiến nhằm nâng cao chất lượng điều khiển hiệu suất lò vấn đề đặc biệt quan tâm nước, toán xây dựng mô hình lò đóng vai trò cốt yếu Cho đến có nhiều mô hình động học lò đề xuất, song mô hình phục vụ mục đích khác thiếu mô hình động học vừa phản ánh tốt động học lò hơi, vừa thuận lợi cho việc ứng dụng phương pháp điều khiển đại Theo Astrӧm [9], thiếu hụt mô hình phi tuyến tốt điểm nghẽn để sử dụng phát triển phương pháp đại cho hệ thống điều khiển lò Có ba phương pháp để xây dựng mô hình động học đối tượng phương pháp mô hình hóa lý thuyết, phương pháp thực nghiệm (còn gọi nhận dạng hệ thống) phương pháp kết hợp Các mô hình lý thuyết hay gọi mô hình hộp trắng phù hợp với toán thiết kế mô trình lại sử dụng trực tiếp cho thiết kế hệ thống điều khiển chúng phức tạp Trong đó, mô hình thực nghiệm túy hay gọi mô hình hộp đen phù hợp cho toán điều khiển với điều kiện vận hành cụ thể không dùng mô tả hệ thống điều kiện vận hành thay đổi Phương pháp kết hợp mô hình hóa lý thuyết kỹ thuật nhận dạng, hay gọi phương pháp hộp xám cho mô hình cân phức tạp tính linh hoạt mô hình, mô tả tốt động học hệ thống phạm vi rộng Các công trình xây dựng mô hình lò từ năm 2000 trở lại đến cố gắng theo hướng tiếp cận mô hình hóa hộp xám [9, 14, 20, 27, 43, 49] Một yêu cầu lý luận thực tiễn toán nhận dạng lò liệu thu thập hệ thống điều khiển vận hành vòng kín Các nghiên cứu mô hình đạt từ kỹ thuật nhận dạng vòng kín cung cấp mô hình thích hợp cho mục đích điều khiển so với mô hình đạt từ nhận dạng vòng hở, đặc biệt đối tượng có tính phi tuyến không ổn định [21, 23, 26, 28, 29] Hơn nữa, trình vận hành lò thực tiễn không cho phép tách đối taượng khỏi vòng điều khiển để thu thập liệu vòng hở Tuy nhiên, toán nhận dạng vòng kín đặt số khó khăn, có vấn đề lựa chọn cấu trúc mô hình phù hợp, điều kiện kích thích tín hiệu khả nhận dạng Hầu hết công trình công bố dựa kỹ thuật nhận dạng vòng hở, kỹ thuật nhận dạng vòng kín với việc chủ động thay đổi giá trị đặt thay đổi tín hiệu đầu vào điều khiển Có thể nói, kết nghiên cứu lý thuyết nhận dạng giới tạo tảng vững để áp dụng thực tế Nhưng đối tượng phức tạp lò có nhiều khó khăn nhận dạng đối tượng trạng thái vận hành Theo hiểu biết tác giả, chưa có công trình công bố kết xây dựng mô hình hộp xám tương đối đầy đủ lò sử dụng liệu thu thập vòng điều khiển kín với tín hiệu kích thích bị động Hơn nữa, chưa có tác giả công bố kết việc nhận dạng bị động vòng kín để đưa mô hình phi tuyến phù hợp cho dải làm việc rộng áp dụng lò cụ thể nhà máy nhiệt điện Việc đưa kết lý thuyết nhận dạng vào áp dụng để nhận dạng lò để phù hợp với yêu cầu thực tế chắn đòi hỏi nghiên cứu phát triển bổ sung Đây động lực cho việc lựa chọn đề tài nghiên cứu tác giả Mục tiêu kết mong đợi luận án Luận án đặt mục tiêu đưa quy trình xây dựng mô hình động học lò sở liệu thực nghiệm hệ thống vận hành, phản ánh tốt đặc tính động học lò chế độ làm việc cho phạm vi làm việc rộng, phù hợp cho áp dụng phương pháp điều khiển đại, xây dựng kiểm chứng mô hình cho số lò cụ thể nhà máy nhiệt điện Để đạt mục tiêu đề ra, luận án phải giải vấn đề sau: i Phát triển mô hình lý thuyết đơn giản cho lò hơi, phản ánh đặc tính động học lò bao gồm thay đổi áp suất bao hơi, mức nước bao hơi, nhiệt độ nhiệt áp suất nhiệt, phụ thuộc vào biến vào điều khiển nhiễu tải hệ thống ii Phát triển, bổ sung mặt lý thuyết khía cạnh thực tế vấn đề liên quan đến lựa chọn phương pháp nhận dạng, cấu trúc mô hình cài đặt thuật toán ước lượng tham số mô hình ngoại tuyến trực tuyến Làm rõ vấn đề lựa chọn điều kiện kích thích để thực thu thập liệu lò vận hành vòng kín iii Đưa quy trình phù hợp với thực tiễn để xây dựng mô hình động học tuyến tính phi tuyến với độ xác cao cho lò mô tả động học lò phạm vi rộng có xét đến thay đổi điều kiện làm việc ảnh hưởng đến đặc tính lò hơi, áp dụng thành công cho nhận dạng lò điều kiện hệ thống vận hành bình thường số nhà máy nhiệt điện Đối tượng phạm vi nghiên cứu luận án Đối tượng nghiên cứu chung luận án lò có bao tuần hoàn tự nhiên (drum-boiler) Đối tượng cụ thể luận án lò đốt than nhà máy nhiệt điện có thông số vận hành gần tới hạn Thực nghiệm tiến hành với lò nhà máy nhiệt điện Quảng Ninh Phả lại Khi nghiên cứu mô hình cho điều khiển lò hơi, người ta quan tâm tới hệ thống hệ sinh nhiệt (buồng lửa, đường nhiên liệu khói thải) hệ nhận nhiệt để sinh (hệ hơi-nước), hệ thống lại bao gồm thành phần nhỏ Phạm vi luận án tập trung nghiên cứu nhận dạng trình sinh trình trì mức nước bao chế độ vận hành bình thường Các bao nhiệt coi hệ thống có tham số tập trung; trình cung cấp không khí thải sản phẩm cháy giả thiết hoạt động chất lượng tốt ổn định Ý nghĩa khoa học thực tiễn luận án Lò đối tượng phức tạp gồm nhiều biến vào-ra, nhiều biến trạng thái, quan hệ vào-ra phi tuyến có tương tác chéo Để xây dựng mô hình phương pháp thực nghiệm cho lò vận hành vòng kín cần phải giải nhiều vấn đề áp dụng lý thuyết nhận dạng đại vấn đề xác định tín hiệu kích thích, đảm bảo tính quán, lựa chọn cấu trúc bậc mô hình phù hợp, xây dựng thuật toán phù hợp Đặc biệt, việc lựa chọn dạng mô hình phi tuyến thích hợp cho nhận dạng cho áp dụng phương pháp điều khiển đại vấn đề thiết yếu Giải vấn đề đưa mô hình tốt cho số ví dụ lò cụ thể đem lại nhận thức khả áp dụng lý thuyết nhận dạng cho đối tượng phức tạp công nghiệp Lò đối tượng quan trọng ngành công nghiệp, đặc biệt nhà máy nhiệt điện Hiện việc nâng cao chất lượng điều khiển hiệu suất lò yêu cầu thiết, đặc biệt quan tâm nước Muốn nâng cao chất lượng điều khiển cần phải có mô hình tốt lò Thực tế chưa có nhiều công trình khoa học nước nghiên cứu xây dựng mô hình lò hơi, đặc biệt thiếu công trình công bố xây dựng mô hình phi tuyến phương pháp thực nghiệm sở số liệu thu thập bị động lò vận hành vòng kín Do đó, đề tài có ý nghĩa thực tiễn cao Phương pháp nghiên cứu Để đạt mục tiêu đề ra, phương pháp nghiên cứu luận án kết hợp lý thuyết thực nghiệm, cụ thể là: - Phân tích tài liệu khoa học, công trình nghiên cứu xây dựng mô hình lý thuyết nhận dạng vòng kín để từ đánh giá ưu nhược điểm phương pháp Từ tập trung nghiên cứu phương pháp nhận dạng vòng kín phù hợp với đối tượng nghiên cứu - Nghiên cứu xây dựng phương án tiến hành thực nghiệm để thu thập liệu lò vận hành nhà máy, áp dụng kiểm chứng kết lý thuyết Bố cục luận án Luận án trình bày chương, nội dung tóm tắt cụ thể sau: Chương (Tổng quan xây dựng mô hình lò hơi): Phân tích, tổng hợp đánh giá kết nghiên cứu trước phương pháp xây dựng mô hình lò nước, sở xác định nhiệm vụ nghiên cứu luận án Chương (Mô hình lý thuyết lò hơi): Phân tích động học hệ thống sinh lò (bao hơi, nhiệt) Đưa hệ phương trình vi phân mô tả động học bao nhiệt sở kết hợp phát triển mô hình công bố Tuyến tính hóa để đưa cấu trúc mô hình phù hợp cho kỹ thuật nhận dạng hộp xám nghiên cứu chương chương Chương (Nhận dạng mô hình LTI cục bộ): Trình bày kết nghiên cứu phương pháp nhận dạng vòng kín sở lựa chọn phương pháp phù hợp Phát triển thuật toán nhận dạng cho mô hình trạng thái tuyến tính lò điểm làm việc Các kết nghiên cứu lý thuyết lập trình tính toán phần mềm Matlab, áp dụng cho lò Nhà máy nhiệt điện Quảng Ninh Nhà máy nhiệt điện Phả Lại Chương (Nhận dạng mô hình phi tuyến giả LPV): Trình bày phương pháp kết nhận dạng mô hình phi tuyến giả LPV lò phù hợp cho dải làm việc rộng Hai phương pháp ước lượng mô hình phi tuyến giả LPV trình bày đây: phương pháp dựa nội suy tín hiệu phương pháp dựa nội suy tham số từ mô hình tuyến tính cục Các kết nghiên cứu lý thuyết lập trình tính toán phần mềm Matlab, áp dụng cho lò Nhà máy nhiệt điện Quảng Ninh Kết luận kiến nghị: Tóm tắt kết đạt đóng góp luận án, bàn luận khả ứng dụng thực tế kiến nghị cho hướng phát triển đề tài CHƯƠNG 1: TỔNG QUAN VỀ XÂY DỰNG MÔ HÌNH LÒ HƠI 1.1 Giới thiệu phương pháp xây dựng mô hình lò Có ba phương pháp để xây dựng mô hình động học đối tượng phương pháp lý thuyết, phương pháp thực nghiệm (còn gọi nhận dạng hệ thống) phương pháp kết hợp lý thuyết thực nghiệm Phương pháp lý thuyết dựa thông tin biết hệ thống thực, kết đạt mô hình lý thuyết hay gọi mô hình hộp trắng (white-box model) Mô hình bao gồm phương trình vi phân phương trình đại số xây dựng từ phương trình vật lý, hóa học Mô hình cho người dùng nhìn đầy đủ đối tượng, nhiên thường phức tạp việc xác định tham số mô hình từ thông tin trình, thiết bị khó khăn Phương pháp thực nghiệm (nhận dạng hệ thống) ngược lại với phương pháp lý thuyết, phương pháp dựa liệu thực nghiệm hệ thống kết đạt mô hình thực nghiệm hay mô hình hộp đen (black-box model), dạng mô hình có tham số mô hình không tham số Ưu điểm phương pháp đơn giản, thiết lập hay giải phương trình lý thuyết phức tạp, nhiên số lượng tham số lớn Mô hình nhận phù hợp với điều kiện định, không phù hợp với điều kiện thực nghiệm có biến thiên lớn Phương pháp kết hợp lý thuyết –thực nghiệm kết hợp hai phương pháp lý thuyết thực nghiệm trên, sử dụng thông tin biết trước trình, thiết bị liệu thực nghiệm, mô hình đạt gọi mô hình hộp xám (grey-box model) Mô hình hộp xám đánh giá lựa chọn tối ưu kết hợp ưu điểm mô hình hộp trắng mô hình hộp đen [10, 31, 49] cụ thể là: - Cấu trúc mô hình xây dựng sử dụng thông tin trình thiết bị thực, nên mô tả tốt quan hệ động học hệ thống thực - Các tham số xác định kỹ thuật nhận dạng dựa liệu thực nghiệm, nên trình tính toán đơn giản Các tham số cập nhật nhanh chóng đặc tính động học đối tượng thay đổi sử dụng cho toán nhận dạng trực tuyến - Số lượng tham số mô hình xác định tối giản, thông thường giảm nhiều so với mô hình hộp đen, chí số tham số dễ dàng xác định từ phương trình lý thuyết ban đầu Từ ưu điểm trên, mô hình hộp xám đánh giá mô hình phù hợp cho mục đích điều khiển [9], lựa chọn cho việc nghiên cứu xây dựng mô hình lò luận án Thông tin biết trước Dữ liệu thực nghiệm Mô hình hộp trắng Mô hình hộp xám Mô hình hộp đen - Sử dụng thông tin biết để xây dựng phương trình vi phânđại số dựa định luật vật lý-hóa học - Sử dụng thông tin biết để xây dựng cấu trúc mô hình - Sử dụng liệu đo để xác định tham số chưa biết - Giả thiết cấu trúc mô hình - Sử dụng liệu đo để ước lượng mô hình có tham số/không tham số 1.2 Một số kết nghiên cứu xây dựng mô hình lò Đã có số lượng lớn công trình nghiên cứu xây dựng mô hình động học lò hơi, mô hình thay từ đơn giản đến phức tạp, tuyến tính hay phi tuyến, đơn biến hay đa biến tùy theo quan điểm khác hay theo mục đích sử dụng Tuy nhiên không ngừng có cố gắng để cải thiện mô hình động học lò nhằm nâng cao độ xác tăng khả ứng dụng [43] Dựa phương pháp xây dựng mô trình bày mục 1.1, khái quát kết nghiên cứu 1.2.1 Các kết nghiên cứu xây dựng mô hình lý thuyết Các đóng góp phát triển mô hình lý thuyết lò phù hợp cho mục đích điều khiển tìm thấy tài liệu [10-12], [22, 46, 47, 49, 59, 71, 80] Nhìn chung mô hình phi tuyến ban đầu lò thường giảm bậc để có mô hình phi tuyến đơn giản hay tuyến tính hóa để có mô hình tuyến tính thuận lợi cho toán điều khiển Các kết tiêu biểu bao gồm phương trình vi phân bậc thấp [10, 11] hay mô hình tuyến tính dạng hàm truyền đạt [3, 19] Astrӧm Eklund (1972) [11] xây dựng mô hình phi tuyến lò hơiturbin đơn giản bao gồm hai tín hiệu vào lưu lượng nhiên liệu vị trí van turbin (van điều chỉnh lưu lượng vào turbin), với hai tín hiệu công suất điện áp suất bao Mô hình đạt hệ phương trình vi phân bậc có tham số ước lượng dựa thông tin ban đầu hệ thống (bảng thông số hơi/nước, thông tin thiết bị) Kết kiểm chứng cách so sánh liệu đo với liệu mô mô hình cho thấy độ xác mô hình đạt Tiếp Astrӧm Bell (1987) [10] phát triển mô hình cách bổ sung thêm lưu lượng nước cấp đầu vào mức nước bao đầu Kết ứng dụng lò ống lửa 160MW, mô hình phản ánh đặc tính động học bao ứng dụng rộng rãi nghiên cứu hệ thống điều khiển phối hợp cho nhà máy nhiệt điện Tuy nhiên mô hình không đánh giá lưu lượng hơi, làm hạn chế khả ứng dụng mô hình Hơn số lượng tham số mô hình tăng nên trình tính toán xác định dựa vào thông tin thiết bị nên khó thực Pellegrineti Bentsman (1996) [64] phát triển mô hình lò phù hợp cho toán điều khiển Mô hình đạt mô hình phi tuyến bậc bao gồm tín hiệu vào (lưu lượng nhiên liệu, lưu lượng không khí, mức nước yêu cầu, tín hiệu tải yêu cầu), tín hiệu (áp suất bao hơi, hàm lượng oxy khí thải, mức nước bao lưu lượng hơi), thời gian trễ, mô hình nhiễu đo nhiễu tải Mô hình mô tả xác đặc tính động học lò số nhà máy điện Abbot Các hệ số mô hình xác định dựa thông tin trình, bảng hơi/nước, thông số vận hành Mô hình đạt sử dụng cho trình tổng hợp thuật toán điều khiển dựa mô hình mô đáp ứng hệ thống Công trình [19], [52] mô hình hóa lò mô hình hàm truyền đạt SISO sử dụng phương pháp phân tích, đơn giản hóa suy luận Các tham số hàm truyền xác định nhờ vào thông tin hiểu biết đối tượng Mô hình biểu diễn trực quan sơ đồ khối (mô đun hàm truyền) nên dễ dàng thực phần mềm mô Simulink thuận lợi kết nối với hệ thống điều khiển Kết sử dụng rộng rãi nghiên cứu điều khiển phối hợp Tuy nhiên mô hình đạt mô hình SISO nên tương tác kênh hệ thống Mô hình lý thuyết cho ta hiểu sâu quan hệ bên trình quan trọng toán mô phỏng, lại thường phức tạp cho thiết kế hệ thống điều khiển Tuy mô hình đơn giản hóa để sử dụng hệ số xác định từ thông tin hệ thống, thiết bị nên độ xác mô hình không cao Hơn mô hình không sử dụng cho vận hành thời gian thực có biến thiên thông số công nghệ, điều gây nên hạn chế sử dụng mô hình cho ứng dụng lý thuyết điều khiển đại, toán tối ưu lượng, tối ưu vận hành lò 1.2.2 Các kết nghiên cứu xây dựng mô hình thực nghiệm Các mô hình thực nghiệm lò phù hợp cho mục đích điều khiển mà luận án quan tâm xem xét tài liệu [7, 8, 40, 60, 76] mô hình tuyến tính thành tựu đạt Park (1975) [60] xây dựng mô hình hộp đen cho bao lò dựa liệu thu thập vòng kín Mô hình đạt mô hình trạng thái tuyến tính bao gồm hai tín hiệu vào (lưu lượng nhiên liệu vị trí van) hai tín hiệu (lưu lượng áp suất bao hơi) Các tham số xác định phương pháp bình phương tối thiểu Tuy nhiên mô hình đạt đơn giản chưa phản ánh đầy đủ đặc tính động học bao Chawdhry Hogg (1989) [16] phát triển mô hình đa thức cho lò Kết ứng dụng để nhận dạng mô hình lò nhà máy điện (lò 200 MW 300 MW nhà máy điện Ballylumford Kilroot) Thực nghiệm tiến hành kỹ thuật nhận dạng chủ động vòng kín, tức sử dụng chuỗi tín hiệu nhị phân giả ngẫu nhiên kích thích đầu vào quan sát tín hiệu đầu Dựa liệu thu thập được, tham số mô hình xác định thuật toán bình phương tối thiểu đệ quy hai giai đoạn Mô hình đạt có bậc từ 11-16 phụ thuộc vào lựa chọn biến trạng thái kết cho thấy mô hình mô tả tốt động học lò H Aling J Heintze (1992) [7] phát triển mô hình tuyến tính cho lò dựa kỹ thuật nhận dạng vòng kín Năm biến đầu vào kích thích đồng thời chuỗi tín hiệu nhị phân độc lập Bộ tham số ước lượng phương pháp sai số dự báo Kết kiểm chứng đánh giá cho lò Benson đốt than 600 MW nhà máy nhiệt điện Nijmegen, Hà Lan Mô hình đạt mô hình ARX BJ bậc 7, kết cho thấy mô hình ARX có độ xác cao so với mô hình BJ Phương pháp cho thấy tính khả thi kỹ thuật nhận dạng vòng kín áp dụng cho đối tượng công nghiệp Vasqueza JRR cộng (2008) [76] cung cấp mô hình động học áp suất nhiệt lò ống lửa sử dụng kỹ thuật nhận dạng vòng hở Thực nghiệm tiến hành cách kích thích đối tượng tín hiệu nhị phân giả ngẫu nhiên đầu vào lưu lượng nhiên liệu quan sát tín hiệu áp suất đầu Các mô hình đề xuất mô hình đa thức đơn biến OE, ARX, ARMAX Box-Jenkins Kết mô cho thấy mô hình ARMAX bậc có trễ đạt có độ xác cao so với mô hình lại Mô hình sử dụng cho phương pháp điều khiển dựa mô hình hay ứng dụng dự báo Các kết cho thấy vai trò kỹ thuật nhận dạng cho đối tượng công nghiệp Tuy nhiên với kết mô hình hộp đen tuyến tính bộc lộ hạn chế không mô tả lò phạm vi vận hành rộng, số mô hình có bậc cao dẫn đến số lượng lớn tham số mô hình Một số biện pháp khắc phục mở rộng thêm thành phần phi tuyến lựa chọn sử dụng kỹ thuật nhận dạng tham số thay đổi theo thời gian Với việc mở rộng cấu trúc cho mô hình ARMAX, Inoue cộng (2002) [32] xây dựng mô hình đơn biến giả ARMAX mô tả đặc tính tăng nhiệt độ nhiệt Một điểm khác biệt công trình mô hình giả ARMAX có hệ số phi tuyến mô tả đặc tính phi tuyến nhiệt độ lò chế độ khởi động (tải thay đổi từ 5% đến 30% tải cực đại) Chất lượng nhận dạng dựa mô hình giả ARMAX phụ thuộc vào giá trị khởi tạo ban đầu thông số mô hình, phương thức vận hành nhà máy Hiệu suất nhận dạng mô hình ARMAX giả-ARMAX so sánh cho thấy độ xác mô hình giả ARMAX Hai phương pháp điều khiển thích nghi tự chỉnh phương pháp điều khiển trượt dựa mô hình phát triển Từ kết mô cho thấy điều khiển thích nghi dựa mô hình giả ARMAX cung cấp kết tốt so sánh với phương pháp điều khiển thông thường X Benxian cộng [14] sử dụng mô hình hàm truyền quán tính bậc có trễ mô tả đặc tính nhiệt độ nhiệt lò Kỹ thuật nhận dạng trực tuyến dựa phương pháp đệ qui bình phương tối thiểu đề xuất để ước lượng thời gian thực tham số mô hình Kết ứng dụng lò số (600MW) nhà máy nhiệt điện Pingwei, Trung Quốc Phương pháp sử dụng để mô tả đặc tính động học nhiệt độ nhiệt, điều chỉnh tham số điều khiển PID Lu cộng [49] xây dựng mô hình động học đơn biến (SISO) cho thông số nhiệt độ siêu tới hạn lò trực lưu, với lưu lượng nhiên liệu (than) đầu vào nhiệt độ đầu Phương pháp bình phương tối thiểu mở rộng đệ qui sử dụng để xác định tham số mô hình thay đổi theo thời gian Dựa đáp ứng mô hình nhận dạng đáp ứng thực có độ phù hợp tốt cho thấy mô hình đạt có độ xác cao Điểm khác biệt công trình so với công trình trước thực nghiệm nhận dạng không sử dụng tín hiệu kính thích chủ động đầu vào, mà dựa liệu thực thu thập lưu giữ điều kiện làm việc bình thường Trong nghiên cứu nước [2], tác giả N H Q Đạt xây dựng mô hình động học cho lò nhà máy đạm Phú Mỹ Dữ liệu thực nghiệm thu thập vòng kín cách thay đổi giá trị đặt cho vòng điều khiển nhiệt độ áp suất nhiệt thời gian thích hợp Kết đạt mô hình đa thức bậc cao số lượng tham số mô hình lớn Các mô hình mạng nơron công trình [31, 68, 70] đóng góp đáng kể lĩnh vực mô hình hóa lò hơi, sử dụng cho mục đích: i) mô tả đặc tính động học đơn giản lò [70], ii) chẩn đoán hệ thống iii) cải thiện độ xác dự báo đầu Có thể thấy mô hình mạng nơron đáng tin cậy cho điều kiện hoạt động bình thường đáng tin cậy cho điều kiện vận hành thay đổi Nhìn chung mô hình hộp đen đơn giản, dễ sử dụng số lượng tham số mô hình lớn (vì trước bậc mô hình) đặc biệt phù hợp với đối tượng trạng thái có điều kiện làm việc cụ thể Trong thực tế lò thường xuyên trạng thay đổi theo điều kiện làm việc mô hình hộp đen không mang lại tính ứng dụng cao cho toán điều khiển 1.2.3 Các kết nghiên cứu xây dựng mô hình hộp xám Các kết xây dựng mô hình hộp xám lò ý tới xây dựng mô hình phi tuyến, bao gồm mô hình trạng thái phi tuyến [9], mô hình phi tuyến Wiener, mô hình Hammerstein [66] hay kết hợp WienerHammerstein [27, 33] Astrӧm (2000) xây dựng mô hình hộp xám phi tuyến cho bao phát triển từ mô hình bao lò trước [10, 11] Mô hình nhận mô hình phi tuyến với mức độ phức tạp vừa phải phản ánh xác đặc tính bao phù hợp với mục đích điều khiển Các tham số mô hình ước lượng kỹ thuật nhận dạng vòng hở với tín hiệu nhị phân giả ngẫu nhiên chủ động kích thích đầu vào đo đáp ứng đầu Kết kiểm chứng cho thấy mô hình có độ phù hợp cao với liệu thực nghiệm, mô tả tốt động học bao phạm vi rộng Mô hình nhà nghiên cứu sử dụng nhiều nghiên cứu nâng cao chất lượng điều khiển cho bao [17, 41] Tuy nhiên mô hình mô tả động học bao bao gồm áp suất mức nước bao với tham số ước lượng từ liệu thu thập vòng hở tín hiệu kích thích chủ động Rizvi cộng (2010) [66] xấp xỉ mô hình lý thuyết phi tuyến lò công trình [64] mô hình phi tuyến Hammerstein (bao gồm khối phi tuyến tĩnh khối tuyến tính động) Các tham số mô hình xác định dựa liệu thu thập vòng hở Kết thử nghiệm cho lò nhà máy nhiệt điện Abbott cho độ xác cao mô hình với liệu thực nghiệm Mô hình đạt không phức tạp, mô tả đặc tính phi tuyến lò Tuy nhiên khả ứng dụng cho đối tượng công nghiệp bị hạn chế đặc tính phi tuyến tĩnh kỹ thuật nhận dạng sử dụng liệu thu thập vòng hở Jafari cộng (2012) [33] sử dụng mô hình phi tuyến WienerHammerstein để xấp xỉ mô hình lò công trình [64] Kết kiểm nghiệm đánh giá lò nhà máy nhiệt điện Abbott Ưu điểm mô hình phản ánh đặc tính phi tuyến đầu đầu vào mô hình Cũng [66], hạn chế công trình mô hình đạt mô hình phi tuyến tĩnh với tham số mô hình ước lượng dựa liệu thu thập vòng hở, hạn chế ứng dụng vào điều khiển chưa 10 [77] Verhaegen, M & Verdult, V (2007) Filtering and System Identification: A Least Squares Approach Published in the United States of America by Cambridge University Press, New York [78] Verdult, V.; Ljung, L & Verhaegen, M (2010) Identification of composite local linear state space models using a projected gradient search NT J CONTROL, 2002, VOL 75, NOS 16/17, pp.1385-1398 [79] Vijayalakshmi, S & Manamalli, D (2013) LPV Modeling and Performance Analysis of Boiler Drum Using IMC-PI Controller Applied Mechanics and Materials Vol 415 pp 117-121 Dr.D.Soderstrom, T & Stoica, P (1989) System Identification Prentice-Hall [80] Vijayalakshmi, S.; Manamalli, D & Narayani, T (2013) Identifiation of Industrial Boiler Furnace Using Linear Parameter Varying Model Proceedings of 7th International Confrence on Intelligent Systems and Control, pp 205-209 [81] Vijayalakshmi, S.; Manamalli, D & Narayani, T (2013) Model Identification for Industrial Coal Fired Boiler Based on Linear Parameter Varying Method International Journal of Engineering and Technology, pp 4116-4126 [82] Zhao, Y ; Huang, B.; Su, H & Chu, J (2012) Prediction error method for identification of LPV models Journal of Process Control 22, pp 180–193 [83] Zhu, Y.C & Xu, Z.H (2011) A method of LPV model identification for control Proceedings of the 17th IFAC World 102 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN (2011) Nhận dạng hệ kín trình nhiệt lò Nhà máy đạm Phú Mỹ Hội nghị toàn quốc Điều khiển Tự động hoá - VCCA, trang 74-80 (2012) Nhận dạng phi tập trung cho trình đa biến vòng kín Hội nghị khoa học toàn quốc khí - Phân ban Cơ điện tử, trang 429-440 (2014) Grey-box identification of steam boiler using linear state-space model and closed-loop data Journal of Science & Technology – Technical Universities, No 101, pp 25-30 (2015) On-line closed-loop identification of steam boiler using state-space predictor model Chuyên san Điều khiển Tự động hóa, Số 13, trang 30-35 (2015) Closed-loop identification of steam boilers using linear parameter-varying model identification of steam boilers using linear parameter-varying model Journal of Science & Technology-Technical Universities, No 108, pp 1-6 103 Phụ lục: Một số đoạn mã code chương trình phần mềm Matlab Thuật toán sai số dự báo lặp nhận dạng mô hình tuyến tính LTI function function l_th =it_boiler(y,u,x,T,t_ini) [m,Ndat] = size(y'); [r,Ndat] = size(u'); %%%%%%%%%%%%%%%%%%%%%%%%%%%% % khởi tạo giá trị theta0=zeros(M,1); l_th=theta0 xm=zeros(7,Ndat); % tìm tham số mô hình no=2 v(1)=10; v(2)=0; ny=2; t1=T-1 while(((v(no-1)>v(no))&& (v(no-1)-v(no)>0.00000000000001))&& no= w2)=0 figure() %new figure plot(w,y) %plot % -108 Hàm Gauss chuẩn hóa function [f1 f2 f3] = gausslpv(w,mu1,mu2,mu3,g_th,T); v=size(g_th,1); p1=zeros(T,v); p2=zeros(T,v); p3=zeros(T,v); f1=zeros(T,v); f2=zeros(T,v); f3=zeros(T,v); for i=1:v p1(:,i) = -.5 * ((w(1:T) - mu1)/s(i,1)) ^ 2; p2(:,i) = -.5 * ((w(1:T) - mu2)/s(i,2)) ^ 2; p3(:,i) = -.5 * ((w(1:T) - mu3)/s(i,3)) ^ 2; p(:,i)=exp(p1(:,i))+exp(p2(:,i))+exp(p3(:,i)); f1(:,i) = exp(p1(:,i))./p(:,i) ; f2(:,i) = exp(p2(:,i))./p(:,i) ; f3(:,i) = exp(p3(:,i))./p(:,i); end % -Đạo hàm hàm Gauss chuẩn hóa function [df1ds df2ds df3ds]=differentiateflpv(w,mu1,mu2,mu3,s,T,v) v=size(s,1); p1=zeros(T,v); p2=zeros(T,v); p3=zeros(T,v); p=zeros(T,v); f1=zeros(T,v); f2=zeros(T,v); f3=zeros(T,v); df1ds=zeros(T,v); df2ds=zeros(T,v); df3ds=zeros(T,v); dfds=zeros(3*T,v); for i=1:v p1(:,i) = -.5 * ((w(1:T)- mu1)/s(i,1) ^ 2); p2(:,i) = -.5 * ((w(1:T)- - mu2)/s(i,2) ^ 2); p3(:,i) = -.5 * ((w(1:T)- - mu3)/s(i,3) ^ 2); f1(:,i) = exp(p1(:,i)) ; 109 f2(:,i) = exp(p2(:,i)) ; f3(:,i) = exp(p3(:,i)) ; end for j=1:T for i=1:v df1ds(j,i)= ((w(j) - mu1).^ 2/s(i,1).^ 3)* (f1(j,i)-f1(j,i)*p(j,i)); df2ds(j,i)= ((w(j) - mu2).^ 2/s(i,2).^ 3)* (f2(j,i)-f2(j,i)*p(j,i)); df3ds(j,i)= ((w(j) - mu3).^ 2/s(i,3).^ 3)* (f3(j,i)-f3(j,i)*p(j,i)); end end % -Đạo hàm biến trạng thái function [H1 H2 H2]=diffxlpv1(u,y,x,w,mu1,mu2,mu3,s,T,v,l_th1,l_th2,l_th3); % x= Fx+Gz H0=zeros(7*T,v);% ??o hàm c?a bi?n x [f1 f2 f3] = gausslpv(w,mu1,mu2,mu3,s,T); [A1,B1,K1]=modellpvPL(l_th1); [A2,B2,K2]=modellpvPL(l_th2); [A3,B3,K3]=modellpvPL(l_th3); %%%%% [df1ds df2ds df3ds]=differentiateflpv(w,mu1,mu2,mu3,s,T); [xm ym]=fungauss(u,y,x,l_th1,l_th2,l_th3,w, mu1,mu2,mu3,s,T); AA1=kron(ones(T,1),A1); AA2=kron(ones(T,1),A2); AA3=kron(ones(T,1),A3); GG1=kron(ones(T,1),B1'); GG2=kron(ones(T,1),B2'); GG3=kron(ones(T,1),B3'); KK1=kron(ones(T,1),K1'); KK2=kron(ones(T,1),K2'); KK3=kron(ones(T,1),K3'); CC=kron(ones(T,1),C'); F11=blkdiag(f1(:,1),f1(:,2),f1(:,3),f1(:,4),f1(:,5),f1(:,6),f1(:,7)); F21=blkdiag(f2(:,1),f2(:,2),f2(:,3),f2(:,4),f2(:,5),f2(:,6),f2(:,7)); F31=blkdiag(f3(:,1),f3(:,2),f3(:,3),f3(:,4),f3(:,5),f3(:,6),f3(:,7)); F12=blkdiag(f1(:,8),f1(:,9),f1(:,10),f1(:,11),f1(:,12),f1(:,13),f1(:,14)); F22=blkdiag(f2(:,8),f2(:,9),f2(:,10),f2(:,11),f2(:,12),f2(:,13),f2(:,14)); F32=blkdiag(f3(:,8),f3(:,9),f3(:,10),f3(:,11),f3(:,12),f3(:,13),f3(:,14)); F13=blkdiag(f1(:,15),f1(:,16),f1(:,17),f1(:,18),f1(:,19),f1(:,20),f1(:,21)); F23=blkdiag(f2(:,15),f2(:,16),f2(:,17),f2(:,18),f2(:,19),f2(:,20),f2(:,21)); 110 F33=blkdiag(f3(:,15),f3(:,16),f3(:,17),f3(:,18),f3(:,19),f3(:,20),f3(:,21)); %dao ham cua hàm Gauss điểm làm việc dF11ds=blkdiag(df1ds(:,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF12ds=blkdiag(zeros(T,1),df1ds(:,2),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF13ds=blkdiag(zeros(T,1),zeros(T,1),df1ds(:,3),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF14ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,4),zeros(T,1),zeros(T,1),ze ros(T,1)); dF15ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,5),zeros(T,1),ze ros(T,1)); dF16ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,6),ze ros(T,1)); dF17ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f1ds(:,7)); %Dao ham cua B tai diem dG11ds=blkdiag(df1ds(:,8),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),z eros(T,1)); dG12ds=blkdiag(zeros(T,1),df1ds(:,9),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),z eros(T,1)); dG13ds=blkdiag(zeros(T,1),zeros(T,1),df1ds(:,10),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dG14ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,11),zeros(T,1),zeros(T,1), zeros(T,1)); dG15ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,12),zeros(T,1), zeros(T,1)); dG16ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,13), zeros(T,1)); dG17ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f1ds(:,14)); %%dao ham cua K tai diem dK11ds=blkdiag(df1ds(:,15),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK12ds=blkdiag(zeros(T,1),df1ds(:,16),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK13ds=blkdiag(zeros(T,1),zeros(T,1),df1ds(:,17),zeros(T,1),zeros(T,1),zeros(T,1), 111 zeros(T,1)); dK14ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,18),zeros(T,1),zeros(T,1), zeros(T,1)); dK15ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,19),zeros(T,1), zeros(T,1)); dK16ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df1ds(:,20), zeros(T,1)); dK17ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f1ds(:,21)); %dao ham cua F tai diem dF21ds=blkdiag(df2ds(:,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF22ds=blkdiag(zeros(T,1),df2ds(:,2),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF23ds=blkdiag(zeros(T,1),zeros(T,1),df2ds(:,3),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF24ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,4),zeros(T,1),zeros(T,1),ze ros(T,1)); dF25ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,5),zeros(T,1),ze ros(T,1)); dF26ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,6),ze ros(T,1)); dF27ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f2ds(:,7)); %?ao ham c?a G tai diem dG21ds=blkdiag(df2ds(:,8),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dG22ds=blkdiag(zeros(T,1),df2ds(:,9),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dG23ds=blkdiag(zeros(T,1),zeros(T,1),df2ds(:,10),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dG24ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,11),zeros(T,1),zeros(T,1), zeros(T,1)); dG25ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,12),zeros(T,1), zeros(T,1)); dG26ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,13), zeros(T,1)); dG27ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f2ds(:,14)); 112 %Đao ham cua K tai diem lam viec dK21ds=blkdiag(df2ds(:,15),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK22ds=blkdiag(zeros(T,1),df2ds(:,16),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK23ds=blkdiag(zeros(T,1),zeros(T,1),df2ds(:,17),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK24ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,18),zeros(T,1),zeros(T,1), zeros(T,1)); dK25ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,19),zeros(T,1), zeros(T,1)); dK26ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df2ds(:,20), zeros(T,1)); dK27ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f2ds(:,21)); %%%%%%%%%%%%dao ham cua F tai diem dF31ds=blkdiag(df3ds(:,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF32ds=blkdiag(zeros(T,1),df3ds(:,2),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF33ds=blkdiag(zeros(T,1),zeros(T,1),df3ds(:,3),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dF34ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,4),zeros(T,1),zeros(T,1),ze ros(T,1)); dF35ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,5),zeros(T,1),ze ros(T,1)); dF36ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,6),ze ros(T,1)); dF37ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f3ds(:,7)); %?ao ham cua G tai diem dG31ds=blkdiag(df3ds(:,8),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dG32ds=blkdiag(zeros(T,1),df3ds(:,9),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),ze ros(T,1)); dG33ds=blkdiag(zeros(T,1),zeros(T,1),df3ds(:,10),zeros(T,1),zeros(T,1),zeros(T,1), 113 zeros(T,1)); dG34ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,11),zeros(T,1),zeros(T,1), zeros(T,1)); dG35ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,12),zeros(T,1), zeros(T,1)); dG36ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,13), zeros(T,1)); dG37ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f3ds(:,14)); dK31ds=blkdiag(df3ds(:,15),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK32ds=blkdiag(zeros(T,1),df3ds(:,16),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK33ds=blkdiag(zeros(T,1),zeros(T,1),df3ds(:,17),zeros(T,1),zeros(T,1),zeros(T,1), zeros(T,1)); dK34ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,18),zeros(T,1),zeros(T,1), zeros(T,1)); dK35ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,19),zeros(T,1), zeros(T,1)); dK36ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),df3ds(:,20), zeros(T,1)); dK37ds=blkdiag(zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),zeros(T,1),d f3ds(:,21)); %%%%%%%%%%%% Xm=[xm(:,1);xm(:,2);xm(:,3);xm(:,4);xm(:,5);xm(:,6);xm(:,7)]; e=y(1:T,:)'-C*xm'; U=[u(1:T,1);u(1:T,2);u(1:T,3);u(1:T,4)]; E=[e(1,1:T)';e(2,1:T)';e(3,1:T)';e(4,1:T)']; J1=(dF11ds*(AA1'*Xm)); J2=(dF12ds*(AA1'*Xm)); J3=(dF13ds*(AA1'*Xm)); J4=(dF14ds*(AA1'*Xm)); J5=(dF15ds*(AA1'*Xm)); J6=(dF16ds*(AA1'*Xm)); J7=(dF17ds*(AA1'*Xm)); J8=(dG11ds*(GG1'*U)); J9=(dG12ds*(GG1'*U)); J10=(dG13ds*(GG1'*U)); 114 J11=(dG14ds*(GG1'*U)); J12=(dG15ds*(GG1'*U)); J13=(dG16ds*(GG1'*U)); J14=(dG17ds*(GG1'*U)); J15=(dK11ds*(KK1'*E)); J16=(dK12ds*(KK1'*E)); J17=(dK13ds*(KK1'*E)); J18=(dK14ds*(KK1'*E)); J19=(dK15ds*(KK1'*E)); J20=(dK16ds*(KK1'*E)); J21=(dK17ds*(KK1'*E)); J=[J1,J2,J3,J4,J5,J6,J7,J8,J9,J10,J11,J12,J13,J14,J15,J16,J17,J18,J19,J20,J21]; H1=F11*(AA1'*H0)+J-F13*K1*(CC'*H0); JJ1=(dF21ds*(AA2'*Xm)); JJ2=(dF22ds*(AA2'*Xm)); JJ3=(dF23ds*(AA2'*Xm)); JJ4=(dF24ds*(AA2'*Xm)); JJ5=(dF25ds*(AA2'*Xm)); JJ6=(dF26ds*(AA2'*Xm)); JJ7=(dF27ds*(AA2'*Xm)); JJ8=(dG21ds*(GG2'*Z)); JJ9=(dG22ds*(GG2'*Z)); JJ10=(dG23ds*(GG2'*Z)); JJ11=(dG24ds*(GG2'*Z)); JJ12=(dG25ds*(GG2'*Z)); JJ13=(dG26ds*(GG2'*Z)); JJ14=(dG27ds*(GG2'*Z)); JJ15=(dK11ds*(KK2'*E)); JJ16=(dK12ds*(KK2'*E)); JJ17=(dK13ds*(KK2'*E)); JJ18=(dK14ds*(KK2'*E)); JJ19=(dK15ds*(KK2'*E)); JJ20=(dK16ds*(KK2'*E)); JJ21=(dK17ds*(KK2'*E)); JJ=[JJ1,JJ2,JJ3,JJ4,JJ5,JJ6,JJ7,JJ8,JJ9,JJ10,JJ11,JJ12,JJ13,JJ14,JJ15,JJ16,JJ17, JJ18,JJ19,JJ21,JJ21]; H2=F21*(AA2'*H0)+JJ-F23*K2*(CC'*H0); 115 Q1=(dF31ds*(AA3'*Xm)); Q2=(dF32ds*(AA3'*Xm)); Q3=(dF33ds*(AA3'*Xm)); Q4=(dF34ds*(AA3'*Xm)); Q5=(dF35ds*(AA3'*Xm)); Q6=(dF36ds*(AA3'*Xm)); Q7=(dF37ds*(AA3'*Xm)); Q8=(dG31ds*(GG3'*Z)); Q9=(dG32ds*(GG3'*Z)); Q10=(dG33ds*(GG3'*Z)); Q11=(dG34ds*(GG3'*Z)); Q12=(dG35ds*(GG3'*Z)); Q13=(dG36ds*(GG3'*Z)); Q14=(dG37ds*(GG3'*Z)); Q15=(dK11ds*(KK3'*E)); Q16=(dK12ds*(KK3'*E)); Q17=(dK13ds*(KK3'*E)); Q18=(dK14ds*(KK3'*E)); Q19=(dK15ds*(KK3'*E)); Q20=(dK16ds*(KK3'*E)); Q21=(dK17ds*(KK3'*E)); Q=[Q1,Q2,Q3,Q4,Q5,Q6,Q7,Q8,Q9,Q10,Q11,Q12,Q13,Q14,Q15,Q16,Q17,Q18,Q19, Q20,Q21]; H3=F31*(AA2'*H0)+Q-F33*K3*(CC'*H0); 116 [...]... thách thức Nhận dạng hệ thống trong vòng kín hay nhận dạng vòng kín là quá trình nhận dạng mà dữ liệu được thu thập trong vòng kín (tín hiệu ra được phản hồi về đầu vào qua bộ điều khiển) Có nhiều những lý do khiến người sử dụng ưa chuộng hơn hoặc bắt buộc phải phải tiến hành thu thập dữ liệu trong vòng kín Đối với hệ thống lò hơi đang vận hành ổn định nên việc tiến hành nhận dạng trong vòng kín là bắt... cạnh đó mô hình có được từ nhận dạng trong vòng kín sẽ phù hợp hơn cho mục đích điều khiển và nhận dạng vòng kín còn được gọi là nhận dạng cho điều khiển [21, 61] v(k) r(k) - Bộ điều khiển u(k) Đối tượng + + y(k) Hình 3.1 Hệ thống trong vòng kín Để nhận dạng thành công một đối tượng thì cần phải phải đảm bảo hai yêu cầu: thiết lập được một cấu trúc mô hình nhận dạng được; và điều kiện thực nghiệm phải... thống nước cấp và hệ thống hơi Hệ thống nước cấp có chức năng cấp nước cho lò hơi và nhận nhiệt từ quá trình cháy biến đổi thành nước nóng, hơi bão hòa và hơi quá nhiệt có áp suất và nhiệt độ tự động điều chỉnh nhằm đáp ứng nhu cầu hơi Hệ thống hơi thu gom và kiểm soát hơi do lò hơi sản xuất ra Một hệ thống đường ống dẫn hơi tới vị trí cần sử dụng Qua hệ thống này, áp suất hơi được điều chỉnh bằng các... lớn và thậm chí còn bị cấm Do đó nhận dạng vòng kín sẽ gần như là yêu cầu bắt buộc đối với các hệ thống đang vận hành Hơn nữa kỹ thuật nhận dạng trong vòng kín sẽ mang lại một mô hình phản ánh được tính chất động của lò hơi sát với thực tế hơn và phù hợp hơn cho mục đích điều khiển so với việc sử dụng kỹ thuật nhận dạng vòng hở Tuy nhiên, bài toán nhận dạng trong vòng kín cũng đặt ra nhiều khó khăn,... Superheater 2 Nhiệt độ hơi nước quá nhiệt ở ngõ ra của lò hơi sẽ được kiểm soát bằng lưu lượng nước phun vào bộ giảm ôn 2.2 Mô hình lý thuyết của lò hơi Như đã nói ở phần trên, hệ thống lò hơi có thể được xem xét bao gồm hai hệ thống con là hệ thống buồng lửa-không khí-khói thải và hệ thống hơi- nước Các hệ thống con này lại bao gồm các thành phần khác nhau trong đó Đặc tính động của hệ hơi- nước chậm hơn... định điều kiện kích thích khi nhận dạng lò hơi đang vận hành Để từ đó xây dựng phương án thu thập dữ liệu thực hiện nhận dạng Các kết quả sẽ được kiểm chứng để xây dựng mô hình trạng thái tuyến tính với các bộ dữ liệu thu thập của lò hơi trong các nhà máy nhiệt điện Quảng Ninh và Phả Lại 2 tại các điều kiện làm việc bình thường 3.1 Nhận dạng mô hình của lò hơi trong vòng kín: khó khăn và thách thức Nhận. .. ống xuống tạo thành vòng chuyển động tuần hoàn tự nhiên kín, do hỗn hợp nước bão hòa – hơi trong các ống sinh hơi có trọng lượng riêng nhở hơn nước trong bao hơi Chú ý nước trong hệ thống ống xuống không được đốt nóng để tránh sinh hơi Bao hơi (drum) Bao hơi là nơi chứa nước cấp và cũng là nơi chứa hơi bão hòa được tạo ra từ lò hơi Chức năng của bao hơi để phân ly hơi ra khỏi hỗn hợp hơi nước và phân... ống sinh hơi (evaporator) và bộ quá nhiệt (superheater) Hình 2.1 minh họa cấu tạo sơ lược của một lò hơi gần tới hạn trong nhà máy nhiệt điện Với một đối tượng phức tạp như lò hơi, khi mô hình hóa lò hơi thường được phân thành các hệ thống con dễ tiếp cận và xử lý hơn Lò hơi được xem xét bao gồm hai hệ thống con là hệ hơi- nước (SWS) và hệ buồng lửa-không khí-khói (C&AG) [52] (Hình 2.2) Hệ hơi- nước... của hệ buồng lửanhiên liệu-không khí Đặc tính động học của hệ C&AG chủ yếu liên quan đến quá trình cháy hay điều khiển áp suất buồng lửa Trong phần lớn các hệ thống điều khiển lò hơi người ta đều coi hệ C&AG có đặc tính tĩnh, như một hệ cung cấp nhiệt cho các thành phần khác trong lò hơi Do đó chỉ cần xác định được các tín hiệu đầu vào chính của hệ C&AG có ảnh hưởng đến sản lượng và chất lượng hơi. .. lửa của lò hơi thông qua bộ hâm nước để tận dụng nhiệt lượng của quá trình đốt Bộ sinh hơi (Evaporator) Hệ thống sinh hơi nhiệt bao gồm bao hơi, các ống xuống (downcomer), nước bao hơi và các ống sinh hơi (riser) Tại các ống lên của dàn sinh hơi, nước nhận nhiệt lượng và thăng hoa thành hơi nước bốc lên trên bao hơi Nước chưa bốc hơi có trong bao hơi được đưa trở lại các dàn sinh hơi qua hệ thống ống