本發(fā)明涉及核反應(yīng)堆供水系統(tǒng)的流量及壓力控制方法優(yōu)化，特別是涉及一種基于代理模型的控制參數(shù)整定方法。

背景技術(shù)：

1、實(shí)際核反應(yīng)堆供水系統(tǒng)控制過程中，對(duì)流量、壓力的控制是否及時(shí)、準(zhǔn)確，是保證系統(tǒng)安全正常運(yùn)行，且具有良好動(dòng)態(tài)性能的重要條件。核反應(yīng)堆供水系統(tǒng)的自動(dòng)控制過程通常由pid控制算法完成，而目前核反應(yīng)堆供水系統(tǒng)在各類變工況過程中自動(dòng)控制效果差的重要原因主要包括不同變工況過程下控制算法初始參數(shù)難以整定、選擇和算法參數(shù)無法在控制過程中實(shí)現(xiàn)自適應(yīng)變更兩方面。

2、由于核反應(yīng)堆供水系統(tǒng)具有強(qiáng)烈的耦合特性和復(fù)雜的非線性，不同變工況過程下pid控制算法的初始參數(shù)需要經(jīng)過反復(fù)調(diào)試和整定才可得到，若采用實(shí)驗(yàn)方法進(jìn)行不同變工況過程下的控制算法參數(shù)調(diào)試整定，存在實(shí)驗(yàn)條件嚴(yán)格、成本高、周期長(zhǎng)、適用范圍有限等諸多不足，難以直接應(yīng)用于工程實(shí)踐。

3、不同的變工況過程對(duì)于控制算法參數(shù)也存在不同的需求，對(duì)于控制目標(biāo)變化較小，且需要快速調(diào)節(jié)的工況，需要應(yīng)用較大的初始控制參數(shù)加快控制速度，提高系統(tǒng)的響應(yīng)性；對(duì)于控制目標(biāo)發(fā)生較大變化的工況,需要應(yīng)用較小的初始控制參數(shù),保持控制過程平穩(wěn)避免造成嚴(yán)重的超調(diào)，提高系統(tǒng)的穩(wěn)定性。

4、隨著控制過程的發(fā)展，pid控制算法的誤差項(xiàng)輸入不斷減小，積分項(xiàng)輸入不斷增加，若應(yīng)用固定的控制算法參數(shù)，控制過程的后期很可能會(huì)出現(xiàn)積分項(xiàng)過大，誤差項(xiàng)過小的超調(diào)現(xiàn)象，難以滿足控制需求，因此需要研究控制算法在不同的變工況過程中的控制參數(shù)整定技術(shù)。通過在控制過程中不斷對(duì)控制參數(shù)進(jìn)行合理變更，實(shí)現(xiàn)核反應(yīng)堆供水系統(tǒng)從當(dāng)前運(yùn)行狀態(tài)快速、安全、平穩(wěn)地過渡到目標(biāo)運(yùn)行狀態(tài)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是，為解決核反應(yīng)堆供水系統(tǒng)在不同變工況過程下控制算法初始參數(shù)難以整定和算法參數(shù)無法隨控制過程發(fā)展變更等問題，本發(fā)明提供一種基于代理模型的控制算法參數(shù)自適應(yīng)整定方法及其應(yīng)用，通過結(jié)合仿真、模糊控制方法、神經(jīng)網(wǎng)絡(luò)代理模型、尋優(yōu)算法的混合方法可以實(shí)現(xiàn)控制參數(shù)的實(shí)時(shí)快速自適應(yīng)整定，提高控制效率與準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于代理模型的控制參數(shù)整定方法，包括：

4、構(gòu)建修正模型；其中，所述修正模型用于依據(jù)控制誤差及誤差變化率在控制過程中優(yōu)化控制算法參數(shù)，用于減少控制超調(diào)量及調(diào)節(jié)時(shí)間；

5、對(duì)被控對(duì)象在不同組變工況過程下應(yīng)用初始控制參數(shù)進(jìn)行仿真，獲取每組方案的總效用值；

6、基于各組變工況過程中被控管路的初始流量、初始?jí)毫εc目標(biāo)流量、目標(biāo)壓力之間的誤差和對(duì)應(yīng)的初始控制參數(shù)，以及每組方案的總效用值，構(gòu)建數(shù)據(jù)集；

7、利用所述數(shù)據(jù)集，對(duì)機(jī)器學(xué)習(xí)代理模型進(jìn)行訓(xùn)練；其中，所述機(jī)器學(xué)習(xí)代理模型基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建；

8、利用尋優(yōu)算法，對(duì)訓(xùn)練后的機(jī)器學(xué)習(xí)代理模型進(jìn)行數(shù)據(jù)交互，獲取效用最大化的最佳初始控制參數(shù)組合；

9、基于所述最佳初始控制參數(shù)組合及修正模型，進(jìn)行核反應(yīng)堆供水控制。

10、可選地，取每組方案的總效用值包括：

11、對(duì)被控對(duì)象在不同組變工況過程下應(yīng)用初始控制參數(shù)進(jìn)行仿真，獲取調(diào)節(jié)時(shí)長(zhǎng)和超調(diào)量；

12、根據(jù)所述調(diào)節(jié)時(shí)長(zhǎng)和超調(diào)量，構(gòu)建控制方案的評(píng)價(jià)體系，計(jì)算每組方案的總效用值。

13、可選地，所述總效用值為：

14、

15、ui(rij)＝arij+b

16、其中，rij為第j個(gè)方案下第i個(gè)性能指標(biāo)值，a，b為系數(shù)，wi為第i個(gè)性能指標(biāo)的權(quán)重值，ui為控制方案每個(gè)性能指標(biāo)的效用值，n為性能指標(biāo)數(shù)量，uj為所有性能指標(biāo)的總效用值。

17、可選地，所述初始控制誤差為：

18、e0＝y(tǒng)set-y0

19、其中yset為被控量目標(biāo)值，y0為被控量初始值，e0為初始控制誤差。

20、可選地，利用所述數(shù)據(jù)集，對(duì)機(jī)器學(xué)習(xí)代理模型進(jìn)行訓(xùn)練包括：

21、將各組變工況過程中被控量與目標(biāo)值之間的初始誤差，以及相應(yīng)的初始控制參數(shù)作為模型輸入，總效用值作為模型輸出，對(duì)機(jī)器學(xué)習(xí)代理模型進(jìn)行訓(xùn)練，反復(fù)迭代直至預(yù)測(cè)精度滿足預(yù)設(shè)要求。

22、可選地，反復(fù)迭代直至預(yù)測(cè)精度滿足預(yù)設(shè)要求包括：

23、預(yù)設(shè)訓(xùn)練迭代次數(shù)，利用評(píng)價(jià)指標(biāo)評(píng)價(jià)控制方案效用值預(yù)測(cè)模型的預(yù)測(cè)精度，直至預(yù)測(cè)精度達(dá)到設(shè)定范圍內(nèi)，則判定機(jī)器學(xué)習(xí)模型收斂。

24、可選地，利用尋優(yōu)算法，對(duì)訓(xùn)練后的機(jī)器學(xué)習(xí)代理模型進(jìn)行數(shù)據(jù)交互包括：

25、利用所述尋優(yōu)算法，向訓(xùn)練后的機(jī)器學(xué)習(xí)代理模型輸入初始誤差和初始控制參數(shù)，訓(xùn)練后的機(jī)器學(xué)習(xí)代理模型，反饋預(yù)測(cè)的效用值，所述尋優(yōu)算法根據(jù)反饋預(yù)測(cè)的效用值迭代更新直至找到效用最大化的最佳初始控制參數(shù)組合。

26、可選地，判斷所述尋優(yōu)算法找到最大化效用值的準(zhǔn)則為第n+1次迭代得到的效用值與第n次迭代的效用值之間的誤差小于預(yù)設(shè)閾值。

27、可選地，基于所述最佳初始控制參數(shù)組合及修正模型，進(jìn)行核反應(yīng)堆供水控制包括：

28、基于所述最佳初始控制參數(shù)組合及修正模型，對(duì)核反應(yīng)堆供水系統(tǒng)管路調(diào)節(jié)閥的pid控制算法進(jìn)行初始控制參數(shù)選擇和修正；

29、通過pid控制算法控制供水管路調(diào)節(jié)閥開度，進(jìn)行核反應(yīng)堆系統(tǒng)供水控制。

30、本發(fā)明的有益效果為：

31、本發(fā)明采用仿真的方式，對(duì)核反應(yīng)堆供水系統(tǒng)不同變工況過程應(yīng)用不同的控制算法參數(shù)并記錄超調(diào)量及調(diào)節(jié)時(shí)間數(shù)據(jù)，可以有效的避免在實(shí)物系統(tǒng)上進(jìn)行實(shí)驗(yàn)所帶來的安全隱患及設(shè)備損耗，且有效縮短實(shí)驗(yàn)周期；

32、依據(jù)控制誤差及誤差變化率更新控制算法參數(shù)的修正模型可以實(shí)現(xiàn)控制參數(shù)更新，使其更加匹配實(shí)時(shí)控制需求，提高控制效率及準(zhǔn)確性；

33、引入控制方案評(píng)價(jià)體系，能夠簡(jiǎn)單高效的評(píng)價(jià)不同變工況過程中，各組控制算法參數(shù)的表現(xiàn)優(yōu)劣情況；

34、基于機(jī)器學(xué)習(xí)模型的控制效果代理預(yù)測(cè)模型可以迅速得出不同的控制目標(biāo)變化程度下，應(yīng)用特定初始控制參數(shù)時(shí)控制算法所表現(xiàn)出的性能；在此基礎(chǔ)上結(jié)合尋優(yōu)算法，可以迅速得出不同變工況過程下的控制算法最優(yōu)初始參數(shù)，進(jìn)一步提高控制算法的性能和效率。

技術(shù)特征：

1.一種基于代理模型的控制參數(shù)整定方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于代理模型的控制參數(shù)整定方法，其特征在于，取每組方案的總效用值包括：

3.根據(jù)權(quán)利要求1所述的基于代理模型的控制參數(shù)整定方法，其特征在于，所述總效用值為：

4.根據(jù)權(quán)利要求1所述的基于代理模型的控制參數(shù)整定方法，其特征在于，利用所述數(shù)據(jù)集，對(duì)機(jī)器學(xué)習(xí)代理模型進(jìn)行訓(xùn)練包括：

5.根據(jù)權(quán)利要求4所述的基于代理模型的控制參數(shù)整定方法，其特征在于，反復(fù)迭代直至預(yù)測(cè)精度滿足預(yù)設(shè)要求包括：

6.根據(jù)權(quán)利要求1所述的基于代理模型的控制參數(shù)整定方法，其特征在于，利用尋優(yōu)算法，對(duì)訓(xùn)練后的機(jī)器學(xué)習(xí)代理模型進(jìn)行數(shù)據(jù)交互包括：

7.根據(jù)權(quán)利要求6所述的基于代理模型的控制參數(shù)整定方法，其特征在于，判斷所述尋優(yōu)算法找到最大化效用值的準(zhǔn)則為第n+1次迭代得到的效用值ujn+1與第n次迭代的效用值ujn之間的誤差小于預(yù)設(shè)閾值。

8.根據(jù)權(quán)利要求1所述的基于代理模型的控制參數(shù)整定方法，其特征在于，基于所述最佳初始控制參數(shù)組合及修正模型，進(jìn)行核反應(yīng)堆供水控制包括：

技術(shù)總結(jié)
本發(fā)明涉及一種基于代理模型的控制參數(shù)整定方法，包括：構(gòu)建修正模型；對(duì)被控對(duì)象在不同組變工況過程下應(yīng)用初始控制參數(shù)進(jìn)行仿真，獲取每組方案的總效用值；基于各組變工況過程中被控量之間的誤差和對(duì)應(yīng)的初始控制參數(shù)，以及每組方案的總效用值，構(gòu)建數(shù)據(jù)集；利用數(shù)據(jù)集，對(duì)機(jī)器學(xué)習(xí)代理模型進(jìn)行訓(xùn)練；利用尋優(yōu)算法，對(duì)訓(xùn)練后的機(jī)器學(xué)習(xí)代理模型進(jìn)行數(shù)據(jù)交互，獲取效用最大化的最佳初始控制參數(shù)組合；基于最佳初始控制參數(shù)組合及修正模型，進(jìn)行核反應(yīng)堆供水控制。本發(fā)明通過融合仿真數(shù)據(jù)、機(jī)器學(xué)習(xí)代理模型與尋優(yōu)算法，為核反應(yīng)堆供水系統(tǒng)不同變工況控制過程中的控制參數(shù)整定提供了一種高效、智能的解決方案，有效地提升了控制效率與準(zhǔn)確性。

技術(shù)研發(fā)人員：牛宇晨,王晨陽,李旖旎,張?jiān)獤|,彭敏俊,夏庚磊,許依凡
受保護(hù)的技術(shù)使用者：哈爾濱工程大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/22