《自抗扰控制——设计、仿真与试验（下册）》主要论述自抗扰控制器设计方法、参数整定规则及其在能源动力控制系统中的仿真模拟与现场试验。《自抗扰控制——设计、仿真与试验（下册）》在理论分析的基础上，通过大量仿真实验详尽地讨论了自抗扰控制的应用，主要包括单变量与多变量系统的控制器设计与参数整定，气化炉、锅炉、汽轮机、发电机、飞行器、水轮发电机组、分布式能源系统等实际对象控制的仿真模拟，以及火电机组控制的现场应用试验。

第1章 气化炉的自抗扰控制
　　本章围绕着ALSTOM(阿尔斯通)气化炉的自抗扰控制展开研究，主要介绍ALSTOM气化炉模型及其控制要求，研究ALSTOM气化炉的自抗扰控制，讨论ALSTOM气化炉自抗扰控制参数的优化，给出ALSTOM气化炉非脆弱性能鲁棒性比较，阐述线性自抗扰控制在ALSTOM气化炉控制系统中的应用，并介绍基于ALSTOM气化炉的自抗扰控制设计实例，*后设计有执行器速率饱和约束的自抗扰控制器，并应用于ALSTOM气化炉上。
　　1.1 ALSTOM气化炉
　　通用电气阿尔斯通公司开发了一种基于空气气化联合循环(air blown gasification cycle， ABGC)87MW示范电厂的洁净煤发电技术。ABGC是一种集成了喷流床煤气化技术、高温煤气净化技术、常压循环流化床技术和联合循环发电技术的清洁高效的洁净煤发电系统。由于ABGC融合了整体煤气化联合循环(integrated gasification combined cycle， IGCC)、增压流化床燃烧(pressurized fluidized bed combustion，PFBC)和循环流化床燃烧(circulating fluidized bed combustion，CFBC)的优势，系统较简单，技术难度小，污染物排放量少，热效率高，因此具有很高的商业化价值[1]。
　　气化炉是ABGC系统中的关键设备。通用电气阿尔斯通机械工程中心分别于2002年和2004年公布了气化炉基准问题的**轮、第二轮“挑战信息包”[2，3]。在第二轮“挑战信息包”中，包含Asmar等[4]提出ALSTOM气化炉的比例-积分(proportional-integral，PI)控制方法，但是在0%负荷下的正弦扰动测试中，压力值超出限幅。之后，许多学者利用多目标优化算法、先进的控制方法与系统辨识等模型近似的方法进行控制，然而这些方法执行困难。通过分析ALSTOM气化炉系统已有的控制方法和其复杂的结构发现，系统未知的内部模型以及性能测试中强的外界扰动成为设计该模型控制方法的两大障碍。根据系统的特点，本章利用对系统模型依赖少且具有强抗扰能力的自抗扰控制方法实现ALSTOM气化炉的控制，收到不错的效果。
　　1.1.1 线性模型和控制要求
　　通用电气阿尔斯通能源技术中心基于英国洁净煤发电集团ABGC示范电站中的增压喷流床气化炉，建立了该气化炉在全负荷范围内的线性模型，并发布了气化炉控制的基准问题[2，3]。所采用的气化炉是ABGC87MW示范电厂的一部分，采用喷流床气化概念设计。煤粉和吸附剂由增压空气和蒸汽运送，喷入气化炉内。气化炉里，空气和蒸汽对固体进行流化，同时与煤中的碳和挥发分发生化学反应，生成低热值燃气(大约为4.5MJ/kg)，燃气经净化后进入燃气轮机，余下的灰分、石灰和未完全反应的碳从气化炉的底部或顶部排出。
　　ALSTOM气化炉是一个强非线性和强耦合的多变量系统，具有5个控制输入量和4个输出量，见图1.1.1。控制输入量包括进口空气流量、进口蒸汽流量、煤粉流量、吸附剂(石灰)流量和排出煤焦流量，输出量为床料质量、燃气热值、燃气温度和燃气压力。另外，下游燃气透平进气阀门的调节，会对气化炉的压力产生扰动，带来扰动输入量压力扰动。通用电气阿尔斯通能源技术中心提供了气化炉在三个典型运行负荷下(100%、50%和0%负荷)的线性模型，采用状态空间描述如下：
　　(1.1.1)
　　其中，的维数分别是，下脚标i=1，2，3分别代表100%、50%和0%负荷；X为系统状态变量；U为控制输入量；Y为输出量；d为扰动量。
　　控制输入量和输出量在三种负荷下的稳态值见表1.1.1。可以看到，随着负荷的降低，控制输入量的稳态值均明显减小；燃气压力和温度也降低，床料质量保持不变，而燃气热值随着负荷的减小略有增加。
　　该气化炉系统的控制要求为，根据100%负荷模型设计控制系统，然后分别在三种负荷下进行如下性能测试。
　　(1)在100%负荷下，从30s开始压力发生–0.2bar的阶跃扰动(对应于发电负荷变化时燃气透平阀门位置调整引起的阶跃变化)，输入量和输出量应当满足指定的要求。仿真5min(300s)并计算燃气热值和压力的绝对积分误差(integral absolute error，IAE)指标。
　　(2)在100%负荷下，扰动输入量发生幅值为0.2bar、频率为0.04Hz的正弦波扰动(对应于电网频率变化引起的燃气透平阀门的低频动作)，输入量和输出量应当满足指定的要求。仿真5min(300s)并计算燃气热值和压力的IAE指标。
　　(3)同样的测试用于50%和0%负荷，以检验系统的鲁棒性能。
　　输入量的限幅和限速要求见表1.1.2，输出量的限制如下：
　　(1)燃气热值的变化量在±10kJ/kg范围内，且偏差尽可能小；
　　(2)压力的变化量在±0.1bar范围内，且偏差尽可能小；
　　(3)床料质量的变化量在标称值的5%范围内；
　　(4)温度的变化量在±1℃范围内，且偏差尽可能小。
　　1.1.2 非线性模型和控制要求
　　通用电气阿尔斯通能源技术中心在2002年6月发布了气化炉的非线性模型。模型采用ACSL(Advanced Continuous Simulation Language)开发，可与法马通公司(Framatome)的Modular Modelling System相兼容。发布的模型采用C语言编写描述气化炉特性的系统函数，嵌入MATLAB/Simulink环境下的模块中，系统模型结构见图1.1.2。控制量和被控量与线性模型相同，压力扰动和煤质量扰动均为扰动量，各负荷点下的设定值由负荷确定。
　　图1.1.2 气化炉非线性系统模型结构
　　非线性模型给出了三种负荷点下的输入输出变量平衡点数据。其中，负荷与产气量的对应关系见表1.1.3。随着负荷的减小，产气量也明显减小。气化炉非线性模型的控制要求包括三个方面。
　　(1)压力扰动测试。
　　①在100%负荷下，从30s开始压力发生–0.2bar的阶跃扰动，仿真5min(300s)并计算燃气热值和压力的IAE指标；输入量和输出量应当满足指定的要求。
　　②在100%负荷下，压力发生幅值为0.2bar、频率为0.04Hz的正弦波扰动，仿真300s并计算燃气热值和压力的IAE指标；输入量和输出量应当满足指定的要求。
　　③针对50%和0%负荷进行同样的测试，并计算相应的IAE指标。
　　(2)变负荷跟踪测试。
　　从50%负荷稳态开始，以每分钟5%的速率将负荷增至100%(需600s)，要求实际输出的负荷尽可能接近要求，在升负荷结束时超调*小，且控制输入在允许的约束范围内。
　　(3)煤质量扰动测试。
　　由于煤种的不同，煤的成分和热值会发生很大的变化。令煤的品质在±18%的范围内变化，记录观察到的性能变化(如跟踪性能、稳定性等)。
　　在第二轮“挑战信息包”中，与ALSTOM气化炉基准问题一起发布的PI控制方法(简称基准控制方法，记为BC)，采用了Asmar等[4]给出的控制结构，获得的控制系统在0%负荷下压力发生正弦扰动时，压力回路的响应范围超出了规定值。在100%负荷下，当煤质量增加8%时，温度回路出现不稳定。
　　1.2 ALSTOM气化炉的自抗扰控制
　　在通用电气阿尔斯通公司公布的ALSTOM气化炉第二轮“挑战信息包”中[3]，虽然提供了气化炉在MATLAB/Simulink下可执行的文件，但是商业方面的原因，使气化炉的内部运算及结构被封装成一个S-函数。因此，ALSTOM气化炉模型是一个黑箱模型。2000年，Asmar等[4]提出ALSTOM气化炉的PI控制方法，就是挑战信息包中所采用的方案，该方案是基于传统的单输入单输出(single-input single-output，SISO)或者完全分散控制的思想。然而，在0%负荷下的正弦扰动测试中，压力值超出限幅。在ALSTOM气化炉的所有控制方法中，许多学者利用多目标优化算法优化PI/PID方案中的参数集，且获得了相对较好的控制效果[5-8]，一些学者将一些先进的控制方法与系统辨识[9，10]或者其他降低系统阶数的方法[11-14]相结合，通过降低系统模型的阶数来达到较好的控制效果。然而，在实际中，模型的近似将给这些算法的执行带来困难。在已有ALSTOM气化炉的控制中，PI控制方法因其结构简单、容易执行以及较好的控制性能展现出了较强的优势。
　　从对ALSTOM气化炉已有的控制方法和其复杂的结构进行分析发现：系统未知的内部模型以及性能测试中强的外界扰动成为设计该模型控制方法的两大障碍。2006年，Wilson等[12]提出利用状态观测器估计该气化炉的所有外界扰动(压力扰动和煤质量扰动)，并将其消除。与已有的基准控制方法比较，该方法在100%和50%负荷下的性能都有所提高，但是在0%负荷下的正弦压力扰动测试中压力超出限幅。在该方法中，只考虑外界扰动，忽略了由内部未知模型导致的系统内部扰动的影响。因此，一种能同时估计并消除系统内部和外界扰动的控制方法可能是一个很好的选择。
　　在控制理论中，许多学者提出各种扰动观测器的形式，如未知输入观测器(unknown input observer)、扰动观测器(disturbance observer)、干扰观测器(perturbation observer)及扩张状态观测器(extended state observer，ESO)[15]。在这些观测器中，ESO因其对模型需求的信息量少展现出较强的优势。1998年，韩京清先生[15]基于ESO提出了自抗扰控制(active disturbance rejection control，ADRC)方法。2001年，Gao等[16]**次用到“自抗扰控制”这个术语，并将自抗扰控制的思想**次用英语进行系统的介绍。自抗扰控制方法的核心思想是利用ESO主动估计系统的总扰动(包含内部和外界的所有扰动)，并利用控制律及时消除它。
　　在本节中，将ALSTOM气化炉系统的总扰动看成系统的一个扩张状态，利用自抗扰控制中的ESO进行实时估计，提出了ALSTOM气化炉系统的一阶自抗扰控制方法。仿真结果表明，自抗扰控制方法在三种负荷下都能够达到与基准控制类似的性能。同样，在0%负荷下的正弦扰动测试中，压力超出限幅。为增强系统的抗扰动能力，进一步调整控制器参数，获得另一组控制器参数。该组参数下的仿真结果与PI控制方法中的由Simm等[5]和Xue等[6]获得的两组参数的仿真结果对比发现：自抗扰控制方法有着比PI控制方法更好的抗扰能力，即在0%负荷下的压力扰动测试中，自抗扰控制方法中压力的IAE指标值更小；在变负荷跟踪测试中，自抗扰控制的温度能很快跟踪上要求的温度并基本没有超调，以及床料质量能较快地回到设定值；在煤质量扰动测试中，自抗扰控制方法的抗煤质量扰动范围要等于或大于PI控制方法的范围。
　　1.2.1 自抗扰控制方法简介
　　在自抗扰控制方法的发展中，*初的自抗扰控制采用的是非线性ESO和非线性控制律[15]，展现出了较强的鲁棒性和抗扰能力。然而，该算法复杂的结构和参数整定制约了自抗扰控制的发展。2001年，Gao等[16]简化了该控制器结构。之后，Gao[17]于2003年提出其参数整定的方法。这些研究简化了控制器的设计，提高了系统的效率，并推动将自抗扰控制应用到实际对象的控制中。自抗扰控制方法成功应用于Parker公司Parflex软管成形生产线上，LineStream(一家专注于推广自抗扰控制技术的公司)和德州仪器(Texas Instruments)签署合作协议，由德州仪器生产运行LineStream的SpinTAC控制

目录
前言
第1章 气化炉的自抗扰控制 1
1.1 ALSTOM气化炉 1
1.1.1 线性模型和控制要求 1
1.1.2 非线性模型和控制要求 4
1.2 ALSTOM气化炉的自抗扰控制 5
1.2.1 自抗扰控制方法简介 6
1.2.2 ALSTOM气化炉自抗扰控制方法设计 8
1.2.3 ALSTOM气化炉性能测试 18
1.2.4 小结 26
1.3 ALSTOM气化炉自抗扰控制方法参数的优化 27
1.3.1 优化过程及结果 27
1.3.2 性能测试 31
1.3.3 小结 37
1.4 ALSTOM气化炉非脆弱性能鲁棒性比较 38
1.4.1 ALSTOM气化炉自抗扰控制、PI控制方法非脆弱性能鲁棒性实验 38
1.4.2 小结 43
1.5 线性自抗扰控制在ALSTOM气化炉控制系统中的应用 44
1.5.1 一路线性自抗扰控制方法设计 44
1.5.2 两路线性自抗扰控制方法设计 50
1.5.3 小结 57
1.6 ALSTOM气化炉自抗扰控制设计实例 57
1.6.1 基于基准控制律的自抗扰控制方法设计及仿真结果 57
1.6.2 小结 64
1.7 有执行器速率饱和约束的自抗扰控制设计在ALSTOM
气化炉上的应用 65
参考文献 73
第2章 锅炉、汽轮机和发电机的自抗扰控制 76
2.1 火电单元机组机炉协调自抗扰控制 76
2.1.1 汽包锅炉单元机组的数学模型 77
2.1.2 机炉协调自抗扰控制系统设计 78
2.1.3 仿真实验与结果分析 80
2.1.4 小结 83
2.2 亚临界机组机炉协调控制的适应性非线性控制 83
2.2.1 机炉模型 84
2.2.2 机炉协调控制系统设计 85
2.2.3 仿真实验与结果分析 88
2.2.4 小结 96
2.3 发电机组汽轮机调门开度和励磁系统的非线性鲁棒协调控制 96
2.3.1 单机无穷大系统设计 97
2.3.2 多机电力系统设计 103
2.3.3 小结 111
2.4 单元机组机炉电非线性鲁棒协调控制 111
2.4.1 数学模型 112
2.4.2 控制律 114
2.4.3 仿真实验与结果分析 119
2.4.4 小结 132
2.5 基于逆解耦和自抗扰控制的超超临界燃煤机组负荷控制 132
2.5.1 基于凝结水节流的超超临界机组负荷控制方法设计 133
2.5.2 超超临界机组模型 134
2.5.3 超超临界直流炉特性分析 134
2.5.4 超超临界机组负荷解耦控制方法设计 135
2.5.5 仿真实验与结果分析 138
2.5.6 小结 142
2.6 结合前馈的自抗扰控制在机炉协调控制系统中的应用 143
2.6.1 机轮协调控制系统设计 144
2.6.2 机炉协调控制系统的自抗扰控制方法设计 145
2.6.3 仿真实验与结果分析 148
2.6.4 小结 151
2.7 循环流化床机组自抗扰协调控制 152
2.7.1 问题描述 153
2.7.2 控制系统结构 156
2.7.3 仿真实验与结果分析 159
2.7.4 小结 166
2.8 基于DEB的亚临界火电机组自抗扰协调控制 167
2.8.1 过程介绍 167
2.8.2 面向直接能量平衡控制的非线性建模 169
2.8.3 模型简化 172
2.8.4 参数辨识及校验 174
2.8.5 DEB控制结构的解耦性分析 179
2.8.6 基于多目标优化的DEB-ADRC方法 182
2.8.7 小结 186
2.9 基于增益调度的自抗扰控制 186
2.9.1 问题描述 187
2.9.2 自抗扰控制的增益调度设计 192
2.9.3 仿真实验与结果分析 199
2.9.4 小结 206
2.10 过热汽温系统的非线性自抗扰控制 207
2.10.1 过热汽温自抗扰控制仿真实例一 208
2.10.2 过热汽温自抗扰控制仿真实例二 210
2.10.3 小结 212
2.11 过热汽温系统的线性自抗扰控制 212
2.11.1 过热汽温模型 213
2.11.2 过热汽温串级控制结构 214
2.11.3 设计目标 214
2.11.4 自抗扰控制串级控制参数整定方法 214
2.11.5 过热汽温串级控制系统参数整定结果 216
2.11.6 仿真实验与结果分析 219
2.11.7 小结 223
2.12 自抗扰控制在循环流化床机组燃烧系统中的应用 224
2.12.1 循环流化床机组燃烧系统 224
2.12.2 循环流化床机组燃烧系统的自抗扰控制方法设计 226
2.12.3 仿真实验与结果分析 227
2.12.4 小结 232
2.13 结合简单解耦的自抗扰控制在循环流化床机组
燃烧系统中的应用 232
2.13.1 控制系统设计 233
2.13.2 仿真实验与结果分析 234
2.13.3 小结 238
2.14 自抗扰控制在炉膛压力控制系统中的应用 238
2.14.1 问题描述 239
2.14.2 控制器设计 240
2.14.3 仿真实验与结果分析 244
2.14.4 小结 254
2.15 基于BICO的自抗扰控制设计在流化床燃烧机组的应用 255
2.15.1 问题分析和控制结构 255
2.15.2 控制结构的有效性 261
2.15.3 FBC机组的仿真应用 262
2.15.4 小结 268
2.16 循环流化床锅炉床料系统自抗扰控制 269
2.16.1 问题描述 269
2.16.2 控制系统设计 275
2.16.3 仿真实验与结果分析 279
2.16.4 小结 281
2.17 超临界循环流化床机组给水系统自抗扰控制 281
2.17.1 循环流化床锅炉技术简介 282
2.17.2 白马600MW超临界循环流化床机组的给水控制系统分析 283
2.17.3 线性自抗扰控制在MEH系统中的应用 286
2.17.4 小结 289
2.18 大时滞热力过程的预估自抗扰控制 289
2.18.1 条件反馈型改进Smith预估器 290
2.18.2 扰动估计和补偿 294
2.18.3 参数整定 296
2.18.4 典型过程仿真研究 298
2.18.5 大时滞热力过程仿真研究 313
2.18.6 小结 316
参考文献 317
第3章 火电机组自抗扰控制试验 324
3.1 自抗扰控制的工程实现基础 324
3.1.1 ESO的离散化及其稳定性 324
3.1.2 无扰切换 325
3.1.3 限幅限速和前馈 329
3.1.4 小结 330
3.2 1000MW超超临界机组低压加热器凝结水位自抗扰控制 330
3.2.1 过程描述 330
3.2.2 模型辨识及控制仿真 332
3.2.3 现场试验 334
3.2.4 小结 336
3.3 亚临界机组磨煤机出口风温系统的自抗扰控制 336
3.3.1 过程描述 336
3.3.2 模型辨识及TD-ADRC仿真控制 337
3.3.3 现场试验 339
3.3.4 小结 340
3.4 330MW循环流化床过热汽温的自抗扰控制 341
3.4.1 过程描述 341
3.4.2 模型辨识及参数调整 342
3.4.3 现场试验 344
3.4.4 小结 345
3.5 循环流化床协调系统的自抗扰控制 346
3.5.1 非线性循环流化床协调控制系统建模 346
3.5.2 模型参数辨识 352
3.5.3 现场试验 356
3.5.4 小结 364
参考文献 364
第4章 飞行器的自抗扰控制 366
4.1 X-Cell50微型直升机的自抗扰控制 366
4.1.1 X-Cell50微型直升机对象模型描述 366
4.1.2 X-Cell50微型直升机姿态稳定自抗扰控制系统设计 367
4.1.3 各通道的自抗扰控制系统设计 368
4.1.4 基于Monte Carlo方法的ESO优化设计 369
4.1.5 基于Monte Carlo方法的控制系统性能鲁棒性的检验 370
4.1.6 仿真实验与结果分析 371
4.1.7 小结 372
4.2 垂直起降飞行器控制系统设计及仿真 373
4.2.1 平面垂直起降飞行器模型建立及分析 374
4.2.2 飞行器机动控制方法 377
4.2.3 仿真实验与结果分析 380
4.2.4 小结 385
4.3 双旋翼多输入多输出控制系统设计及仿真 385
4.3.1 TRMS模型的建立 387
4.3.2 控制系统设计 399
4.3.3 TRMS非线性模型仿真 402
4.3.4 TRMS线性辨识模型仿真 407
4.3.5 小结 414
4.4 自抗扰导引律 415
4.4.1 相对运动方程及导引精度 416
4.4.2 问题描述 420
4.4.3 自抗扰导引律设计 420
4.4.4 动态仿真 422
4.4.5 鲁棒性能分析 425
4.4.6 小结 426
4.5 攻击角约束下的自抗扰导引律 426
4.5.1 攻击角的基本概念 426
4.5.2 攻击角约束自抗扰导引律设计 428
4.5.3 动态仿真 429
4.5.4 模型辅助自抗扰导引律设计 434
4.5.5 鲁棒性能分析 436
4.5.6 小结 437
4.6 考虑自动驾驶仪的自抗扰导引律 437
4.6.1 自动驾驶仪的动态特性 438
4.6.2 考虑自动驾驶仪动态特性的导引律设计 438
4.6.3 动态仿真 439
4.6.4 鲁棒性能分析 441
4.6.5 小结 442
4.7 基于扩张状态观测器的滑模导引律 442
4.7.1 导引律问题描述 443
4.7.2 终端滑模导引律设计 444
4.7.3 动态仿真 447
4.7.4 鲁棒性能分析 449
4.7.5 小结 449
4.8 飞行器姿态的自抗扰控制与滑模控制性能鲁棒性比较 450
4.8.1 飞行器动力学模型 451
4.8.2 控制器设计 452
4.8.3 仿真实验与结果分析 454
4.8.4 小结 460
4.9 挠性航天器姿态控制系统设计及仿真 460
4.9.1 挠性航天器姿态控制系统设计 462
4.9.2 仿真实验与结果分析 466
4.9.3 小结 470
4.10 三自由度陀螺稳定平台状态补偿控制 470
4.10.1 陀螺稳定平台概述 471
4.10.2 陀螺稳定平台的数学模型 473
4.10.3 三自由度陀螺稳定平台特性分析 478
4.10.4 三自由