循环流化床锅炉汽压的神经网络预测控制

预测控制是一种基于模型的控制算法，但是由于实际工业控制对象的复杂性，被控对象的数学模型往往难以建立，这给预测控制的实施带来了困难。而神经网络却有强大的系统辨识的能力，利用它与预测控制结合起来，组成神经网络预测控制，弥补了预测控制的不足。本文针对循环流化床锅炉汽压这类非线形系统具有大时滞、慢时变的特点，采用附加动量项和自适应率的BP算法，建立神经网络模型，在线实施滚动优化和反馈校正的预测控制。仿真表明，控制效果良好。     

基于ANFIS的循环流化床锅炉燃烧系统控制研究

循环流化床锅炉的燃烧系统是一个时变、大滞后、多变量强耦合的复杂对象,常规的PID控制效果不佳.为了更好地解决这类对象的控制问题,提出了一种新型的控制方案,基于自适应神经网络模糊推理系统(ANFIS)设计自适应模糊神经网络控制器.将其应用到循环流化床锅炉燃烧系统控制中,利用Matlab对该控制系统进行仿真,并与常规PID...     

双循环流化床颗粒循环流率试验与BP神经网络预测

双循环流化床生物质气化装置稳定运行的关键是合理控制颗粒循环流率。在双循环流化床冷态试验台上就鼓泡床风速、提升管风速、静床高和物料平均粒径几方面因素对颗粒循环流率的影响进行了系统的试验研究,并建立了加入动量的BP神经网络预测模型,对双循环流化床颗粒循环流率进行了有效模拟并得到了预测结果。定义了平均偏离度来评价模型预测值相对于试验值的平均偏离情况,通过对比分析试验数据与神经网络模型预测值,表明测试样本神经网络模型预测值相对于试验值偏差不超过0.8 kg·m-2·s-1,相对误差在±8%以内,平均偏离度仅为3.56%。结果表明建立的神经网络模型具有较好的预测效果。     

循环流化床锅炉控制系统设计研究

循环流化床锅炉已经在很多领域得到应用。但由于它自身特点,决定了常规控制方法难以取得理想的控制效果。作为对循环流化床锅炉控制系统的探索,提出了双设备冗余解耦控制系统。此系统在硬件上实现了双设备冗余,提高了系统的安全稳定性;在控制原理上,把神经网络引入到循环流化床锅炉的解耦控制中,提高了控制品质,取得良好的经济效益,具有良好的应用前景。     

基于模糊神经网络的锅炉床温控制策略研究

针对传统PID控制策略对非线性、时变、多变量耦合、大迟延和惯性的循环流化床床温控制品质不佳,提出运用模糊控制及神经网络相结合的方法对锅炉燃烧系统中的床温被调量进行控制。由模糊控制与神经网络深度融合形成的模糊神经网络控制方式结合了模糊推理与神经网络的并行处理、自学习的优点,网络通过训练可以实现控制规则的自动辨识与隶属度函数的校正,实现“智能化”的调节要求。在MATLAB仿真软件中搭建仿真模块,仿真结果表明该控制策略较传统PID控制平稳调节性能更好,达到稳态的时间更短。     

基于粒子群的模糊神经网络

近年来循环流化床锅炉因其高效、低污染、低成本等特点得到了迅速的发展,但由于其燃烧过程十分复杂很难建立被控对象准确的数学模型,因此难以实现常规方法的控制。设计了一个模糊神经控制器并进行了仿真研究,用改进的粒子群优化算法对控制器的初值进行离线优化训练,仿真结果表明,优化后的模糊神经网络控制器对控制对象具有良好的控制性能。该控制方法可用于流化床锅炉燃烧系统等复杂过程的控制。     

300MW循环流化床锅炉燃烧控制策略

结合国内某300 MW循环流化床锅炉,分析循环流化床锅炉的控制特点,对其特点进行论述和总结,最后对循环流化床锅炉的发展方向进行了探讨和预测。     

CFB锅炉动态特性与负荷和煤质的关系研究

在已有循环流化床锅炉燃烧、流动和换热的机理模型的基础上，进行了改进，建立了一个模拟循环流化床锅炉动态特性的综合数学模型。将上述模型应用于南京金陵石化热电厂220t/h循环流化床锅炉的动态特性仿真，仿真结果与实际运行数据平均误差小于4%，表明了上述模型的合理性和准确性。在对循环流化床锅炉进行了给煤量扰动、一次风量扰动仿真基础上，分析了床温、主汽流量、主汽温和主汽压对各调节量的关系。论文定义了3种煤种燃烧特性指标，对煤质进行量化，并根据仿真结果，得出了循环流化床锅炉各被调量的动态特性参数与负荷和煤种燃烧性能指标的关系，从而可根据当前负荷和煤质预测锅炉的动态特性。 关键词：循环流化床锅炉；动态特性；仿真；变工况试验     

450t/h循环流化床锅炉机组动态仿真模型研究

采用模块化建模方法建立了我国设计制造的首台450t/h循环流化床锅炉机组实时仿真数学模型,介绍了锅炉机组模型的各子系统构成及其性能.以循环流化床燃烧系统为例,详细介绍了其主要仿真模块的数学模型,并据此仿真模块搭建了该子系统的仿真模型.仿真试验表明所建模型能够正确反映循环流化床锅炉机组的动态和静态特性,模型运算稳定可靠.所建锅炉机组仿真模型已用于多期仿真机培训,并可为循环流化床锅炉机组控制系统设计与分析提供对象模型.     

浅谈300MW机组循环流化床锅炉控制系统

结合开远电厂工程,介绍循环流化床锅炉的控制特点,对其特点进行了论述和总结,最后对循环流化床锅炉的发展方向进行了探讨和预测。     

基于遗传算法的循环流化床锅炉床温模糊控制系统

模糊控制系统设计的核心问题是建立控制规则库,遗传算法是模仿自然界生物进化思想而得出的一种全局优化算法,可以用于获取模糊控制规则。然而用标准遗传算法来获取MIMO系统的控制规则库时,由于搜索空间庞大往往导致收敛速度很慢,为了克服这一缺点,该文定义了染色体中的优良模式,以此来控制遗传操作的方式和速度,加快了搜索和收敛的过程,床温是决定循环流化床锅炉安全,连续运行的重要参数,文中结合循环流化床锅炉的运行特性提出一种新的床温调节策略,采用改进后的遗传算法设计床温模糊控制器,将人工操作经验表示为染色体中的优良模式,依据经验和启发性信息来控制遗传操作的方式和速度,提高了生成模糊控制规则的效率,仿真结果表明该系统在满足负荷要求的同时,能够保证主汽压力和床温的稳定。     

多功能电动护理床的研制

基于人体工学原理和现代机械设计理论,采用机器人化的多自由度结构、多轴协调控制设计多功能电动护理床。床面采用多折床面结构形式,通过按键控制完成平躺、抬背、坐起、屈或伸腿等基本动作,并具有翻身、辅助解便与多轴同步等功能。应用仿真分析技术,优化了多功能护理床的机构,使床的结构符合人体工学原理。设计基于单片机的控制器控制各机构的驱动电动机来满足使用者的功能要求。完成了多功能护理床样机的研制。     

有源滤波器的神经网络控制

提出了一种应用于有源滤波器系统的神经网络控制器,能为该系统提供合适的开关控制信号,可应用于单相、三相三线制、三线四线制非线性负载电流波形畸变的抑制。进化算法和反向传播被用于神经网络的训练。仿真结果表明了所提出的神经网络控制器的有效性。     

基于神经网络和智能预测控制的机器人算法

提出了一种新颖的控制方案，即采用神经网络预测控制器来控制机器人的力／位置．这种控制器能任意逼近机器人这种不确定对象，不用知道系统的精确结构，同时由于预测控制的加入，使系统在线计算方便，控制质量提高了。通过对机器人的仿真结果可以看出，传统的PID对于不确定对象不能很好的解决，而采用本文设计的控制器，系统的鲁棒性和快速性都得到了改善，并且具有较好的控制效果。     

Adaptive PI secondary control for smart autonomous microgrid systems

In this paper, the authors present a neural‐network‐based distributed secondary control to regulate the output voltage and frequency of a smart autonomous microgrid system. Generally, the secondary controller is implemented in a centralized manner using a fixed‐gain proportional‐plus‐integral controller which may perform well under certain operating conditions only. Also the failure of centralized controller implies no secondary control action for the entire system. The control technique proposed in this paper is a distributed one and makes use of neural network (NN) concept to improve the performance of system. A well‐trained NN supplies the controller with suitable gains according to each operating point. Before training the NN, evolutionary optimization technique, differential evolution, is employed to obtain the optimal gains of controller at each operating load condition which forms the training set for NN. Simulation results show that the proposed controller damps the oscillations caused by load changes, restores the output voltage and frequency of the system to their nominal values, and maintains proper load sharing property of the baseline controller. The performance of the controller is also compared with fixed‐gain controller. Copyright © 2015 John Wiley & Sons, Ltd.     

Precise position control of an ultrasonic motor using the PID controller combined with NN

The input‐output characteristic of an ultrasonic motor (USM) has nonlinear elements and changes with a temperature rise or fluctuation of load‐mass. Therefore, it is difficult to accomplish satisfactory control performance by using conventional PID controllers. In this paper, we propose a PID controller combined with a neural network (NN‐PID controller). In this design method, the controller gains consist of constant gains of the PID controller and variable gains of the NN controller. The weights of the NN are adjusted by the backpropagation method so that the control error can be minimized. This method does not require long learning time of the NN. The effectiveness of the proposed design method is confirmed by experiments using an existing USM. © 2003 Wiley Periodicals, Inc. Electr Eng Jpn, 146(3): 46–54, 2004; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.10199     

自整定智能PI+D控制器及其应用

根据循环流化床锅炉经常带冲击负荷的给水过程动态特性,提出了一种自整定智能PI＋D控制器。该控制器采用了二级参数整定策略,使控制过程快速,准确,平稳,将该控制器应用于国产大型循环流化床锅炉给水过程控制,获得满意效果。     

Intelligent control using multiple models and neural networks

Most adaptive control algorithms for nonlinear discrete time systems become invalid when the controlled systems have non‐minimum phase properties and large uncertainties. In this paper, an intelligent control method using multiple models and neural networks (NN) is developed to deal with those problems. The proposed control method includes a set of fixed controllers, a re‐initialized neural network (NN) adaptive controller and a free‐running NN adaptive controller. The bounded‐input‐bounded‐output (BIBO) stability and performance convergence of the system are guaranteed by the free‐running adaptive controller, while the multiple fixed controllers and the re‐initialized adaptive controller are used to improve the transient response. Simulation results are presented to demonstrate the effectiveness of the proposed method. Copyright © 2007 John Wiley & Sons, Ltd.     

基于DSP的数字化交流传动互馈试验台控制器研究

介绍了一种能量互馈型的交流牵引传动试验台的结构和工作原理,针对系统需求设计了基于CAN总线技术、以数字信号处理器(DSP)为核心的数字化控制器.该控制器具有丰富的外围接口,能够可靠地实现数据通信,既可对系统各个变流器单独控制,又满足试验台的联合控制要求.实验表明该控制器可以稳定、可靠地运行.     

Adaptive recurrent Chebyshev neural network control for PM synchronous motor servo‐drive electric scooter with V‐belt continuously variable transmission

Because of unknown nonlinearity and time‐varying characteristics of electric scooter with V‐belt continuously variable transmission (CVT) driven by permanent magnet synchronous motor (PMSM), its accurate dynamic model is difficult to establish for the design of the linear controller in whole system. In order to conquer this difficulty and raise robustness, an adaptive recurrent Chebyshev neural network (NN) control system is proposed to control for PMSM servo‐drive electric scooter with V‐belt CVT under lumped nonlinear external disturbances in this study. The adaptive recurrent Chebyshev NN control system consists of a recurrent Chebyshev NN control and a compensated control with estimation law. In addition, the online parameters tuning methodology of the recurrent Chebyshev NN and the estimation law of the compensated controller can be derived by using the Lyapunov stability theorem. Moreover, the two optimal learning rates of the recurrent Chebyshev NN based on a discrete‐type Lyapunov function are proposed to guarantee the convergence of tracking error. Finally, comparative studies are demonstrated by experimental results in order to show the effectiveness of the proposed control scheme. Copyright © 2014 John Wiley & Sons, Ltd.