基于BP神经网络整定的PID控制器在汽温控制中的应用

通过将BP神经网络和常规PID控制器结合,提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制,可以有效克服过热汽温对象的大滞后和大惯性,并能够克服对象在运行中参数变化的影响,获得良好的控制品质。仿真试验表明该系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

基于RBF神经网络整定的PID控制器在汽温控制中的应用

通过将RBF神经网络和常规PID控制器结合,提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制,可以有效克服过热汽温对象的大滞后和大惯性,并能够克服对象在运行中参数变化的影响,获得良好的控制品质。仿真试验表明：所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

基于RBF神经网络整定的PID控制器在汽温控制中的应用

通过将RBF神经网络和常规PID控制器结合，提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制，可以有效克服过热汽温对象的大滞后和大惯性，并能够克服对象在运行中参数变化的影响，获得良好的控制品质。仿真试验表明：所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

先进过热汽温控制系统应用研究

过热蒸汽温度是火力发电厂热力系统中的重要参数,蒸汽温度控制品质的优劣直接影响整个机组的安全和经济运行.由于过热汽温对象具有大延迟、大惯性、时变性和非线性等特点,目前通常采用的传统 PID控制很难获得满意的控制效果.文章将人工神经网络汽温预测模块与常规 PID 算法结合,采用国电智深 DCS系统开发外挂汽温优化控制软件,并应用于实际600 MW 亚临界机组过热汽温控制,经现场调试取得了良好的控制品质。     

基于增量式函数观测器的过热汽温控制

针对火电厂过热汽温系统具有大惯性、大迟延及参数时变等特性,将基于增量式函数观测器(IFOKΔx)的状态反馈控制与PID控制相结合,使得被控对象的动态特性得到了改善,克服了PID对大滞后对象控制效果不理想的缺点,同时又保留了PID控制鲁棒性强的优点。仿真研究表明:过热汽温控制系统采用该控制策略时,具有较好的控制品质,且在选择同样的观测器参数条件下,增量式函数观测器的鲁棒性要优于全维状态观测器。     

单神经元PID控制器在过热汽温控制中的应用

将具有自学习功能的单神经元模型与常规的PID控制算法相结合，设计了单神经元PID控制器，并应用于超临界机组过热汽温控制系统。仿真结果表明，采用单神经元PID控制器的汽温控制系统，能够适应被控对象在较大范围内的变化，具有较强的自适应能力和鲁棒性，其控制品质优于常规的PID控制器。此外根据仿真结果，对单神经元的学习算法进行了改进，使其控制品质得以提高。     

过热汽温自适应逆控制方案研究

针对火电厂锅炉过热汽温对象,将神经网络辨识技术和自适应逆控制技术相结合,提出了一种过热汽温自适应逆控制方案.该方案首先利用RBF神经网络在线辨识被控对象模型获得其Jacobian信息,在此基础上利用对角回归神经网络(DRNN)在线辨识获得被控对象的逆模型作为控制器,串联在控制对象前面构成自适应逆控制系统.通过对超临界600 MW机组过热汽温对象进行仿真研究表明,该控制方案能很好地适应过热汽温对象特性的变化,并且可以有效克服对象的大惯性和非线性,获得良好的控制品质.     

600MW锅炉汽温多变量模型预测控制

为克服大型电站锅炉汽温的大延迟,大滞后特性,提高汽温自动控制品质,在汽温控制中应用多变量模型预测技术替代常规的PID(比例、积分、微分)控制。根据工程实际应用情况,分析多变量模型预测控制技术在几种典型600MW电站锅炉汽温控制系统中的实施效果,相比较常规的PID控制技术,应用多变量模型预测控制技术能够明显提高汽温控制品质。     

基于串级PID的过热汽温多模型切换控制

提出了一种易于工程实现的过热汽温先进控制策略。在常规串级PID控制的基础上,设计了多模型切换控制方案,有效避免了单一控制模式不能适应系统工况变化的问题,另外,主调PID控制器的参数通过内模原理整定,较好地保留了内模控制器的特点,能够有效克服过热汽温对象的大迟延特性。所设计的控制系统已经成功应用于某电厂300MW机组,从投运效果看,当机组负荷大范围变化时,过热汽温仍能维持在正常范围内,保证了机组的安全经济运行。     

基于神经网络PID参数自学习的过热汽温Smith预估补偿控制

针对火电厂过热汽温控制系统的大惯性、大迟延和时变等特性,提出基于神经网络PID参数自学习的Smith预估补偿控制策略。仿真研究表明,该策略的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,具有较强的鲁棒性和自适应能力。