汽水板式换热过程区间串级智能控制方法

汽水板式换热过程是以蒸汽阀门开度为输入,以蒸汽流量为内环输出,以供水温度为外环输出的强非线性串级工业过程,受到室外温度和厂区热用户放水的随机干扰,导致供水温度和蒸汽流量大范围波动.本文针对处于干扰环境下的具有不确定性和强非线性串级工业过程,将前馈补偿、串级PI控制和规则推理区间补偿控制相结合,提出了由外环供水温度前馈PI控制、内环蒸汽流量PI控制的串级控制与规则推理的内外环设定值区间补偿控制组成的区间串级智能控制方法,并成功应用于某选矿厂的汽水板式换热过程,工业应用结果表明所提出的方法在室外温度和热用户放水的随机干扰下,可以将供水温度和蒸汽流量同时控制在工艺要求的范围内.     

混合选别浓密过程双速率智能切换控制

赤铁矿混合选别浓密过程是以底流矿浆泵频率为输入,以底流矿浆流量为内环输出,以底流矿浆浓度为外环输出的强非线性串级工业过程.由于受到频繁的浮选过程产生的中矿矿浆和污水的随机干扰,底流矿浆浓度外环和流量内环始终处于动态变化之中,控制器积分作用失效,内外环相互影响,使被控系统的动态性能变坏,底流矿浆浓度与流量超出工艺规定的控制目标的范围,甚至产生谐振.本文针对上述问题利用提升技术建立基于内环流量闭环动态模型的浓度外环动态模型,将基于未建模动态补偿驱动的一步最优PI控制和基于模糊推理与规则推理的切换控制相结合,提出了由浓度外环控制和流量内环控制组成的混合选别浓密过程的双速率智能切换控制算法,建立了由机理主模型和神经网络补偿模型组成的混合选别浓密过程动态模型.所提算法通过混合选别浓密过程的半实物仿真实验结果表明本文所提控制方法的有效性.     

无线网络环境下数据驱动混合选别浓密过程双率控制方法

无线网络环境下赤铁矿混合选别浓密过程控制问题是以底流矿浆泵频率为内环输入,以底流矿浆流量为内环输出外环输入,以底流矿浆浓度为外环输出的非线性串级工业过程控制问题.其外环反馈回路存在丢包,且模型参数难以辨识,故本文利用工业运行过程的在线数据,设计不依赖模型参数的跟踪控制器.首先,利用浓密过程运行在工作点附近的特点进行线性化,对流量过程设计Q-学习控制器,保证流量过程能够跟踪给定的流量设定值;然后采用提升技术,得到统一时间尺度的以底流矿浆流量设定值为输入,以底流矿浆浓度为输出的被控对象;最后,考虑到在无线网络环境下浓度过程存在反馈丢包,当前的状态可能无法获得,故采用史密斯预估器的思想,利用历史的数据估计系统当前的状态,设计丢包Q-学习设定值控制器为流量过程提供最优设定值.通过仿真实验验证所提算法的有效性.     

火电机组主蒸汽温度神经模糊-PID串级控制

如何将机组主蒸汽温度快速地控制在额定范围之内是火电厂热工过程控制面临的主要难题.针对超临界锅炉机组的主蒸汽温控制问题,提出一种基于神经模糊模型的火电机组主蒸汽温度自适应PID控制方案.根据采集到的减温水流量、高温过热器入口温度、主蒸汽流量、主蒸汽温度数据建立机组主蒸汽温度神经模糊模型,以此模型为基础实施主蒸汽温度自适应PID串级控制.内环采用PI控制器克服内部扰动,从而减少扰动对于导前汽温的影响,再将内环PI闭环控制系统及惰性区作为广义被控对象实行单神经元PID控制,通过主蒸汽温度额定值和实际输出值之间的误差对控制器参数进行在线调节,最终达到对过热器的控制.仿真实例验证了所提出的方法的有效性.     

再磨过程的泵池液位和给矿压力双速率区间控制

赤铁矿再磨过程是以矿浆泵频率为输入、以给矿压力为内环输出、以泵池液位为外环输出的强非线性串级工业过程.当赤铁矿粒度分布大范围变化,导致一段磨矿与磁选矿浆流量和再磨排矿流量频繁波动,使泵池液位频繁波动,造成内外环频繁波动.本文将上述动态特性变化用未建模动态来描述,通过设计消除前一时刻未建模动态补偿信号叠加于基于线性模型设计的反馈控制器,采用一步最优前馈控制律和提升技术,提出了泵池液位和给矿压力双速率区间控制算法.给出了所提控制算法的稳定性和收敛性分析,通过半实物仿真实验表明所提出的控制算法可以将处于频繁随机波动的泵池液位和给矿压力变化率控制在目标值范围内.     

含有界扰动系统的多模型自适应控制

对含有有界扰动和参数不确定性的离散时间被控对象建立多个辨识模型, 覆盖被控对象的参数不确定性. 给定指标切换函数, 构成多模型自适应控制器. 引入“局部化”技术, 在保持计算精度的同时, 提高了计算速度. 同时证明, 多模型自适应控制可以保证闭环系统输入输出稳定, 且保证对给定有界参考输入、被控对象输出可在一给定界范围内跟踪参考输入.     

一种非线性多环递归自适应跟踪控制

针对控制输入有界的变参数广义高阶非线性系统跟踪控制问题,给出一种多环递归跟踪的鲁棒控制方法.通过分层引入虚拟跟踪器,将高阶系统分解为多个独立子系统;内环虚拟跟踪器使内环输出指数收敛于外环虚拟输入,最内环设计自适应控制器补偿参数摄动和外部干扰,并保证输出指数收敛于外环虚拟输入;多环递归跟踪实现系统输出精确跟踪期望输入,理论证明闭环系统的全局渐近收敛性.数值仿真验证了多环跟踪控制器的可行性和合理性.     

基于新型组合积分控制器的积分过程先进控制

针对工业生产过程中常见的积分加纯滞后的过程对象,提出了一类双闭环控制器：内环和外环均使用组合积分控制器。内环用于系统的稳定,外环消除输入干扰的影响和改善控制系统的动态性能。这种控制器结构简单,仅有两个可调参数,且参数整定方便、直观。仿真结果表明：对于积分加纯滞后对象,在模型失配和干扰存在的情况下,该控制算法仍然能够保持稳定的被控输出,具有良好的鲁棒稳定性和动态调节品质,同时对时间常数较大的一阶加纯滞后系统也有着良好的控制效果。     

直接多模型自适应控制器设计——LMI方法

本文将线性矩阵不等式(LMI)方法引入直接多模型自适应控制, 将直接多模型控制器的 设计过程转化为求解线性矩阵不等式的可行解问题,同时给出在不同不确定参数范围内的多 个状态反馈控制器,并由此构成直接多模型自适应控制器．同时将直接多模型自适应控制推 广到多输入多输出被控对象的设定值跟踪问题,并给出稳定性分析结果．     

基于神经网络的聚氯乙烯汽提过程自适应解耦控制

聚氯乙烯汽提过程具有高度非线性和时变性等特点,是一类复杂的非线性工业过程.首先基于动态模糊神经网络建立了数据驱动的聚氯乙烯树脂（PVC）汽提过程的被控对象模型;然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦,得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统;最后采用BP神经网络PID控制器对系统进行控制.仿真实验结果验证了所提出集成控制策略的有效性.     

Input-to-state stabilization for nonlinear dual-rate sampled-data systems via approximate discrete-time model

The problem of state feedback stabilization of nonlinear sampled-data systems is considered under the “low measurement rate” constraint. A dual-rate control scheme is proposed that utilizes a numerical integration scheme to approximately predict the current state. Given an approximate discrete-time model of a sampled nonlinear plant and given a family of controllers that stabilizes the plant model in input-to-state sense, we show that under some standard assumptions the closed loop dual-rate sampled data system is input-to-state stable in the semiglobal practical sense.     

火电厂主气温系统的继电反馈多模型控制

针对火电厂变负荷机组主汽温系统时变和非线性的特点，提出了基于继电反馈的多模型控制算法;首先利用继电反馈的方法，对若干典型工况点建立的固定模型设计子控制器;在运行过程中，利用多模型控制根据系统工况的变化选择相应的控制器以保证系统的控制性能，仿真结果表明应用该方法建立的控制系统具有良好的控制品质和较强的自适应能力。     

Output feedback stabilization of nonlinear dual-rate sampled-data systems via an approximate discrete-time model

The problem of output feedback stabilization of nonlinear sampled-data control systems is considered under the low measurement rate constraint. A dual-rate control scheme is proposed that utilizes a numerical integration scheme to approximately predict the missing output values between measured output samples. It is shown that if an observer-based output feedback controller that semiglobally practically asymptotically (SPA) stabilizes the single-rate sampled-data plant model is given, then the SPA stability property will be preserved for the closed-loop dual-rate sampled-data system, on the basis of the proposed dual-rate control scheme under standard assumptions. A numerical example is given to illustrate the design method.     

Analysis of Heat Transference in Regenerative Exchanger of a Thermal Power Plant

The process of electricity generation in a power plant involves several phases for heat exchange generally between hot fluid (water, fumes of steam) and one of the input fluids (cool water, cook oven gas, fuel, blast furnace gas, etc) The process of exchange evolves in time at the same time as installation itself. This improvement is another step in a deep study of the time-changing conditions of the heat transmission due to ageing, but it will also make possible the introduction of new parameters in the physical formulation whose relation is unknown. Modelling is done using feedforward neural networks after a very extensive pre-processing step.     

基于多模型的过热汽温自适应串级控制

针对电厂过热汽温被控对象具有大惯性、大滞后特性且对象参数随负荷变化较大等因素，该文提出了一种基于多模型的自适应串级控制方案，在若干不同的工况点建立对象棋型并设计出相应的控制器，根据运行工况选择相应的控制器，从而实现全工况运行的自适应控制。主调节器采用内模控制器，可以克服对象情性区的时滞特性，副调节器采用比例控制器，可以快速消除系统的内部扰动。针对某超临界600MW直流锅炉过热汽温系统，对该文给出的控制方案进行了仿真试验，仿真结果表明，所提出的控制方案在跟踪性、抗干扰性和鲁棒性方面得到了很好的兼顾，实现了系统全工况运行的满意控制。     

NSG水位特性神经网络辨识方法研究

核动力蒸汽发生器(NSG)是压水堆核动力装置中把一回路冷却剂从反应堆堆芯带出的热量传递给二回路水的关键性设备。在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应使核动力蒸汽发生器水位呈现瞬时“虚假水位”现象,并使其水位特性难以辨识。为了提高辨识效果,提出了NSG水位神经网络辨识的新方法。采用串—并联型辨识结构,以保证辨识的收敛性和稳定性。网络训练采用带动量因子与自适应学习率的BP学习算法。仿真结果表明,所提出的方法能够正确地辨识核动力蒸汽发生器的水位特性,且具有较高的辨识精度。     

Effect of Dual-rate Sampling on the Stability of a Haptic Interface

Conventional controllers in impedance-based haptic interfaces are sampled data systems that utilize position and velocity information for the necessary force feedback. In a canonical virtual wall simulation, this feedback force is generated based on interaction with the wall simulating certain stiffness and damping. Increasing the sampling rate of the controller increases the stable range of virtual wall stiffness. However, an increased sampling rate exacerbates the velocity information, decreasing the stable range of virtual wall damping. In this work, the authors propose a dual-rate sampling scheme in which the position and velocity loops of a haptics controller are decoupled and sampled at different rates. The scheme enables independent sampling of the position data at higher rates, while simultaneously sampling the velocity data at appropriate rates. In this paper, the authors provide experimental and theoretical implications of the effect of dual-rate sampling on the stability of a haptic interface. Experiments with a single degree-of-freedom (DOF) haptic interface reveals an enhanced region of stable virtual wall stiffness for a particular range of virtual wall damping, compared to the values with conventional uniform-rate scheme. Virtual wall stiffness ranging from 150 - 360 Nm/rad was stably implemented over a range of 0 - 1 Nms/rad of virtual wall damping using the proposed scheme at position loop sampling rate of 20kHz and velocity loop sampling rate of 2kHz. Whereas in the conventional scheme, the stable range of virtual stiffness dropped considerably (～ 0 Nm/rad) for the virtual wall damping above 0.1 Nms/rad when the uniform rate sampling of 20kHz was used for both the position and velocity sampling loops. Theoretical stability analyzes using classical control tools and simulations justified the effectiveness of the proposed scheme. The scheme is easy to implement and extensible to multi-DOF haptic interfaces as well.     

继电反馈多模型控制及应用

作为简单、鲁棒的设计方法，基于继电反馈的PID控制器巳广泛应用于工业过程控制。它可以由继电反馈引起的振荡近似估计过程临界信息进行控制器的设计。多模型控制是解决系统时变、非线性、参数不确定性等复杂问题得一种有效方法。该文将继电反馈控制与多模型控制相结合，对时变、非线性的电厂主汽温系统过进行控制。首先在各个工况点应用继电反馈方法设计子控制器。然后在系统整个运行区间进行多模型自适应控制以克服非线性、时变对系统的影响。仿真表明本方法所建立的控制系统具有良好的控制品质及较强的自适应能力。