粒子群算法在电站锅炉燃烧优化中的应用

针对锅炉燃烧系统具有多输入输出、非线性、强耦合、不确定时滞的特点，采用粒子群优化（PSO）算法寻找锅炉模型的最优输入变量组合，实现锅炉燃烧过程的优化。其应用使锅炉燃烧节省了成本，提高了经济运行效益。仿真结果表明，该算法是一种高效率的寻优方法。     

电厂锅炉燃烧系统先进过程控制实验仿真平台

锅炉燃烧控制系统是一个多变量、强耦合、非线性、大时滞的不确定性系统,因此APC控制策略已成为解决其控制问题的主要手段。本文设计了一套涵盖优化层、监控层及过程层的,半实物的锅炉燃烧系统APC控制实验仿真平台。基于以太网及OPC通信,该平台实现了控制器、虚拟对象、组态系统及优化模型之间数据的互联互传。本文以模糊神经网络控制算法作为APC控制策略示例进行系统功能验证,仿真结果表明该平台有助于工程设计人员在现场调试前对锅炉燃烧系统的顺序逻辑控制和先进控制策略进行验证。     

CFBB锅炉燃烧方案设计及现场应用案例

以130t/hCFB锅炉为研究对象,介绍DCS系统配置、功能及锅炉燃烧控制方案。针对CFB锅炉燃烧过程的复杂特性,基于多变量频域解耦控制理论,提出了"能量-氧量"双交叉燃烧控制方案,实现了CFB锅炉主要参数之间的解耦控制,消除了燃烧过程中主要内扰的影响,同时保证了燃烧的经济性,进而提高了锅炉燃烧自动控制系统的连续投运率,达到锅炉燃烧自动投运率为100%。     

基于DMC的循环流化床锅炉燃烧控制系统设计

循环流化床锅炉燃烧系统是一种纯滞后、大延迟、强耦合的系统。而多变量动态矩阵控制对模型精度要求不高,对惯性、延迟和耦合的适应能力较强,且有很强的鲁棒性,因此,把多变量动态矩阵控制用于循环流化床锅炉燃烧控制系统。仿真结果表明,该系统响应速度较快,输出量和控制量变化较小,取得了比较满意的控制效果。     

锅炉燃烧的寻优与智能控制

锅炉的燃烧过程十分复杂,燃烧系统内部的给煤、鼓风耦合性强,过程的非线性和大滞后也成了控制对象的难题,本系统采用一种基于人工智能的专家系统控制方案,有效地适应锅炉各参数之间频繁的变化,克服多回路耦合和煤质干扰,很好的解决了锅炉燃烧控制的难题,特点是自动寻优、人工智能、专家系统、全自动运行,节能增效.     

多变量逆解耦自抗扰控制及其在精馏塔过程中的应用

化工生产是一类典型的多变量过程对象,该类对象具有时变性、耦合性、时滞性等特点,传统的单变量控制方法很难在此类系统中取得良好的控制效果.针对时变性,本文在假设对象模型未知的前提下,利用阶跃响应数据,研究了基于最小二乘的一阶、二阶时滞系统辨识方法.针对多变量系统存在耦合性的特点,采用逆解耦方法实现对象的解耦.再对解耦后的时滞子系统设计了自抗扰控制器.仿真实验中,以精馏塔的Wood-Berry模型和Ogunnaike-Ray模型为例,验证了算法的有效性.     

基于Hammerstein模型的多变量动态矩阵解耦控制研究

许多工业过程都具有强耦合、非线性等复杂过程特性;针对具有变量间强耦合和执行机构非线性的一类典型过程对象,提出基于Hammerstein模型的多变量动态矩阵解耦控制算法;并针对实验室电加热锅炉与强制对流换热器组成的广义对象,采用s7—300可编程序控制器,将控制策略应用于该对象,实现了对锅炉内胆水温及强制对流换热器出口水温的控制;实验结果表明,采用基于Hammerstein模型的多变量动态矩阵解耦控制策略,在解耦效果、设定值跟踪及抗干扰响应等方面,都能取得满意的结果,能够解决一类多变量非线性系统的控制问题。     

基于多智能体的循环流化床锅炉燃烧控制系统

由于循环流化床锅炉燃烧系统具有参数分布广、非线性、时变和大滞后等控制难题,因此分析了该系统的结构与工艺特点。运用多智能体建模方法,将系统进行机理分析分解为若干个子系统,并找出子系统输入输出变量之间的关系,建立被控对象的子系统的数学模型。采用多智能体预估和控制方法,给出循环流化床锅炉燃烧系统的多智能体预估控制算法。仿真结果表明采用该建模和控制方法,能够取得满意的控制效果。     

控制系统可视化组态平台的设计与实现

针对传统的使用脚本语言实现控制算法组态的专业性强、易出错等特性,提出一种控制系统可视化组态平台的设计与实现方法.在该平台上可以方便快速地实现多变量解耦控制、模糊-PID控制、Smith预估控制、预测控制等多种复杂控制系统的组态,并可以通过仿真设定和调整控制系统参数.组态结果可直接加载运行平台.对某电厂机组锅炉的燃烧控制系统的应用表明,运用该平台对多变量时滞控制系统进行组态灵活方便,控制效果令人满意.     

基于改进型Elman网络的锅炉预测控制算法研究

针对锅炉燃烧系统非线性、多变量、大延时、强耦合等特点,将预测控制和改进型Elman神经网络相结合,提出了一种基于改进型Elman网络的预测控制算法.该算法可以克服传统PID控制方法对多变量对象控制效果差、抗干扰能力弱等缺点.选取链条炉燃烧系统作为研究对象,仿真结果表明:该算法具良好的控制效果和较强的抗干扰能力.     

多温区电加热炉的系统模型辨识及仿真试验

多温区电加热炉建模是系统辨识领域中的一个典型问题,电加热炉控制过程往往表现出非线性、大迟延和耦合性等特点,难以用传统方法建立精确的数学模型.针对此问题,提出了一种加权最小二乘递推辨识算法,并应用到钟罩式加压烧结炉的建模试验中,通过试验验证了该方法能够获得较好的数学模型.此方法对多变量工业过程的控制方法研究、多变量系统的控制理论研究有着广泛的理论和实际意义.     

注汽锅炉蒸汽干度的多变量预测控制

鉴于油田注汽锅炉出口蒸汽干度控制系统的当前状况,在分析蒸汽干度对象的特性及其影响因素的基础上,提出了注汽锅炉蒸汽干度的多变量预测控制系统(Multi-vari-able Predictive Control System)。该系统在蒸汽于度出现偏差时,通过燃料量和给水量的协调控制,快速消除蒸汽干度偏差,并且使给水量平稳地回复到给定值,维持锅炉的给定出力。仿真研究表明,该多变量预测控制系统具有良好的控制性能,并且算法简单、易于实现。     

基于神经网络的实时专家控制系统及其PTA工业应用

以精对苯二甲酸结晶过程为研究对象。提出一种基于神经网络模型的实时专家控制系统．该方法利用神经网络建模技术获取对象的机理知识,通过对影响模型特性的多个变量进行分析,自动得到常规专家控制系统难于获取的定性、定量知识,并按分级递阶的启发式搜索机制,实现了对工业过程对象的实时控制．实际应用表明：该方法不但克服了以往专家系统知识获取的瓶颈,而且有效实现了人机对话的功能,便于现场操作和更改专家知识库,为化工过程的多变量控制提供了新的思路．     

大型单元机组实现协调预测控制的研究

大型单元机组的控制对象复杂、滞后大且是时变的多变量系统 ,模型难于准确建立 ,传统的控制策略很难使其达到最佳的运行状态。针对双输入双输出的火电机组机炉协调控制系统 ,提出了一种建立在解耦基础上的多变量DMC的分散优化算法 ,将多变量的DMC算法分散为单变量的DMC算法 ,该算法简单、计算量少、鲁棒性强。仿真结果表明 ,所提出的这种算法在单元机组负荷控制系统中是十分有效的。     

工业锅炉燃烧过程智能控制系统

针对典型的大时滞，非线形的工业锅炉燃烧控制系统．本文提出了一种基于PID神经元网络的工业锅炉燃烧控制系统．在仿真实验的基础上。对PID神经元网络控制与传统的PID控制进行比较和分析，仿真结果表明．PID神经元网络控制方法具有良好的鲁棒性和抗干扰性。其控制效果优于传统的PID解耦控制。     

基于智能模糊遗传算法的锅炉自动控制技术研究

锅炉是国民经济中重要的热能供应设备,电力、机械、冶金、化工、纺织、造纸、食品等行业以及民用采暖都需要锅炉供给大量的热能。锅炉燃烧过程是一个具有大惯性、大时延、变参数的多输入多输出复杂过程,传统的锅炉燃烧控制多采用PID控制,但PID控制是无法为具有大惯性、大时延和变参数的过程提供高质量的控制的,解决这些问题的方法是采用比PID更为有效的控制技术。     

基于静态平衡的循环流化床锅炉床温控制技术的研究

针对循环流化床锅炉燃烧控制系统存在的分布参数、非线性强、时变性强、多变量紧密耦合,造成锅炉燃烧控制系统尤其是床温控制系统无法稳定运行的问题,提出了基于静态平衡的燃烧控制系统实现床温控制方案,通过仿真试验,验证了控制策略的可行性。该方法很好地实现了床温的稳定控制,而床温的稳定控制,有利于减少各控制量相互之间的耦合,达到解耦的目的,也为主蒸汽压力、燃烧控制系统的投运创造了条件。     

基于视觉的板球控制系统研究

板球系统是一个典型的多变量、非线性控制对象,本文针对该系统的基本位置控制和轨迹控制问题,采用基于视觉的控制方案,并在实物板球控制系统做了实时控制,达到了误差1mm以内的控制效果.     

变比例因子模糊控制器在链式锅炉中的应用

针对供暖负荷主要受室外温度的影响,提出根据室外温度和地区计算温度设定链条炉供水温度的方法。由于链式锅炉燃烧系统具有时变、大惯性、大时滞和非线性的特点,传统的PID很难控制,一般的模糊控制器虽能基本达到控制要求,但会存在比较大的稳态误差。采用新型的变比例因子模糊控制方法,使供水温度很好地跟踪室外温度的变化,不仅超调量小,且有满意的稳态精度。在某地区供热锅炉燃烧系统中应用,取得了很好的控制效果。     

复杂多变量过程模型的闭环频域辨识

针对模型预测控制中模型辨识存在的问题,提出一种多变量过程闭环辨识方法.首先通过对多变量闭环系统正常运行产生的输入输出信号进行信号分解和频谱分析,得出多变量过程对象在重要频率段上的频率响应特性矩阵;然后采用最小二乘法,在幅值和相位两方面拟合一个二阶加纯滞后模型结构;最终获得一个多变量传递函数模型矩阵.仿真实验表明,该闭环辨识方法适用于广泛的多变量过程对象,具有很好的鲁棒性和精确性.