多输入多输出热工系统的辨识与建模研究

针对热工系统一般为多输入多输出的特性,介绍了多输入多输出辨识建模方法的基本原理,分析了将多输入多输出系统推导简化为多个多输入单输出系统的具体过程,在此基础上,研究了采用以独立伪随机信号为输入信号的多输入多输出系统的辨识试验方法及相应的辨识算法.利用上述辨识方法建立了某燃煤锅炉燃烧系统的动态数学模型,计算结果表明:该辨识建模方法对多输入多输出热工系统具有良好的建模效果.     

大型循环流化床锅炉床温动态模型的研究

通过对循环流化床结构和炉内温度动态特性的分析,分别建立了炉膛、旋风分离器和外置床内的氧气体积分数平衡方程、动态床料量平衡方程、动态残碳量平衡方程和动态能量平衡方程,给出了以给煤量、一次风风量、二次风风量、排渣量和飞灰量作为输入变量的动态模型.基于四川白马电厂300MW循环流化床锅炉的现场数据,利用Matlab软件对该动态模型进行仿真,得到了一次风风量和给煤量阶跃扰动下床温的响应情况.结果表明:仿真结果与实际运行数据较吻合,可以很好地反映输入参数发生变化时床温的动态响应情况.     

循环流化床锅炉燃烧系统动态特性分析

根据循环流化床锅炉(CFBB)的工作特点以及燃烧系统输入和输出过程变量间的耦合关系,讨论了CFBB的蒸汽压力和床温的动态特性。认为引起蒸汽压力变动的主要原因在于燃料量(内扰)和汽轮机调门的变化(外扰);而影响床温变化的主要因素是给煤量、风量、物料循环量的变动,并从传热和燃烧过程分析了这些因素间的相互耦合关系。这对CFBB燃烧自动控制系统的设计与调试,以及整个控制系统的可靠运行都至关重要。     

自适应模糊神经网络控制在锅炉过热汽温控制中的应用

常规的模糊控制系统不能自动地将专家知识经验转化为推理规则库,缺乏有效的方法来改进隶属度函数,而自适应神经模糊推理系统(ANFIS)将模糊逻辑和神经元相结合,采用反向传播算法和最小二乘法的混合算法来调整前提参数和结论参数,并能自动产生模糊规则.在此基础上提出了一种自适应模糊神经网络控制器,并将其应用于火电厂锅炉过热汽温控制中.结果表明:与常规的PID控制相比,该方法提高了锅炉汽温控制系统的动态稳定性和抗干扰性.     

循环流化床锅炉燃烧系统动态特性分析

根据循环流化床锅炉的工作特点以及燃烧系统输入和输出过程变量间的耦合关系,讨论了ＣＦＢＢ的蒸汽压力和床温的动态特性。认为引起蒸汽压力变动的主要原因在于燃料量（内扰）和汽轮机调门的变化（外扰）;而影响床温变化的主要因素是给煤量、风量、物料循环量的变动,并从传热和燃烧过程分析了这些因素间的相互耦合关系。这对ＣＦＢＢ燃烧自动控制系统的设计与调试,以及整个控制系统的可靠运行都至关重要。     

火电厂主蒸汽温度UMDA整定模糊PID控制算法

针对火电厂锅炉主蒸汽对象的温度控制变参数、大时滞问题,提出了一种基于单变量分布估计优化算法(UMDA)整定的模糊PID控制算法,以改善温度控制效果.对于给出的大时滞系统模型,首先在PID控制器的基础上通过模糊控制规则并行地进行辅助修正,采用UMDA对其中参数进行整定,实现对模糊PID的自整定优化设置,最后对所设计的时滞温控系统进行仿真分析.结果表明:采用所提方法系统在无扰情况下基本不存在超调,摄动输入下也能明显地降低超调量,且调整时间较短,明显改善了原系统的动态性能和静态性能.     

基于知识与模糊神经网络的故障诊断技术

论述了建立规则型模糊神经网络的理论和方法,针对大型旋转机械提出了一种采用多层规则库结构及智能推理机的故障诊断技术,该技术以Ｒｕｌｅ型模糊联想记忆器作为诊断系统的分类和综合算法,把基于知识的符号处理方法与模糊神经网络有机结合在一起,讨论了模糊神经网络输入和输出模糊化的问题,为电厂汽轮发电机组故障诊断专家系统提供了新的思路。     

基于动态论域的循环流化床锅炉燃烧系统的模糊自适应PID控制

基于循环流化床(CFB)锅炉燃烧系统非线性、强耦合、大滞后等特点,针对床温与主蒸汽压力强耦合控制难点,设计前馈补偿解耦控制器降低二者耦合度,在对解耦后的独立回路采用模糊自适应PID控制的基础上,引入动态论域的思想,利用随工况自适应变化的伸缩因子调整模糊论域范围,对PID参数Kp、Ki、Kd进行更精准的在线整定.以某CFB锅炉燃烧系统为研究对象,进行动态论域模糊自适应PID控制仿真试验.结果 表明:相比传统模糊PID控制,燃烧系统主要参数通过动态论域模糊自适应PID控制的动态超调量减小5％～10％,动态响应速度提高近30％;动态论域模糊自适应PID控制方法自适应性和鲁棒性良好,可满足实际热工现场需求.     

航空发动机自适应模糊滑模控制方法的研究

为使航空发动机在较广的运行条件下满足控制需求,采用四种不同的方法设计自适应模糊滑模控制器,用模糊控制逼近滑模切换控制项,并通过参数自适应律的设计,根据工况条件自动调整输出模糊集合中心。仿真比较了四种设计方法在航空发动机线性模型稳态点的控制效果和转速跟踪性能。结果表明,间接自适应模糊滑模控制和采用三条模糊规则的自适应模糊滑模控制方法的系统响应快、超调量小、转速跟踪能力强,综合控制性能较好。     

基于补偿模糊神经网络的灰循环系统控制研究

针对循环系统回料量对循环流化床锅炉床温的影响,采用补偿模糊神经网络的建模方法,建立灰循环系统回料控制模型,选取锅炉床温变化及变化率作为输入、回料风量作为输出进行了仿真研究,并与常规控制进行比较．结果表明：补偿模糊神经网络控制器对参数变化的适应性明显优于常规控制器,补偿模糊神经网络方法对灰循环系统控制优化有实际意义．     

300 MW循环流化床锅炉负荷、床温和床压的动态特性分析

基于300 MW循环流化床锅炉现场试验数据,采用最小二乘法进行拟合推导,提出了较为完整的锅炉负荷、床温和床压在不同工况下的阶跃响应模型.在此基础上分析了锅炉负荷、床温和床压的动态响应特性,阐述了相应的控制难点.分析结果为300 MW循环流化床锅炉的运行和优化控制提供了参考.     

裤衩腿循环流化床"翻床"过程影响因素的研究

利用所建立的裤衩腿循环流化床动态数学模型,对"翻床"过程的原因及主要影响因素进行了分析.结果表明:选用对压力变化相对稳定的罗茨风机并保证其工作在稳定工况区以及在合理范围内降低床料压降占炉膛总压降的比例,均有利于控制"翻床"现象的发生;两侧较大的温度偏差也有可能导致两床发生失稳,运行时应尽量保持炉膛两侧床温一致.     

循环流化床锅炉床温控制过程分析

比较全面地分析循环流化床锅炉运行中影响床温的因素,结合电站锅炉的特点,讨论了在变工况运行下的床温调节规律,着重分析了与煤粉炉控制和运行性能的不同点,对循环流化床电站锅炉控制系统的设计和运行有一定参考价值。     

循环流化床锅炉床温的控制特性

结合上海石化热电总厂310 t/h循环流化床锅炉的运行实例,研究循环流化床锅炉燃烧系统中床温的控制特性.根据锅炉燃烧试验曲线,确定了影响锅炉床温变化的各个调节变量及其相应的传递函数.其中,一次风变化对床温影响表现出典型的逆向响应特性.以经典控制理论为基础,详细分析了逆向响应系统的特点,与右半平面零点的关系,以及闭环的稳定性问题,并且将结论进一步推广到含有延迟环节的系统.     

堆积床内过滤燃烧的瞬态研究

基于双温度模型和修正的单温度模型,采用基本解方法,对惰性堆积床内甲烷／空气的低速过滤燃烧进行瞬态研究,给出瞬态温度分布,考察不同模型、不同球颗粒直径对燃烧波形状的影响,并对理论模型进行敏感性分析．计算结果表明,双温度模型高估了火焰温度,单温度模型低估了火焰向下游的热输运,气固相间换热项是燃烧过程的主输运项．分别采用基本解方法和特征值方法,对充分发展后的温度分布进行数值计算,两方法的计算结果吻合较好,都能捕捉到一些特征燃烧现象．     

循环流化床锅炉的汽压自适应控制系统

根据循环流化床锅炉的动态特性,并结合实际工艺过程,提出一种单元机组汽压全系数自适应控制系统,给出了被控对象在50%～100%负荷间的特征参数值及数学模型.采用"空气-床温"反系统,避免对空气量的直接测量,并实现汽压与床温的解耦控制.现场运行证明,该系统具有较好的控制效果.     

新型流化床颗粒层过滤器及其阻力特性的研究

ＩＧＣＣ、ＰＦＢＣ等新型、高效的能源清洁转换系统都需要一套运行可靠、高效、维护简单的高温或常温煤气净化装置。新型流化床颗粒层过滤器与陶瓷过滤器、金属烧结网过滤器、移动床过滤器等一样，都是正在发展的高温煤气过滤器，但它有自己的独特优点。本文介绍、分析了新型流化床颗粒层过滤器的特点，三维流化床颗粒层过滤器冷态实验台的有关参数，以及在冷态实验台上进行的阻力试验的初步结果。这为进一步进行效率试验、结构优化试验奠定了基础。     

循环流化床锅炉床温控制神经网络动态建模

针对循环流化床锅炉燃烧过程非常复杂,难以建立精确的数学模型,提出基于神经网络的方法对床温控制系统进行建模,并对标准的BP网络进行了改进,引入系统动态性,较好地解决了床温调节的滞后性.根据所提的建模方法对某电厂已投产的一台循环流化床锅炉实际建模.计算结果表明,该模型对床温具有较好的预测能力,能够反映一次风、给煤量等操作量变化时循环流化床锅炉床温的动态特性,说明了该建模方法的可行性,对床温控制系统的研究有一定的实际意义和应用价值.     

模糊神经网络控制器在CFBB床层温度控制中的应用

由于循环流化床锅炉(CFBB)的燃烧过程是一个多参数、非线性、时变以及变量强耦合的过程,很难建立被控对象的准确数学模型,根据CFBB床层温度被控对象的动态特性,设计了一个模糊神经网络自适应控制系统,引用模糊高斯基函数神经网络结构,并采用基于变尺度优化学习算法的改进型学习算法(MDFP),其学习信号由神经网络辨识器(NNI)提供.理论分析和仿真结果表明该控制系统具有良好的控制性能,其稳定性、鲁棒性等控制品质明显优于常规模糊控制.