基于模糊解耦的火电单元机组负荷控制

讨论了火电单元机组负荷控制问题．根据火电单元机组工况多变的特点，提出一种基于模糊解耦的火电单元机组负荷控制方案，以提高控制系统适应负荷变化的能力．针对300MW仿真机的实测表明，与传统的PID定值控制相比，该方法改善了负荷控制性能，是一种具有实用价值的火电机组负荷控制方法．     

基于多模型和SVM逆系统单元机组解耦控制

火力单元机组协调控制系统是一个多变量、强耦合的控制系统,具有非线性、耦合和延迟等特性,其性能直接影响单元机组运行的安全性和经济性.为了有效解决火力单元机组协调控制系统的耦合特性和动态非线性,设计了基于多模型和支持向量机(SVM)逆系统的解耦控制方法,并进行了相应实验研究.针对一个300 MW单元机组的试验仿真模型,得到单元机组在5个典型工作点的线性化模型,然后对每个线性化模型分别设计SVM逆模型及其动态PID控制器,进而用模型线性组合成多模型全局控制系统.通过加权多项式选取合成的多模型控制方法,可以解决负荷大范围变化引起的非线性问题;支持向量机与逆系统的结合能很好地解决非线性系统的强耦合问题.仿真研究证明了这种控制算法设计的有效性和优越性.     

一类非线性大滞后系统的智能前馈控制策略与算法

针对工业控制中一类常见的非线性大滞后对象,本文提出一种基于仿人智能策略的前馈组合控制器.前馈控制部分通过在线优化滞后参数估计值来获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,从而可以在线调整网络权值.基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态.仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能.仿真表明,这种控制方法可取得较好的控制效果.     

增量式自适应逆控制及在过热汽温中的应用

被控对象的迟延和惯性特性是影响控制系统品质的重要因素之一.从常规PID增量式控制算法入手,在对具有迟延和惯性被控对象的动态特性进行定性分析的基础上,给出了一种改进型增量式控制算法的表达式;分析了被控对象校正逆模型的参数向量与控制器的参数向量之间的联系,进而将控制器的荻取与被控对象校正逆模型的建立相结合,将控制器的自适应过程归结为被控对象校正逆模型的在线辨识问题,通过对校正逆模型的在线辨识直接对改进型增量式控制算法中控制器的参数进行在线修正,形成了一种增量式自适应逆控制系统.将该方法应用于锅炉过热汽温控制系统中,并通过与常规PID串级控制和直接自适应逆控制系统的控制效果对比,验证了所提方法的有效性.     

水平连铸计算机控制系统中的Smith-Fuzzy控制器

介绍了一种可补偿纯滞后的模型参考自学习模糊控制器 ,改善了普通Fuzzy控制器对大滞后工业过程的控制效果 ,通过模糊逆模型修改控制表 ,表现了较高的智能。以水平连铸控制系统为对象 ,进行了仿真研究 ,结果表明这种方法是可行的和有效的 ,具有很好的鲁棒性。     

基于模糊树模型的自适应直接逆控制

基于模糊树模型, 结合神经网络中的逆向学习和专门化学习, 提出了自适应直接逆控制方法. 首先离线辨识对象的逆模型作为初始的控制器, 然后与对象串联, 用最小均方差 (Least mean square, LMS) 算法在线调节控制器中的线性参数. 本方法辨识得到的逆模型控制器可以减少需要的模糊规则数目, 同时达到较好的跟踪控制效果. 仿真结果表明了方法的有效性.     

水平连铸计算机控制系统中的Smith—Fuzzy控制器

介绍了一种可补偿纯滞后的模型参考自学习模糊控制器,改善了普通Fuzzy控制器对大滞后工业过程的控制效果,通过模糊逆模型修改控制表,表现了较高的智能。以水平连铸控制系统为对象,进行了仿真研究,结果表明这种方法是可行的和有效的,具有很好的鲁棒性。     

基于模糊PID控制器的协调控制系统优化

火力发电厂在我国电力工业中占有主要地位,大型火电单元机组的协调控制对象是一个多变量、强耦合的控制对象,针对此对象设计合适的解耦控制器是急需解决的问题.本文结合以1000MW机组作为具体模型,分别采用常规PID协调控制方式和参数自整定模糊PID解耦协调控制方式对全工况下的协调控制系统进行仿真研究,在线对PID参数进行整定,通过仿真结果进一步比较,可以看出,该方法可以很好的对单元机组协调系统进行控制,并能使控制系统的性能得到完善.     

一种火电机组变负荷仿真研究方法

对火电机组协调控制研究现状进行分析,指出了目前火电机组协调控制研究方法的优缺点,提出了基于"算法+模型"的火电机组动态过程仿真研究方法。该方法主要通过Simulink平台中的算法和机组的传递函数模型,构建与分散控制系统中的协调控制逻辑相一致的控制方式。通过在Simulink平台中动态仿真的方式,研究火电机组的动态过程变化特性。特别是通过对变负荷过程中机组主蒸汽压力和实发功率的精度和变化趋势进行仿真,研究了机组协调控制系统的调节性能。通过比较机组主蒸汽压力和实发功率表明,该方法可以仿真机组的变负荷过程的动态响应特性。"算法+模型"的研究方法提供了如何提高机组控制精度和负荷响应速率的研究思路。该方法既避免了在真实运行过程中火电机组由于变负荷试验带来机组运行安全的风险,又可以进一步研究火电机组协调控制系统的控制逻辑和控制系统参数的优化问题。     

机械手的模糊逆模型鲁棒控制

提出一种基于模糊聚类和滑动模控制的模糊逆模型控制方法,并将其应用于动力学 方程未知的机械手轨迹控制.首先,采用C均值聚类算法构造两关节机械手的高木-关野 (T-S)模糊模型,并由此构造模糊系统的逆模型.然后,在提出的模糊逆模型控制结构中, 离散时间滑动模控制和时延控制(TDC)用于补偿模糊建模误差和外扰动,保证系统的全局 稳定性并改进其动态和稳态性能.系统的稳定性和轨迹误差的收敛性可以通过稳定性定理来 证明.最后,以两关节机械手的轨迹跟随控制为例,揭示了该设计方法的控制性能.     

多变量模糊自校正控制器及其应用

本文介绍了表达ＭＩＳＯ动态系统的模糊模型，并提出了有关参数和结构的在线辨识算法。根据辨识的模糊模型，利用Ｃｌａｒｋｅ的单变量广义预测控制（ＧＰＣ）原理［１］设计了多变量模糊自校正控制器。仿真研究表明，该模糊自校正控制方法应用于火电机组负荷系统的控制，可以收到良好的效果。     

基于模糊控制的双闭环直流可逆调速系统的设计

对于双闭环直流可逆调速系统,提出了一种将模糊控制与常规PI控制相结合应用在转速环调节器设计的方法。根据工程经验与专家知识所确定的模糊控制规则,进行模糊推理,实现转速环调节器参数的动态整定。应用Matlab软件构建了双闭环直流可逆调速系统的仿真模型,并对转速环分别采用模糊PI控制器和常规PI控制器的直流可逆调速系统分别进行仿真实验并对比结果。从仿真结果可以得出采用模糊控制可以对直流可逆调速系统的动态与静态特性、抗扰性能、恢复性能以及跟踪性能有比较明显的改善与提高。     

Development of an adaptive fuzzy logic-based inverse dynamic model for laser cladding process

The precision, performance, and robustness of model-based controllers depend, to a large extent, on the accuracy of the inverse dynamic model which is incorporated in the design of the controller. Due to complex nature of the laser cladding process and presence of time-varying uncertainties, derivation of an accurate mathematical inverse dynamic model of the process is very difficult, and involves many unknown parameters. The inverse dynamic model of the complex nonlinear laser cladding process, which is difficult to be described mathematically, can be described by a fuzzy logic-based inverse dynamic model constructed form input–output data. In this paper, the development of an adaptive fuzzy inverse dynamic model of the laser cladding process, using a systematic fuzzy modelling approach is presented. In a closed-loop laser cladding process, the scanning speed of the substrate is required to produce a clad with desired geometry and quality. In this paper, a fuzzy inverse dynamic model that describes the scanning speed as a function of the cladding parameters in particular the clad height is developed. The developed fuzzy model is validated by comparing the model output with experimental data. The results are very promising and show that fuzzy models can accurately describe the process dynamics.     

A FUZZY SELF-LEARNING POSITION CONTROL OF HYDRAULIC DRIVE

Fluid power actuators are characterized by their high-power density and excellent dynamic response. The hydraulic actuator, in particular, is capable of very high output power levels combined with very compact drive unit dimensions. It is ideally suited to many high dynamic applications in modern machines and mechanical systems. However, the disadvantages of hydraulic systems such as nonlinear dynamic behavior due to friction, fluid compressibility, etc. need to be overcome. This is successfully obtainable only by implementation of modern digital control systems designed on the basis of modern control theory. In other words, the modern electro-hydraulic drive has to possess more and more intelligence. The objective of many researchers is, therefore, to develop an algorithm that would be able to control the drive without any a priori knowledge of geometrical, operating, or any other parameters of the system. An attempt to achieve the above objective is represented in this article. The proposed new control strategy uses a combination of fuzzy logic and conventional control approaches. An adaptability is obtained by a fuzzy logic controller designed as a self-learning fuzzy system, based on a reinforcement learning method. The reference tracking behavior is improved by inverse model digital force-filter, while the accurate final positioning is achieved by a switching integrator. The results of experimental investigations are also shown.     

基于模糊控制系统的机械臂自适应控制算法设计

针对现有机械臂控制算法,在轨迹控制和精度补偿方面存在的不足,设计了一种基于模糊补偿系统的自适应控制算法。先在笛卡尔空间内分析了机械臂的空间动力学运动过程,并得出机械臂运动中的最优力矩值,构建模糊控制规则并设定模糊子集;对经典模糊理论进行优化,引入可变论域思维在机械臂运动过程中,系统会实时反馈末端执行器行动轨迹,并实施动态化补偿;基于自适应算法对可变论域模糊控制器进行二次优化,修正模糊规则并校正模型的控制量参数,提升和改善整个机械臂系统的控制精度。实验结果显示,模糊补充自适应控制算法在多关节和多连杆机械臂的角度控制和位移控制精度方面有较大的优势,同时各关节和连杆的运动相应时间仅为0.27s和0.20s。     

Recurrent Neuro-Fuzzy Modeling and Fuzzy MDPP Control for Flexible Servomechanisms

This paper considers the nonlinear system identification and control for flexible servomechanisms. A multi-step-ahead recurrent neuro-fuzzy model consisting of local linear ARMA (autoregressive moving average) models with bias terms is suggested for approximating the dynamic behavior of a servomechanism including the effects of flexibility and friction. The RLS (recursive least squares) algorithm is adopted for obtaining the optimal consequent parameters of the rules. Within each fuzzy operating region, a local MDPP (minimum degree pole placement) control law with integral action can be constructed based on the estimated local model. Then a fuzzy controller composed of these local MDPP controls can be easily constructed for the servomechanism. The techniques are illustrated using computer simulations.     

基于T-S模型的内模控制算法及其应用

针对模糊内模控制算法中模型的建立及模型求逆困难的问题，对一种模糊建模方法进行了改进，在此基础上提出了一种基于T—S模型的内模控制方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构，由模糊辨识获得过程的T—S模型和逆模型，并以此为基础建立内模控制算法。将该算法分别应用于慢时变非线性对象和具有大时延大惯性的热工系统主蒸汽温度的控制，仿真结果表明了该方法具有结构简单，计算效率高等优点，有利于在线应用。     

基于数据挖掘及可信度理论的火电厂水汽化学过程故障诊断方法

迅速确诊火电厂水汽化学过程的故障是维持水汽品质高合格率、保证机组正常高效运行的有效手段,具有重要意义。鉴于当前上述诊断方法缺乏,本文设计了1种基于可信度理论的诊断模型,构建了合理的模糊诊断规则,将可信度推理处理不确定关系的优点应用于水汽化学过程故障诊断之中;利用数据挖掘技术确定征兆权值及规则阈限,解决了可信度推理受主观因素影响过大的问题;还改进了规则可信度的设定方法,使之更接近于专家思维。实例证明,该诊断模型具有较高的准确性和实用性。     

核动力装置蒸汽发生器水位的分层模糊自适应控制

针对压水堆核动力装置蒸汽发生器的水位控制提出一种分层模糊自适应控制方案，该方案中2个模糊控制器分层连接，每个模糊控制均采用典型模糊控制单元，使得模糊规则个数和可调参数个数大大减少，便于在线学习和实时控制，给出了分层模糊控制器的解析表达式及可调参数的在线学习方法，在快速加负荷和突然甩负荷的仿真实验中，该方案的控制效果明显优于已有的变参数PID控制，验证了该方案的有效性。