火电厂锅炉主汽温控制策略的比较研究

锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内;基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真,该结果对当前电厂的经济性和安全性有一定参考价值。     

BP神经网络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。将这种方法应用干主汽温控制，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。     

神经PID控制在电厂主汽温控制中的应用

针对火电厂主汽温被控对象的大迟延、模型不确定性,设计了基于BP神经网络的神经PID汽温控制系统,并用MATLAB进行仿真,结果表明该控制器优于常规PID控制器。     

基于混沌粒子群的神经网络主汽温控制系统

研究火电厂锅炉主蒸汽温度控制优化问题,针对主汽温对象具有大惯性、大迟延、时变性和非线性系统,由于存在实时性和实时性差,传统的PID控制难以获得很好的控制效果,提出一种混沌粒子群优化神经网络的主汽温控制方法。采用RBF神经网络对PID参数进行在线整定,并通过混沌粒子群算法对RBF神经网络初始参数进行优化,不仅具有RBF神经网络的自适应能力,同时具有常规PID串级控制的特性,增强了系统对不确定因素的适应性。仿真结果表明,控制算法具有较好的鲁棒性和控制品质,抗干扰能力强,可为锅炉主蒸汽温度优化控制提供参考。     

神经网络预测控制算法及其应用

针对电站中具有大惯性和变参数等特性的主汽温系统，提出了一种神经网络预测控制算法。该方法是用神经网络来实现预测控制算法中的模型预测和优化计算。将这种算法用于主汽温控制的仿真研究表明，该控制方案表现出良好的控制品质并能适应被控对象参数的变化，具有较强的鲁棒性和自适应能力。它明显优于传统的PID控制。     

模糊自整定PID控制在主汽温控制中的应用

火电厂主汽温控制系统中的被控对象具有大滞后、大惯性等特点,并且影响主汽温变化的因素有很多,主蒸汽流量、减温水流量、烟气温度都会使其发生变化,因此很难用传统的PID控制将被调量控制在规程中允许的偏差范围内.而主汽温作为锅炉的主要参数之一,其稳定性对电厂的安全经济运行有至关重要的作用,因此将模糊控制和PID控制相结合,设计了模糊自整定PID控制器,实现了PID控制器参数的在线自整定.仿真结果表明,模糊自整定PID控制比常规的PID控制超调小且调节时间短,具有比较好的应用前景.     

基于模糊自整定PID的主汽温串级控制系统的设计

火电厂主汽温具有大惯性、大迟延和时变特性等特性,采用常规的PID串级控制难以获得满意的控制效果.为此,提出一种基于模糊自整定PID控制器的串级控制系统,该系统将模糊控制、PID控制和串级控制三者有机地相结合,提高了主汽温控制系统的控制品质.仿真结果表明：系统超调量、调节时间和抗干扰能力明显优于常规的PID串级控制.     

基于神经网络的过热汽温控制

火电厂过热汽温控制系统具有大惯性、大延迟和时变等特性,采用常规串级PID控制方法的过热汽温系统难以获得满意的控制效果。本文设计了基于RBF神经网络辨识的可在线调整PID参数的过热汽温控制系统。在仿真实验的基础上,对基于神经网络的过热汽温控制和最优常规PID控制进行了比较和分析。仿真结果表明,基于神经网络控制策略能够充分利用神经元自学习、自适应的能力使系统的控制品质提高。     

主汽温的改进型神经网络辨识Smith预估器

针对超临界机组主汽温对象具有的大惯性、大滞后和非线性等特点,提出了一种基于BP神经网络辨识的改进型Smith预估方案。采用改进的Smith预估器克服主汽温对象的大滞后特性,并通过神经网络辨识来改善Smith预估控制器对模型精度的依赖,提高其抗干扰能力。通过对超临界机组主汽温对象在不同工况下的仿真,表明该系统对于对象特性变化有较好的适应能力,在动态品质、鲁棒性等方面都明显优于常规Smith控制方案。     

动态矩阵控制算法的仿真研究及PLC应用

针对具有大迟延、大惯性、时变和非线性等特性的主汽温系统,传统PID已无法满足工业生产的需要。采用动态矩阵控制(DMC)算法,对主蒸汽温度系统进行控制仿真,并利用西门子S7-300 PLC的S7-SCL语言,将DMC算法封装成可供用户调用的功能块,完成了DMC算法的PLC实现。为了增强主蒸汽温度控制系统的抗干扰性,将DMC算法与PID控制策略相结合,设计了DMC-PID串级控制结构,以充分发挥DMC对大延迟对象适应能力强和PID抗干扰能力强的优点。针对主汽温系统时变和非线性的特性,在DMC算法中添加了模型切换策略,完成了对主汽温系统多模型控制的仿真,实现了不同模型之间平滑切换。引入性能指标,通过粒子群算法对DMC控制参数进行优化,结合国电智深EDPF-NT DCS系统,对荥阳电厂主汽温系统进行控制试验。试验结果表明,DMC算法在主汽温控制系统中具有着良好的控制效果,提高了系统动静态性能指标。     

基于模糊神经网络PID算法的电阻炉温控系统

由于电阻炉温控系统是一个大惯性、大滞后、时变、且非线性的系统,采用传统PID控制不能解决系统的非线性、时变和PID参数的在线整定难等问题,为此提出一种控制算法—模糊神经网络PID算法。可根据电阻炉的温度的偏差及其变化率实时对PID的3个参数进行优化,达到具有最佳组合的PID控制,从而实现PID控制的自适应和智能化性能。使用MatLab的simulink仿真,通过传统PID与模糊神经网络PID阶跃响应曲线的比较,表明系统采用模糊神经网络PID算法具有更好的动、静态特性和自适应性,对突加的外部的扰动具有良好的抗干扰能力,具有实用价值。     

改进遗传算法优化控制器参数的燃烧控制

主汽压和床温是循环流化床锅炉(CFBB)燃烧控制系统中两个重要的控制指标,直接影响着锅炉运行的安全性和经济性。常规PID控制大多采用人工凑试法来调整PID控制器参数,结果往往耗时且难以实现燃烧系统的实时控制。为了实现燃烧系统的实时控制,提出了一种改进遗传算法优化PID控制器参数的控制方案。在控制过程中,先利用前馈补偿解耦法对主汽压和床温进行解耦,再采用改进遗传PID控制器对两个对象进行独立控制。仿真结果分析表明,与常规PID控制相比,改进遗传算法优化PID控制器参数的控制方案可以有效地改善循环流化床锅炉燃烧系统的动态性能、稳定性能以及快速性能,并提高系统的控制品质。     

锅炉过热蒸汽压力控制系统设计与实现

针对工业过程中具有大惯性、大滞后和模型参数时变等特性的蒸汽出口压力系统,采用常规PID控制方法,往往无法得到满意的控制效果.为此,提出采用三自由度内模控制-模糊自适应PID算法,通过最小二乘原理辨识主蒸汽压力对象的内部模型,实现对蒸汽出口压力系统的串级控制.该控制系统融合了模糊控制、内模控制、PID控制3种方法的特点,程序设计简单,便于工业应用.通过仿真和PCS7实验表明,该方案增强了系统抗干扰能力和鲁棒性能,改善了系统的控制品质.     

火电厂过热汽温的优化控制算法研究

由于火电厂过热蒸汽温度控制具有大延迟、大惯性、非线性、强时变性的特性,传统PID控制算法难以实现良好的控制效果。为了优化火电厂过热汽温控制,提出了一种基于DMC的改进串级PID控制算法。该算法采用DMC改进主控制器输入参数,预测未来输出值,通过预测值与实际值的差值实现输入参数的校正。仿真结果分析表明,该算法与传统PID控制算法相比降低了过热蒸汽温度的超调量,缩短了汽温控制的过渡过程时间,提高了控制系统的抗扰动能力,使控制系统的动态性能和静态性能有了极大改善。     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

改进蚁群PID-神经元解耦的CFB锅炉燃烧系统控制

床温和主汽压都是循环流化床锅炉生产运行中的重要参数,会直接影响机组的安全性和经济性。但由于这两者对象存在非线性、大时延、强耦合等特点,其现场控制效果一直不太理想。本文首先采用自适应神经元将床温和主汽压解耦,再利用具有分工特征的蚁群算法优化参数的PID控制器对两者进行独立控制。采用该算法优化常规PID控制参数,能够实现控制参数的快速寻优。该方案应用于循环流化床锅炉燃烧系统仿真,结果表明能有效实现系统解耦,且具有响应快、超调量小等优点,有效地提高了控制品质。     

直接蒸汽加热器温控系统的仿真研究

针对直接蒸气加热器出口温度具有非线性、时生性、大滞后等特点,建立了直接蒸汽加热器温控系统的数学模型.提出了一种模糊PID温度控制方案,它将常规PID控制和模糊控制二者优点相结合,利用模糊控制规则对PID参数进行自整定,有效提高了系统的抗干扰能力和适应参数变化的能力,保证了加热器出口温度的精确控制.MATLAB仿真结果证明了该方案的正确性和实用性.     

基于参数实时最优整定的智能PID控制器研究

在参数时变系统中,为了解决PID参数不易实时调整问题,提出了基于PID控制律的智能控制方法;其主要思想是以PID的控制律作为神经网络输入输出模型,以PID的3个参数作为神经网络权值,通过对PID的控制模型进行实时在线训练,获得PID的最佳参数,从而实现对参数时变系统的最优控制;研究结果表明,基于PID控制模型的神经网络优化方法在处理非线性和时变系统时具有很强的鲁棒性,因而是一种有效的智能控制方法。     

基于内模控制（IMC）的主汽温度控制系统设计

主蒸汽温度和再热蒸汽温度直接影响火电厂的热效率和汽轮机等设备运行的安全性。传统PID控制器的控制规律简单,但是不能根据控制过程中的不确定性变化做出相应调整。当被控对象参数实时变化时,控制器参数不能做出实时调整。这样会导致过程的品质指标变坏。针对超超临界机组过热蒸汽温度和再热蒸汽温度,提出了一种基于内模控制(Internal Model Control简称IMC)的PID控制策略,将PID控制、Smith预估控制、确定性及线性二次最优反馈控制和多种预测控制归纳于同一结构之下。以1000MW的电厂机组为对象开展了额定工况下和80%额定负荷下的过热气温和再热气温的PID-IMC控制器设计。