特征结构下基于极点配置的多变量预测控制

本文提出了特征结构下基于极点配置的多变量预测控制方法,该方法通过选择一组可调 参数使各特征子系统的闭环极点达到预定的数值,进而计算出各特征子系统中的控制器参数． 仿真试验证实了本文算法的有效性.     

特征结构下多变量预测控制系统的闭环反馈结构及其应用

文献[1]把多变量频域设计方法和单变量预测控制结合起来,提出了在特征结构下的多变量预测控制算法。本文在此基础上提出了特征结构下多变量预测控制系统的闭环反馈结构。利用此反馈结构不仅可有效地减少多变量预测控制算法的计算量及所需的存贮空间,而且还可以方便地判别此类预测控制系统的闭环稳定性。文中以火力发电厂中带汽-汽换热器的20万千瓦火电机组汽温系统为例进行了预测控制的仿真,仿真结果表明,用本文所提出方法设计的多变量预测控制系统,具有良好的控制效果。     

基于生成机理的燃煤电站锅炉NOx排放量神经网络模型

到目前为止，对燃煤电站锅炉NOx生成规律的研究主要集中在试验和基于化学反应动力学的CFD模型研究上，而对基于NOx排放规律的人工神经网络模型研究得较少。为数不多的研究者也只是采用人工神经网络黑箱的特点，没有充分应用现已逐渐成熟的NOx生成机理。该文基于NOx的生成机理，针对某燃煤电站锅炉，提出NOx排放量的神经网络模型。该神经网络模型具有可以预测各一次风粉单元NOx生成量、锅炉NOx排放量、网络隐节点数少、泛化能力强、鲁棒性好、学习速度快等优点。所提出的模型可以为大型电站锅炉通过燃烧系统自动调整或结构改造降低NOx排放提供依据。     

基于模糊规则的热工过程非线性模型的研究

建立精确的热工过程整体模型是对热工过程进行全局优化控制的基础，而热工过程往往具有非线性和不确定性，传统的描述热工过程动态数学模型的方法（如传递函数等）难以建立非线性模型，从而难于精确表达热工过程及实施整体优化控制，该文提出了一类实用的基于模糊规则的热工过程非线性建模方法，具体为：首先通过聚类和竞争学习算法，对热工过程的输入数据空间进行分区，然后在每个局部的数据子空间上，利用递推的最小二乘辨识算法（RLS）建立一个基于模糊规则的局部线性动态模型，这样，一个典型的非线性热工过程可以通过一组基于模糊规则的线性模型来表示。计算结果表明：基于模糊规则的非线性模糊模型，不仅能精确地描述过程的非线性，而且算法简单，实用。     

基于最小资源分配网络的热工对象辨识

建立热工过程的全局非线性模型是热工控制系统全局优化的基础,而静态神经网络难于对非线性动态过程进行建模。资源分配网络(RAN)可以动态调整网络参数,而扩展卡尔曼滤波器(EKF)算法可加快收敛速度。将上述方法有机地结合起来,在此基础上加入剪枝策略和滑动窗口RMS准则,形成了改进的最小资源分配网络(MRAN)。将改进方法应用于典型热工过程的非线性动态建模中,仿真结果表明MRAN网络结构紧凑,建模精度高,适合于在线应用。最后分析了网络初参数对其性能的影响。     

电厂锅炉燃烧控制系统优化

结合南京热电厂6号锅炉燃烧控制系统的实际工程,分析基于直接能量平衡（DEB）压力控制系统的实质,提出分析、整定DEB系统的方法;同时还分析送、引风控制系统特点,提出优化送、引风控制系统方法。该优化控制技术已应用于南京热电厂6号锅炉燃烧控制系统中,明显改善了锅炉燃烧控制系统品质。     

智能PID控制器的设计及其应用研究

作者将智能控制的设计思想和常规的ＰＩＤ控制算法结合起来，提出了智能ＰＩＤ控制器的模型。它不仅具有传统ＰＩＤ控制器结构简单、算法实用的特点，而且具有智能控制的典型特征－具有自学习能力，即智能ＰＩＤ控制器的参数值可根据系统的行为进行自学习获得，而不是根据被控对象的数学模型进行整定。将智能ＰＩＤ控制算法应用于火电厂过热汽温控制的仿真结果表明，控制系统具有优良的控制品质，而且ＰＩＤ控制器的参数值能很快收敛     

125MW机组凝结水系统控制技术的改进

针对南京热电厂6号机组（125MW）的凝结水系统，将凝结水泵的定速运行改造为变频调速，并采用模糊控制技术控制凝泵转速和补水门开度，以便在稳定或变负荷情况下维持除氧器水位和凝汽器水位。实际运行表明，该控制系统不仅具有优良的控制品质，而且由于凝泵采用了变频调速，具有非常明显的节能效果。     

模糊PID控制器及在汽温控制系统中的应用研究

本文将模糊控制和常规ＰＩＤ控制两种设计思想融合起来，提出一种基于模糊规则的ＰＩＤ控制器的设计方法。这种方法首先通过建立模糊规则和进行模糊推理来确定ＰＩＤ控制器的参数，而后由ＰＩＤ控制律直接确定控制作用。仿真结果表明，用本文方法所设计的汽温控制系统比常规的具有固定参数的ＰＩＤ控制具有更加优良的性能。