核电站蒸汽发生器水位模糊预测控制

在核电站运行过程中,U形管蒸汽发生器的水位作为重要参数需维持在安全的范围内.U形管蒸汽发生器结构复杂、系统逆动态、大范围变工况下具有强非线性,尤其在低负荷下,采用常规控制难以取得良好效果.本文建立了蒸汽发生器水位模糊模型,提出了能够满足系统输入输出约束的基于模糊模型的准–最小–最大预测控制方法.为了减轻在线运算负担,通过线性矩阵不等式离线计算椭圆不变集合及其对应的反馈控制律,然后依据系统的状态,二等分搜索对应的椭圆不变集参数,将在线计算简化为一个简单的优化问题.针对水位设定值跟踪和负荷变化的仿真结果表明了本文所提出控制策略的有效性.     

一种用于电站燃烧经济性预测的灰箱建模研究

介绍了一种灰箱建模方法及其在电站锅炉经济性能预测中的应用。首先,根据相关文献综合一组实际锅炉效率的简化计算公式;然后分别构造锅炉效率的灰箱模型及人工神经网络模型;最后,以机理模型为标准,比较灰箱模型和神经网络模型的学习精度和预测能力。实例计算证明,灰箱模型在预测精度上有着明显的优势,且灰箱模型具有清晰的物理意义。该灰箱方法计算,过程简单,易于收敛,具有较好的实际应用前景。     

改进的预测函数控制算法及其应用研究

针对典型的一阶惯性纯滞后2入2出多变量系统，提出了基于Smith 预估补偿思想的分散解耦、集中控制的预测函数控制设计方法：将系统分解成两个具有可测扰动的单入单出子系统，当扰动通道的纯滞后时间大于控制通道的纯滞后时间时，控制器输出可根据系统输入输出的已知信息求出；当2个子系统的扰动通道纯滞后时间均小于控制通道的滞后时间，可以通过求解二元一次方程组求出，从而实现多变量预测函数控制。通过对一典型工业过程的一阶加纯滞后等价描述对象的仿真研究,证明这种算法不仅可以实现静态完全解耦和无静差跟踪，而且能够获得更好的动态解耦品质；同时在各种模型失配情况下有较强的鲁棒性和抗干扰能力。     

一类网络化串级控制系统的性能分析

基于工业过程控制实际,引入了网络化串级控制系统的概念,并指出了网络化串级控制系统的四种典型拓扑结构.针对其中的一类具有不同性质网络诱导时延的网络化串级控制系统,研究了将传统的离散时间控制方法应用于网络化串级控制系统闭环系统建模的可行性.将控制方法分为同步和异步两种,提出了系统的性能损失指标,同步和异步控制时的系统仿真结果表明异步控制所得到的性能优于同步控制的性能.从而推导出结论网络化串级控制系统的分析与设计需要更多的异步控制方法.     

负荷频率系统的LFC模糊监控器设计

应用在LFC控制中常规的模糊调整增益PI控制器和I控制器,只针对单一区域的负荷频率进行控制,并不考虑实际模型中的互相扰动.其中最突出的问题是由于不限制联络线上的功率流动,电能总是从频率高区域流向频率低区域,加剧了频率高区域的控制负担,再加上各区域控制动作的不协调,使得当扰动在不同的时间和幅值时引起系统调节过程的急剧恶化,导致整个系统不稳定.提出一种基于模糊MAMDANI推理算法的模糊监督控制器,采用各个区域的频率偏差作为控制器的输入,监督控制器作为一种前馈补偿,设计输出为一个ACE的倍数,加快调节过程,到达稳态.经过实验仿真数据对比,说明提出的监督控制器能有效提高系统的稳定性.     

变参考轨迹下的鲁棒迭代学习模型预测控制

迭代学习模型预测控制是针对间歇过程的先进控制方法.它能通过迭代高精度跟踪给定参考轨迹,并保证时域上的闭环稳定性.然而,现有的迭代学习模型预测控制算法大多基于线性/线性化系统,且没有考虑参考轨迹变化的情况.本文基于线性参变系统提出一种能有效跟踪变参考轨迹的鲁棒迭代学习模型预测控制算法.首先,采用线性参变模型准确涵盖原始非线性系统的动态特性.然后,将鲁棒H_∞控制与传统迭代学习模型预测控制相结合,抑制变参考轨迹带来的跟踪误差波动,通过优化线性矩阵不等式约束下的目标函数求得控制输入.深入分析了鲁棒迭代学习模型预测控制的鲁棒稳定性和迭代收敛性.最后,通过对数值例子和连续搅拌反应釜系统的仿真验证了所提出算法的有效性.     

模糊控制在电厂锅炉控制中的应用现状及前景

文章综述了模糊控制在电厂锅炉这一得杂热工系统控制中的应用现状及前景,着重围绕着锅炉的燃烧系统和汽水系统对模糊控制应用的必要性及应用方式的前景展开分析,最后提出了模糊控制应用于锅炉控制中的需解决的问题。     

微粒群优化负荷频率控制

针对两区域电力系统运用微粒群优化算法进行负荷频率控制,将模糊控制和微粒群优化算法相结合,利用微粒群算法优化模糊控制规则和PI控制器参数,以实现对控制规则的自调整,并在负荷频率控制中引入模糊决策控制,以减弱由时延引起的系统振荡。对两区域的负荷频率控制系统用MATLAB软件进行仿真,并将其与传统的积分控制和模糊自调整PI控制进行比较,仿真结果表明该方法的有效性,对复杂的非线性电力系统能取得良好的控制效果。     

基于Gabor小波的火灾烟气识别新方法

研究提出一种基于Gabor小波的火灾烟气模型,以提高基于视频图像的火灾烟气检测的准确性。本文采用混合高斯模型与色度方差相结合的方法定位火灾烟气目标区域,并基于Gabor小波对烟气纹理及边缘特征进行描述,从而提出烟气变化能量模型与方向角分布模型来分析纹理变化的动态性质。最后采用Gentle Boosting设计分类器对模型特征进行分类与匹配,并实现在训练的同时进行最优特征选择。与传统方法相比,基于本文方法的火灾烟气检测在降低漏报率与误报率方面拥有更好的性能。     

双馈风力发电机非线性模型预测控制

在现代风力发电厂中, 需对双馈式风力发电机(Doubly fed induction generator, DFIG)进行有效控制来确保高效率和高负荷跟踪能力. 风力发电厂包含很多不确定因素和非线性因素, 传统的线性控制器往往难以奏效. 本文针对双馈式风力发电机的功率控制提出了一种非线性模型预测控制方法. 文中的目标函数考虑了现实约束下的经济因素和设定值跟踪能力, 同时降低机组磨损和机械疲劳. 预测值可基于输入输出反馈线性化(Input-output feedback linearization, IOFL)策略来计算. 仿真实验结果验证了所构造的非线性模型预测控制器的有效性.