电厂过热汽温的智能预测控制方法

电厂过热汽温对象具有大惯性、大迟延和非线性等特性，常规控制策略难取得满意的控制效果。为此，提出一种基于免疫优化的智能预测控制方法，它将离线辨识得到的模型作为预测模型，然后利用实数编码的免疫优化算法在线实现预测控制的滚动优化，给出每个采样时刻的最优控制量。将其应用于过热汽温控制系统进行仿真研究，结果表明该智能预测控制方法具有优良的控制品质。     

基于TS模糊模型的稳定预测控制及其在机炉协调系统中的应用

针对TS模糊系统,提出一种基于模糊李亚普诺夫函数的稳定预测控制方法,通过构造模糊李普诺夫函数并最小化预测控制中无穷时域或拟无穷时域性能指标的上界,来设计满足系统闭环稳定、输入约束以及控制性能最优的平行分配补偿控制律.该控制律最终归结为求解一组线性矩阵不等式约束下的凸优化问题.模糊李亚普诺夫函数的使用减少了公共李亚普诺夫函数及分段李亚普诺夫函数的保守性,增加了可行解的范围.数值仿真和火电厂非线性机炉协调系统中的仿真试验,证明了这种方法的优越性和有效性.     

火电机组负荷多模型鲁棒预见控制方法

提出一种火电机组负荷多模型鲁棒预见控制方法，该方法首先对负荷区间进行模糊划分，然后在每个模糊子区间建立相应的结构参数摄动模型，并使用鲁棒预见控制方法设计控制器，最后总的控制量为多个子控制器输出的加权平均。仿真研究表明，该方法能够使负荷系统获得良好的全局控制性能。     

基于单向解耦的火电机组负荷最优预见控制方法

根据火电单元机组数学模型的特点,将多变量解耦理论与最优预见控制方法相结合,提出了一种基于单向解耦的负荷最优预见控制系统设计方法,该方法将2×2多变量最优预见控制系统的设计转化为两个单回路系统的设计,从而简化了系统结构,减少了计算量。仿真结果表明:所设计的系统具有良好的负荷跟踪性能。图5参7     

小麦粉品质与馒头品质的相关性研究

以9种小麦粉为研究对象,从化学组成与流变学特性两方面对其进行研究.将这些小麦粉制作成北方手工馒头,通过对这些馒头的感官和质构评价得出小麦粉品质与馒头品质的相关性,并结合回归分析归纳出制作优质馒头的小麦粉所需具备的品质性状.     

真菌α-淀粉酶和麦芽糖α-淀粉酶对馒头粉品质改良的比较研究

从提高小麦粉质量、延长馒头货架期的角度出发,以国产小麦粉作为试验用粉,通过粉质试验、降落数值测试、蒸馒头试验及质构测试等分析方法,研究了真菌α-淀粉酶和麦芽糖α-淀粉酶在国产小麦粉中发挥改良作用的应用效果。结果表明:真菌α-淀粉酶对馒头粉综合品质的提高优于麦芽糖α-淀粉酶,而麦芽糖α-淀粉酶在馒头贮存过程中的抗老化效果优于真菌α-淀粉酶。     

精益生产系统中的"单元化生产"

生产设备在生产现场如何布置排列在不同的工业领域所遵循的原则并不是完全相同的。但是，现代生产企业在考虑这一问题时应该有一个基本出发点，那就是通过生产设备的布置排列，形成一个具有高效产出的生产系统。精益生产系统中的“单元化生产”这个概念，就是建立在这一基本出发点上的。单元化生产最初是在机械零件加工和总成装配的领域内，开始产生和发展起来的。     

基于递阶G-K聚类的热工过程多模型建模方法

针对热工过程分段线性化的特点,本文提出一种新的基于递阶模糊聚类的热工过程多模型建模方法。首先基于递阶G-K模糊聚类对系统输入／输出数据空间进行快速聚类分解,避免了聚类数确定的盲目性;然后在每个子空间中利用最小二乘法辨识出相应的线性子模型,再将各子模型通过模糊加权求和以得到精确的系统全局模型。同时,为保证各聚类子空间内样本的“线性化度”,采用新的综合聚类指标,并利用免疫遗传算法来求解该聚类问题,以克服迭代算法易陷入局部极小和对聚类初始化敏感的缺点。该方法能充分利用运行数据中所包涵的对象动态特性信息,以描述过程的全局非线性。最后通过几个典型实例验证了该方法的有效性、准确性。     

基于神经网络的火电机组负荷预见控制方法及其仿真研究

利用多个自适应神经元构造了火电单元机组负荷预见控制系统，研究了用神经网络实现多变量系统的预见协调控制，神经网络输入量应该怎样选取。仿真结果证明了这种控制方案的正确性。与原有的负荷最优预见控制方法相比，该方法不依赖于对象的精确模型，也不涉及权重矩阵的选取。     

基于小波神经网络的火电单元机组负荷系统建模仿真研究

火电单元机组是一种复杂的多变量对象，常规方法难以建立它的非线性数学模型。该文利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。网络隐层采用框架小波函数，输出层采用线性函数，采用BP算法对网络进行训练，并利用自适应的学习速率和动量参数加快网络训练的收敛速度。网络的训练结果和测试结果均表明，小波网络输出值与实际模型输出值之间的误差在允许范围内，小波神经网络可以较好地逼近单元机组负荷数学模型。