用RBF网络整定的火电厂主汽温PID串级控制系统

火电厂主汽温具有大惯性、大迟延等特性，其动态特性随负荷而变化，采用常规的按照典型工况整定的固定参数PID串级控制难以获得满意的控制效果。为此，提出一种用RBF网络整定的PID串级主汽温控制策略，将RBF神经网络和常规PID串级控制相结合构成的智能PID控制器不仅具有常规PID控制器的特性，而且具有智能控制器的自学习能力，增强了系统对不确定因素的适应性。仿真研究结果表明：系统动态品质明显优于通常的PID串级控制，能适应对象参数的变化。具有较强的鲁棒性和自适应能力。     

基于虚拟仪器的液位串级控制实训系统的设计

以虚拟仪器为基础,利用NI公司的数据采集模块,设计了液位串级控制实训系统。以上、下水箱液位构成串级控制系统,下水箱液位作为主回路,上水箱液位作为副回路,利用虚拟仪器开发软件Lab VIEW提供的图形化编程语言设计了基于PID算法的串级控制程序和可视化的人机监控界面。通过系统调试发现,基于虚拟仪器设计的上、下水箱串级控制系统控制效果良好,受到干扰时也比较稳定。     

基于串级PID的相变储能电锅炉温度控制技术

针对相变储能电锅炉温度控制系统具有大惯性、大滞后的特性,提出了一种基于串级PID的温度控制方法。通过控制循环风机风量控制电锅炉的出水温度,串级控制系统副回路根据储能材料模块处进风温度与出风温度的温差变化调节循环风机风量进行粗调;主回路根据换热器一次侧出风温度与进风温度的温差变化调节循环风机风量进行细调,使电锅炉出水温度达到目标值。其中主调节器采用了PID控制,副调节器采用了P控制。利用MATLAB/Simulink软件进行仿真,结果表明本文提出的控制方法能够实现对电锅炉出水温度的稳定控制,并具有一定的抗干扰能力。     

GPC-PID串级控制在主汽温控制系统中的仿真研究

针对火电厂主汽温控制系统大惯性、大延迟且模型不确定,以及常规PID串级控制难以取得良好的控制效果等特点,设计的主汽温控制系统将串级控制结构与预测控制相结合,内回路采用常规比例调节,外回路采用广义预测控制器(GPC).通过Matlab仿真得到,该系统具有较强的鲁棒性和很好的控制品质,适合具有时滞的复杂控制系统.     

无模型自适应预测控制在过热汽温控制中的应用

采用伪梯度向量(pseudo-partial-derivative,PPD)的概念,对被控系统进行动态线性化处理得到预测模型,提出了一种改进的无模型自适应预测控制算法(model free adap-tive predictive control,MFAPC)。将这种新方法应用到火电厂中具有大惯性、模型不确定性等特性的过热汽温串级控制系统中,主回路采用MFAPC算法,副回路采用常规PID控制,仿真结果证明了该串级控制策略的有效性。     

单元机组过热汽温控制系统的负荷适应性

为了增强过热汽温控制系统的负荷适应能力,以一个600MW机组的过热汽温系统为研究对象,设计了由4组局部控制器组成的负荷调度控制系统,并以主蒸汽流量作为系统的调度变量。每一组局部控制器对应一种典型工况,采用串级内模原理进行设计和整定,其中,高阶的外回路控制器通过Taylor级数展开的方法简化为实际PID形式。控制系统各局部控制器之间的跟踪与无扰切换通过Hanus方法实现。系统保留了传统串级控制系统克服内回路扰动、提高系统工作频率的优点。在不同负荷下的仿真试验以及大范围变工况试验均表明,该系统具有良好的负荷适应能力。图5表3参3     

SCR脱硝系统的强化学习复合串级控制

针对选择性催化还原(SCR)脱硝系统存在多扰动、大迟延、大惯性等特点,提出基于改进的双延迟深度确定性策略梯度(ITD3)算法、比例积分(PI)控制器和扰动观测器(DOB)的一种ITD3-PI复合串级控制算法。首先,借鉴PID控制思想提出了一种ITD3算法,通过对出口NO_x质量浓度设定值与测量值之间的误差进行微分和积分运算生成新的环境状态,并将新的状态、测量值和误差同时储存于经验池中;然后,利用DOB来估计脱硝过程的扰动,并进行前馈补偿;最后,对ITD3-PI复合串级控制与TD3-PI复合串级控制、复合串级PID控制和串级PID控制进行对比实验。结果表明：所提方法控制速度快、超调量小、抗干扰能力强,为强化学习在SCR脱硝系统中的应用提供了新的思路。     

TORQUE CONTROL STRATEGY RESEARCH OF LARGE-SCALE VSPR WIND TURBINE

针对兆瓦级变速变距风电机组的转矩控制提出一种基于转矩阻尼控制器和RBF神经网络PID整定的智能参数优化方法.该方法采用模态线性化过程进行被控对象模型提取,经Campell模态分析后,对多人多出线性空间被控对象进行PID转矩控制器的设计及参数优化,最后对3MW海上风电机组进行控制系统的设计验证.结果显示:传动链阻尼器的设计使得传动系统扭矩波动明显减小;采用RBF神经网络整定的PID控制参数,使系统的快速性好、自适应能力强,具有良好的控制品质.     

航改燃机的专家PID控制仿真研究

航改燃机是非常复杂的控制对象。当前航改燃机应用领域逐步扩展,航改燃机通常采用串级控制方案。但当燃机用于船舶动力、工业发电等领域时,由于负载扰动大,采用常规的串级控制难以获得理想的控制效果。在串级控制基础上,通过引入专家PID控制方法,对燃机在大负载扰动条件下进行了性能仿真分析。2种控制方法的仿真对比结果表明:专家PID控制比串级控制具有更好的性能指标,为后续整个燃机系统的动态响应试验提供了参考与指导意义。     

火电厂主汽温控制系统的免疫PID串级控制

火电厂主汽温控制系统具有大惯性、大延迟和时变等特性,采用常规PID串级控制方法的主汽温系统难以获得满意的控制效果。生物免疫系统是一种在大量干扰和不确定性环境中都具有很强鲁棒性和自适应性的系统。借鉴生物免疫反馈响应过程的调节规律,提出将免疫PID串级控制策略应用到火电厂主汽温控制中,针对某超临界600MW锅炉高温过热器在4个典型工况点的仿真研究表明,该策略的控制效果优于常规的PID串级控制,它能适应对象参数的变化,具有较强的鲁棒性和自适应能力。图5表2参8。     

基于改进型GA优化FNNC的SG水位控制系统仿真研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性性、时变性等特性,导致传统的串级PID控制等方法难以取得好的控制效果.本研究在串级控制的基础上,采用模糊神经网络来对蒸汽发生器水位进行控制,该控制算法能够充分发挥模糊控制及神经网络的优点.另外,为了减小模糊神经网络参数初值的选择对控制器的性能影响,将一种改进型遗传算法用于模糊神经网络控制器的参数优化.仿真结果表明,设计的控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级PID控制及常规的模糊神经网络控制相比较都有了很大的提高.     

基于RBF神经网络的电喷天然气发动机空燃比控制

电喷天然气发动机空燃比在工况突变时会剧烈波动,为提高控制精度,使用RBF神经网络和前馈PID控制算法相结合,由当前工况决定燃料基本喷射量,再由RBF神经网络预测的空燃比信号传递给PID控制器进行反馈调节。此外利用Matlab/Simulink软件进行仿真,建立了电喷天然气发动机空燃比仿真模型。仿真结果表明,该控制方法在节气门及发动机转速突变的情况下,过渡时间较PID算法明显减小,控制精度亦有提高。     

Power decoupling control of a solid oxide fuel cell and micro gas turbine hybrid power system

Solid Oxide Fuel Cell (SOFC) integrated into Micro Gas Turbine (MGT) is a multivariable nonlinear and strong coupling system. To enable the SOFC and MGT hybrid power system to follow the load profile accurately, this paper proposes a self-tuning PID decoupling controller based on a modified output-input feedback (OIF) Elman neural network model to track the MGT output power and SOFC output power. During the modeling, in order to avoid getting into a local minimum, an improved particle swarm optimization (PSO) algorithm is employed to optimize the weights of the OIF Elman neural network. Using the modified OIF Elman neural network identifier, the SOFC/MGT hybrid system is identified on-line, and the parameters of the PID controller are tuned automatically. Furthermore, the corresponding decoupling control law is achieved by the conventional PID control algorithm. The validity and accuracy of the decoupling controller are tested by simulations in MATLAB environment. The simulation results verify that the proposed control strategy can achieve favorable control performance with regard to various load disturbances.     

基于Rife法的波浪发电RBF神经网络功率优化控制

为提高不规则海况下直驱式波浪发电系统的功率捕获能力,通过建立水动力模型及直线电机模型,分析等效模拟电路共振状态,构造最优功率捕获条件;针对波浪工作环境强噪声干扰问题,采用Rife法获取波浪主导激励分量,设置等效阻尼系数,计算q轴最优期望电流跟踪值;通过设计径向基函数（RBF）神经网络PI控制,提高等效控制电流信号的跟踪精度,改善系统动态性能。仿真结果表明,所提策略对含强噪声干扰的波浪信号主频段幅值和频率预估精度高,跟踪期望电流效果好,鲁棒性强,系统输出功率优化效果显著。     

神经网络自学习PID控制器的研究

从兼顾人工神经网络控制系统自学习能力和实时性角度出发，通过构建新的人工神经网络自学习PID控制器的结构，控制系统的样本拾取，更新与优化均采用在线学习方式，使控制系统具有较强的自学习能力。在分析了目前广为应用的多层前向神经网络误差反向传播算法(BP)的局限性及原因的基础上，提高了改进的BP算法-自适应动量项BP算法。从而提高了神经网络的收敛速度和收敛精度，并通过实例验证了自学习PID控制器的可行性及改进算法的合理性。图6参4     

移相全桥变换器在电动汽车充电单元中的应用

分析了峰值电流控制模式下移相全桥变换器的工作原理,设计了电动汽车充电单元的串联双闭环控制器。该控制器外环主回路实时获取负载电压与输入参考电压之间的偏差,通过输入PID电压环对输出电压进行调节,其内环副回路实时计算原边控制电流与PID电压环控制输出的偏差,通过输入PID电流环对控制电流进行调节。针对当控制输入信号占空比大于50%后峰值电流变换器系统出现不稳定的问题,设计了一种斜坡补偿方法,并以PIC16F887单片机为核心,开发了一套电动汽车充电控制单元。实验结果表明,所设计的充电控制单元可以满足电动汽车的充电要求,并具有可靠性高、动态响应快、补偿网络易实现以及带宽增益较高等优点。     

利用剩余风电的感应储能供暖控制系统研究

为了解决我国北方地区风电的弃风问题,改进剩余风电供暖系统的直接消纳储能技术,改善电蓄热供暖控制系统中存在换能装置电热转化效率低下的问题,经过方案对比提出采用电热转换效率高、安全可靠性好的电磁感应加热装置作为供暖系统的换能装置。为优化储能水箱加热供暖系统的控制策略,针对系统给定的控制需求,采取前级附加给定温度模糊控制器串联后级感应加热模糊PID控制器的复合控制策略,使闭环加热系统的给定温度随室外温度的变化而调整;同时为了节约不可再生能源,降低损耗,采用与后级模糊PID控制器的输出构成闭环比值随动控制系统的加热循环流量协调控制策略。利用Matlab/Simulink软件进行仿真实验,结果表明：模糊PID控制特性明显优于传统PID控制,系统的超调量显著减少,动态调节速度明显加快;实现模糊控制和模糊PID控制复合与协调智能控制策略的网络化,提高了系统控制的实时性和可靠性,使系统控制性能大为提升。     

基于RBF神经网络自适应PID的预焙阳极焙烧炉温度控制

针对工况变化频繁的焙烧炉焙烧过程,提出了一种基于径向基函数(RBF)神经网络自适应PID的控制策略,该方法是通过神经网络的自学习能力在线调整PID控制器的参数,因而,其兼顾神经网络和传统PID控制的特点,能根据被控对象当前特征迅速地做出相应决策、克服实际控制过程稳态性和准确性之间的矛盾。将其应用于预焙阳极焙烧炉温度过程控制中,实验结果表明:它具有很强的自适应能力和鲁棒性,达到了满意的控制效果。     

变速恒频双馈风力发电系统RBF网络整定PID控制器设计

针对双馈风力发电系统基于近似线性化模型的PID控制系统动态性能较差、抗干扰能力较弱的缺点,该文给出基于非线性逆系统伪线性化模型的具有RBF网络整定的PID控制策略.首先使用非线性控制系统的逆系统理论对双馈风力发电系统的完整数学模型进行解耦,然后利用RBF神经网络在线调整PID控制器参数,处理系统参数不确定性和外部干扰对控制性能的影响.理论分析和仿真研究结果表明:该控制器能保证系统在风速变化情况下最大程度地获取风能,且达到电网恒频恒压的要求,实现安全稳定地并网运行.