基于多模型的内模控制及其在电厂过热汽温中的应用

针对电厂过热汽温被控对象具有大惯性、大滞后特性且对象参数随负荷变化较大等因素,提出了一种基于多模型的内模控制策略。将副回路系统与惰性区等效为一个广义被控对象,通过在不同工况辨识得到其多模型,设计出相应的内模控制器,根据运行工况选择相应的控制器,从而实现全工况运行的自适应控制。仿真结果表明,该控制策略比常规的单内模控制在大范围具有更好的控制品质。     

多模型过热汽温控制系统

提出了多模型双回路超临界 ６００ ＭＷ直流锅炉过热汽温控制方法。该方案在采用导前信号的双回路控制系统的基础上,选择合适的多模型特征参数,划分合理的工作子空间,建立模态调度规则,实现准确的模态切换。仿真结果表明,用这种方法建立的过热汽温控制系统,具有较好的控制品质和较强的自适应能力。     

迭代学习模型预测控制算法在锅炉过热汽温中的应用

为提高锅炉经济有效且安全运行,采用一种模型预测控制融入到迭代学习控制的算法,不仅能够迅速准确地完成对期望轨迹的完全跟踪任务,而且具有实时抗外界干扰的能力,加快过热汽温稳定,控制跟踪速度,提高锅炉运行效率。     

基于神经网络逆模型的过热汽温补偿控制研究

为改善大型电站锅炉的过热汽温控制效果,提出一种基于人工神经网络扩展逆系统模型的过热汽温补偿控制方案.首先结合锅炉的结构和运行特性,分析影响过热汽温的主要因素,确定神经网络逆系统扩展模型的输入和输出参数.借助MATLAB神经网络工具箱建立过热汽温系统的动态逆过程模型(IDPM),运用历史运行数据完成神经网络模型的训练.以...     

自适应神经元PID控制器在过热汽温控制中的应用

对比了自适应神经元PID控制器的3种控制算法,在研究了一种采用新型性能指标的自适应神经元PID控制器基础上,提出了新的锅炉过热蒸汽温度串级控制系统,其主环采用了单神经元PID控制器,控制器参数的自适应调整采用了经过加权补偿的性能指标。总结了算法中参数的设置规律。仿真研究表明该方法的有效性。     

基于多模型的超临界机组过热汽温改进模糊控制

火电厂超临界机组结构复杂,过热汽温对象具有大迟延、时变、非线性等特性,常规PID控制难以取得满意的控制效果。在结合常规模糊自整定PID控制器和基于控制历史的模糊控制器的基础上,引入分散推理思想,提出一种基于多模型的过热汽温改进模糊控制方案,设计基于分散推理结构的改进模糊主控制器。在控制过程中,基于不同的工况点设计的控制器可根据系统运行工况的变化进行切换。仿真结果表明,该方案的控制性能明显优于常规PID控制,具有良好的动态调节品质,对工况变化具有较好的适应性。     

基于变参数PID的火电厂过热汽温控制

为使火电厂过热汽温控制质量进一步提高,在阐述变参数PID原理的基础上,将其应用于火电厂过热汽温的控制中,仿真表明,新系统可明显提高控制效果.     

智能控制在锅炉过热汽温控制中的应用研究

电站锅炉过热蒸汽温度具有较大的非线性及较强的耦合性，用传统的PID串级系统进行控制，通常难以达到理想的控制效果。将模糊控制与常规的串级系统结合起来，将其应用于某300MW燃煤单元机组的过热器出口蒸汽温度的控制．进行了仿真研究。通过与常规串级系统、单纯的模糊控制系统以及Fuzzy-PI控制系统的比较，仿真结果说明这种复合控制方法对大延迟、大惯性、非线性对象具有很好的控制效果：     

基于灰色预估PID控制的过热汽温控制

针对火电厂过热蒸汽温度被控对象具有大惯性,大迟延的特性,提出了一种基于灰色预估算法的PID控制策略.利用灰色预估算法能够有效地辨识出系统不确定部分的模型、估计出系统扰动参数,并对PID控制进行补偿.仿真结果研究表明:与传统的PID控制策略相比,在各种扰动情况下,新的控制策略不仅具有常规PID控制的特性,并且具有更高的控...     

基于神经网络补偿的主汽温多模型控制

针对过热汽温对象的特性参数随机组运行工况的变化而有较大变化的特点,设计了基于神经网络补偿的多模型切换的串级控制系统．基于不同工况点设计的固定控制器可根据运行工况进行切换,补偿控制器在此基础上补偿控制作用的不足．仿真结果表明,这种控制方案实现了系统全工况运行的满意控制．     

模糊控制在锅炉过热系统中的应用

针对火电厂锅炉过热系统的时变和非线性的特点,提出了模糊多模型的控制方法。对若干典型工况点建立固定模型,并设计相应的局域控制器,进而用T-S模糊模型合成出协调控制系统的全局控制器,解决了多模型切换过程中存在的扰动问题。仿真结果验证了该方法的有效性。     

过热蒸汽热量的计算及仪表

本文提出了有关计算过热蒸汽热量的实用数学模型,同时简要介绍了根据这些数学模型研制的热量计。     

人工神经网络及其在非线性系统控制中的应用

本文介绍了人工神经元和人工神经网络的基本结构,并在此基础上分析了人工神经网络的特性、学习和训练,说明了两种典型网络BP网络和Hopfield网络的工作原理,对人工神经网络在非线性系统控制中的应用进行了探讨.     

模型预测控制下多移动机器人的跟踪与避障

提出了一种基于距离和速度的机器人之间的避障方法,通过与机器人避开障碍物的人工势场法相结合,建立一致性控制编队控制协议。首先,建立机器人之间的通信拓扑关系,以便机器人之间的信息交流。在编队控制层面上,设计具有避碰的编队控制律。然后,在编队跟踪层面上,运用模型预测控制方法,将编队误差运动问题按代价函数转化为最小优化问题。为了在线高效地求解该优化问题,运用了一种广义投影神经网络优化的方法,以便最优解作为控制输入。最后,对多移动机器人编队进行了仿真,验证了所提出策略的有效性。     

基于模糊RBF神经网络的主汽温控制系统

本文主要研究应用模糊神经网络实现主汽温控制系统,采用神经网络的学习能力来优化权值,在不同负荷下都取得了较好的控制效果.     

预测控制算法及其在倒立摆中的应用

基于神经网络模型的预测控制算法,是利用前向神经网络建立非线性被控对象的模型,以滚动优化、反馈校正实现对系统的控制。将其应用于倒立摆系统中,实现了对摆角和位移的同时控制。理论分析与仿真结果表明,该算法可避免对受控对象做复杂的数学分析。具有收敛速度快,鲁棒性较强的特点。     

电厂过热汽温神经PID控制系统的仿真研究

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RBF神经网络的神经PID汽温控制系统，并对控制系统进行仿真试验，其仿真结果表明了设计的控制器具有良好的位置跟随性、抗干扰性和鲁棒性．     

多元线性回归与BP神经网络预测模型对比与运用研究

对多元线性回归模型及BP神经网络模型的理论及运用方法进行研究,采用SPSS及MATLAB软件分别建立多元性回归和BP神经网络预测模型,通过农村居民纯收入预测的算例,对多元线性回p-3和BP神经网络预测模型的拟合优度、初始数据的仿真与模拟能力和新数据的预测能力进行对比,数据结果表明BP神经网络预测模型优于多元线性回归预测模型．     

过热蒸汽温度控制中RBF神经网络整定PID控制的应用

锅炉的过热蒸汽温度是表征锅炉特性的重要指标之一,其控制品质的优劣直接影响火电厂锅炉机组的安全性和经济性.由于过热蒸汽温度有滞后、大惯性、时变等特性,常规PID并不能对其实现良好的控制.引入RBF神经网络整定PID控制,可以达到良好的控制效果.     

自适应控制在火电厂主蒸汽温度控制中的应用

火电厂主蒸汽温度具有大迟延、大惯性和时变性。自适应Smith预估控制及自适应内模控制均能根据对象状态的改变随时整定控制器参数。将这两种方法应用于火电厂主蒸汽温度控制系统中,可提高控制系统的鲁棒性。