非线性控制技术在火电机组AGC优化中的应用

针对某电厂11号火力发电机组中的主蒸汽压力控制和AGC(自动发电控制)控制存在的不足,提出了基于非线性PID、非线性微分跟踪器和模糊控制策略相结合的非线性控制策略。工程实际应用结果表明提出的控制策略能够很好地解决机组的协调控制问题。     

火电机组仿真机技术在莱钢的应用

探讨了莱钢热电厂25MW火电机组仿真机的技术与应用。仿真机模拟对象为单套火电机组,包括1台锅炉、1台汽轮发电机、发电变电配电及其控制系统,主要用于规范安全操作学习以及技能培训。它实现了全工况仿真,具有良好的技能培训与学习效果。     

μＸＬ系统在200MW火电机组中的应用

本文对μＸＬ系统的特点进行了剖析，并结合具体工程，阐述了μＸＬ系统在火电厂中的应用方式，并提出一些应用设计中应注意的问题及解决方法。     

基于GPC的直接空冷机组背压控制优化研究

针对现场直接空冷机组背压难以快速稳定跟踪设定值的情况,该文应用响应速度快、鲁棒性较好且易于在工业现场实现的广义预测控制(GPC)算法来优化背压控制,并通过仿真试验比较分析了背压控制系统分别采用PID,Fuzzy-PID和GPC控制时的控制性能。仿真结果表明,在设定点扰动和内部扰动情况下,GPC算法比PID和Fuzzy-PID控制具有更好的动态性能和稳态性能,在模型失配时具有更强的鲁棒性。GPC算法更适合应用到现场复杂工况下的背压控制系统中,对实际生产现场背压控制策略改进具有一定的指导意义。     

预测控制在单元机组协调控制系统中的应用

预测控制是20世纪70年代中后期出现的一类新型计算机控制算法.它具有控制效果好、鲁棒性强等优点.采用了广义预测与动态矩阵混合控制算法,该算法中以误差预测补充基于模型的预测,是一种综合预测.文中对单元机组协调控制系统进行了仿真.仿真结果表明,该算法具有较好的控制品质,增强了系统的稳定性和鲁棒性.     

烟气输送风机在火电机组中的配置简析

介绍了以烟气为工作介质的通风机在国内火电机组中的配置状况，并分析了烟气输送风机配置模式的发展趋势。     

火电机组脱硝系统自动控制优化研究

某电厂在脱硝超低排放改造后,脱硝自动控制无法正常投入。通过深度分析其原因,针对存在的问题及需求,重新设计了控制方案,优化调试后喷氨自动可在全负荷工况下正常投入,降低了两侧脱硝出口NO_x浓度偏差,尿素的发电单耗降低了10.56%,提高了机组运行的稳定性和经济性。     

600MW超临界火电机组关键技术研究

以600 MW超临界火电机组为例,从发展超临界机组的意义出发,概述了超临界机组在我国的发展状况,并重点阐述了超临界机组的关键技术及其特点,以供同行参考。     

基于混合型超级电容技术的火电机组储能调频应用研究

混合型超级电容储能调频技术将能量型储能技术与功率型储能技术相结合,具备安全性高、可靠性好、温度区间宽、寿命长等特点,可应用于电力系统一、二次调频。现以100万kW火电机组为例,结合电网辅助服务政策,给出混合型超级电容储能配置方案,并与储能领域获得应用认可的磷酸铁锂电池进行比较,分析混合型超级电容在火电机组调频领域应用的技术、经济可行性。     

RGPC控制算法在水箱液位系统中的应用研究

在基本广义预测控制方法基础上设计出了一种新的基于RBF(Radical Basis Function)网络的直接广义预测控制算法(简称RGPC控制算法),并将其应用到水箱液位系统控制中,避免了在线求解丢番图方程和矩阵求逆运算,节约了计算时间,提高了控制精度,实验仿真结果证明了其可行性。     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

基于功率谱分析和RBF网络的表面EMG多模式分类

提出了一种以功率谱K值法和RBF网络相结合的表面肌电信号处理方法.首先,将采集到的肌电信号进行预处理,计算互功率谱比值作为其特征值;其次,将其特征值作为训练样本输入RBF神经网络进行网络训练,并对手臂的各种动作进行多运动模式分类.实验表明,这种方法不仅简化了计算工作量,而且取得了比较理想的识别效果.     

基于神经网络的火电厂脱硫控制系统研究

以某火电厂 ２×３００MW 机组为研究对象,设计了以石灰石 石膏湿法为工艺基础的烟气脱硫控制系统.对脱硫控制系统中吸收塔的浆液pH值的控制进行了改进,设计了基于神经网络自适应控制器.该控制器能有效提高浆液pH值的控制精度与稳定性.     

Research on Power Control of Wind Power Generation Based on Neural Network Adaptive Control

-For the characteristics of wind power generation system is multivariable,nonlinear and random,in this paper the neural network PID adaptive control is adopted.The size of pitch angle is adjusted in time to improve the performance of power control.The PID parameters are corrected by the gradient descent method,and Radial Basis Functinn(RBF)neural network is used as the system identifier in this method.Simulation results shaw that by using neural adaptive PID controller the generator power control can inhibit effectively the speed and affect the output power of generator.The dynamic performance and robustness of the controlled system is good,and the performance of wind power system is improved.     

广义预测控制中对控制增量的研究

虽然广义预测控制（GPC）能够通过不断的在线辨识克服模型失配的不利影响,但它计算耗时,不利于实时在线。为了克服在线辨识计算量大的缺点,提出了一种简便易行、计算量小的柔化控制增量的方法。这种方法避免了求逆矩阵,大大减小了计算量,并能够保证控制算法的可行性和良好的控制性能。     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。     

基于RBF网络的大滞后系统自适应预测PID控制器

针对大滞后系统滞后时间长,难以控制的特点,提出一种基于RBF网络的自适应预测P ID控制器。该控制器利用超前预测克服时滞,并采用基于RBF网络的P ID控制器在线调整控制器参数,从而控制系统的输出。应用该控制方法对大滞后一阶和二阶环节进行了仿真研究,结果表明该方法具有较快的系统响应,较强的自适应性和鲁棒性,控制设计简单等特点。     

数控铣削过程的广义预测控制

提出一种数控铣削过程广义预测控制方法。研究了控制前景的定阶问题,并导出在整个输出预测前景上控制器参数的高效递推算法。计算机仿真结果表明,该算法快,满足数控铣削过程的实时控制要求。在加工中心上进行试验验证,结果表明此法具优良的输出性能     

基于RBF神经网络的转子-轴承系统故障诊断

提出一种用FFT和RBF神经网络实现转子-轴承系统故障诊断的方法。使用FFT提取旋转机械的故障特征向量,再结合RBF神经网络强大的自学习和分类能力,实现转子-轴承系统的故障诊断。在故障试验台上模拟转子-轴承系统正常、轴承内圈故障、转子不平衡故障1和2以及混合故障1和2,试验结果验证了该法对转子-轴承系统故障诊断的可行性和有效性。