利用改进型DRNN神经网络控制锅炉的负压和风量

火电厂锅炉负压和送风系统是具有多变量、非线性及时变参数的受控对象,利用改进型DRNN神经网络来辨识系统模型,进而对PID控制器参数进行整定,实现多变量解耦控制。对负压和送风控制系统进行了设计和仿真研究,通过计算机仿真给出了仿真曲线。结果表明:系统达到了解耦目的,系统能做到稳定性高,鲁棒性强,调节及时,反应速度快,动态偏差小,无静态偏差。该控制方法适合于负压和送风控制系统,符合工程实际,控制品质好,有实用价值。图11参4     

单元机组协调系统的神经网络解耦控制仿真研究

神经网络控制是一种新颖的智能控制方法。应用神经网络技术,对难以精确建模的复杂非线性对象进行神经网络模型辨识作为控制器,提高了响应的快速性和准确性,可满足工业过程所提出的安全性、可靠性与易实现性的要求。大型火力发电单元机组协调控制系统是一个相对复杂的多变量控制系统,控制对象具有大时滞、时变、非线性、强耦合的特点,传统的PID控制算法很难实现对过程参数的良好跟踪和理想的控制效果。针对单元机组协调控制系统的特点将神经网络解耦控制应用于单元机组协调控制系统中,仿真实验表明,神经网络解耦控制具有较强的适应性和较高的控制精度,提高了负荷的响应速率,控制效果优于传统的PID控制算法。     

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.     

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用

分析了直流锅炉运行时各变量之间的耦合关系;针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法(BP)神经网络分散解耦方法,对直流锅炉汽温-压力控制系统进行解耦,然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制.仿真实验结果表明:BP神经网络分散解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果.     

基于BP神经网络和GA-PID的超超临界锅炉系统解耦控制研究

直流锅炉运行中,给水调节和燃料调节十分重要,但其各变量之间存在强耦合关系。本文针对1 000 MW超超临界机组直流锅炉中燃料和给水协调控制对象参数多变、强耦合的特点,提出了一种改进权值调整的BP神经网络分散解耦智能方法,实现系统解耦,然后采用遗传算法PID(GA-PID)控制方法对解耦后近似独立的两组对象进行控制。仿真结果表明:BP神经网络分散解耦算法具有很强的非线性映射能力和自适应解耦能力,GA-PID具有良好的控制效果,所设计的系统具有较强的鲁棒性,解耦控制方案能够达到理想的效果。     

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。     

基于模糊神经网络的发电用单轴燃气轮机的解耦控制

针对燃气轮机这样大型复杂且具有强非线性多变量耦合的动力系统，提出用模糊隶属函数型神经网络与模糊控制融合的解耦方法(DMFFCNN)进行解耦控制，从而克服了现代控制理论对解耦系统类型的限制。试验表明，这种方法是有效的，为机组运行时的静态优化设计的实现奠定了基础。     

汽轮发电机组多变量PID控制器的优化设计

提出了一种用遗传算法进行多变量PID控制器参数优化的方法。该方法利用遗传算法提供的通用框架,对PID控制器参数进行全局优化。方法仅要求目标函数可数值计算,不限制被控对象模型的具体形式,也无需目标函数和控制参数间的解析关系,因而具有良好的通用性。对汽轮发电机组控制系统的仿真研究表明:该方法整定的多变量PID控制的解耦效果虽稍逊于高阶的正规矩阵参数优化方法,但比多回路PID在解耦特性上有明显改善,且具有一定的抗干扰能力和鲁棒性,显示了方法的可行性和良好的动态性能。图5参9     

柴油机BP神经网络调速快速控制原型研究

设计了BP神经网络整定PID参数的柴油机调速控制器.把该控制器下载代码到dSPACE/Mi-croAutoBox控制器内,利用快速控制原型的原理进行了起动和负荷突变工况的功能验证,并与传统PID调速控制器快速控制原型结果进行对比,结果表明,BP神经网络具有自学习能力和逼近任意函数的能力,可进行PID参数的在线整定和优化;BP整定PID调速控制器工作正常,调速精度较传统的PID控制器有较大改善;快速控制原型的研究使控制器从功能设计到产品的转化奠定了坚实的基础.     

锅炉燃烧送引风多变量互耦模型及解耦控制

本文通过锅炉燃烧过程风烟流程的机理分析,得出了合适的互耦作用模型.依据多变量系统的理论与方法,探讨了送引风的解耦与控制问题,提出了符合生产实际要求并且宜于工程实现的解耦器模型.并提供了一种解耦与控制组合型送引风控制系统方案及其设计和参数整定的方法.文章还结合设计实例阐明了控制方案的特点和设计步骤.图6参5     

基于DRNN网络的强排式燃气热水器自整定PID控制

强排式燃气热水器是一个耦合的两输入两输出系统,随机负荷的变化又表现出参数快时变的特性。固定参数PID控制难以适应此系统控制要求,因此,提出一种基于回归神经网络(DRNN)的两输入两输出PID控制器结构,给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法。计算机仿真结果验证了该控制策略可行性,这为以后进一步研究奠定了基础。     

无刷双馈风力发电机的自抗扰解耦控制

针对无刷双馈电机(BDFM)结构的复杂性、随环境的可改变性及传统的PID控制在BDFM中应用不理想等,提出了一种新型基于扩张观测器的非线性PID控制——自抗扰控制方法来实现对风力发电系统有功功率和无功功率的解耦控制。仿真结果证明了该方法的正确性和有效性,具有更强的鲁棒性和可实现性。     

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。     

基于灰色预测的汽温模糊免疫PID控制

火电厂汽温具有大惯性、大迟延和时变等特性,采用常规的PID串级控制方法难以取得满意的控制效果.借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,结合灰色预测的优点,提出采用灰色预测的模糊免疫PID控制策略.火电厂汽温控制系统的仿真研究表明:该方法的控制品质良好,能适应对象参数的变化,具有较强的鲁棒性和自适应能力.     

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.     

SCR脱硝系统线性自抗扰鲁棒PID控制

火电机组的深度调峰加剧了对选择性催化还原法(selective catalytic reduction, SCR)脱硝系统的干扰,为此提出了一种线性自抗扰鲁棒PID控制方法。2阶线性自抗扰控制(LADRC)可以直接近似为PID,也可以等价为理想PID+2阶滤波器的结构。采用实际PID+2阶滤波器的结构控制具有强干扰和不确定性的SCR脱硝系统,利用混合灵敏度的方法整定实际PID和2阶滤波器参数。仿真结果表明,实际PID+2阶滤波器的结构具有较好的抗扰性,更好地继承了LADRC的特点,控制品质优于由LADRC直接近似为PID的控制。     

基于自抗扰的多变量解耦控制在球磨机的应用

火电站球磨机制粉系统是一个典型的三输入三输出的系统,各变量之间严重耦合,利用PID控制很难达到理想效果。针对这些特点,将一种新型的控制策略-自抗扰控制器(Auto Disturbance Rejection Controller ADRC)和一种多变量解耦控制相结合应用到该系统中,并对ADRC做了部分改进。针对某球磨机制粉系统,设计了基于自抗扰的多变量控制系统,并与反标架正规化(RFN)设计方法和SMITH预估补偿方法进行了比较,仿真结果表明了本文所提出的控制算法的有效性、抗扰性及强鲁棒性,因此该控制策略具有很高的工程实用价值。