基于BP神经网络的火电厂水质调节自适应控制的仿真研究

针对火电厂锅炉水质调节过程的大时滞时变特性,常规控制算法控制效果不好的问题,本文提出了基于BP神经网络的Smith-PID鲁棒自适应控制算法,利用BP神经网络的任意非线性表达能力和很强的自学习能力,在线自学习整定PID参数,被控对象不需要精确辩识,控制器参数跟踪被控对象自适应调整,克服了常规PID算法不适用于大时滞过程控制和常规Smith预估补偿控制对模型不确定性敏感的缺陷.MATLAB仿真表明,本文控制算法的静态特性、动态品质良好,鲁棒性强.     

自适应内模控制及其应用

介绍了将LMS自适应滤波算法用于对象动态模型的参数在线估计,并将实时估计得到的动态模型用于内模控制算法中。文中介绍一则应用实例。     

立式旋风锅炉的燃烧自适应控制

分析了立式旋风锅炉的燃烧特点和燃烧系统动态特性，讨论了它的软硬件构成及其功能。     

基于自适应动态规划和梯度下降法的自适应最优输出调节

当设计前馈-反馈控制器来实现连续时间线性系统的自适应最优输出调节时,往往需要依赖调节器方程的解,然而在系统动态不确定的前提下,获得这个方程的解一般非常困难.现有的自适应最优输出调节方法从选取调节方程解的基矩阵出发,通过在线数据学习每个基矩阵所对应的权重.但是,当被控对象或外部系统阶数过高时,这种方法的计算复杂度亦非常高.对此,提出一种新的无模型方法来实现闭环系统的自适应最优输出调节,调节器方程的解由梯度下降法逼近.需要指出的是,该方法通过在线数据而不是模型信息来获得梯度.仿真结果验证了所提出方法的有效性.     

模糊控制在糖厂锅炉燃烧过程控制中的应用

一、引言锅炉是糖厂的主要动力设备,锅炉的状况直接影响全厂的生产和效益。由于糖厂锅炉燃料及用汽的特点,使其燃烧系统具有一定的特殊性,因而这类锅炉的汽压/燃料回路不易控制。糖厂锅炉燃烧及用汽具有以下特点: ①这种锅炉使用两种燃料(蔗渣、煤),其燃烧值相差甚远,具有单烧渣、煤渣混烧、单烧煤三种状态。此外,作为主燃料的蔗渣来源受压榨的影响,使得燃料来源极不稳定。②煤和渣的燃烧方式不同,可燃烧的时间常数也相差很大,此外还有两者混烧状态,这就带来     

电弧炉电极调节系统的离散时间自适应控制

提出了电弧炉电极调节系统的数学模型 ,并在此模型基础上推导出了离散时间模型参考自适应控制规律。然后根据推导出的自适应律对电弧炉系统进行仿真研究 ,仿真结果表明自适应控制系统具有较好的跟踪性能。     

电弧炉电极调节系统的离散时间自适应控制

提出了电弧炉电极调节系统的数学模型,并在此模型基础上推导出了离散时间模型参考自适应控制规律。然后根据推导出的自适应律对电弧炉系统进行仿真研究,仿真结果表明自适应控制系统具有较好的跟踪性能。     

基于自适应免疫克隆算法的电力经济负荷分配

为了满足电力系统功率平衡,发电成本最小,研究在电力系统经济负荷分配问题的数学模型基础上,提出了一种自适应免疫克隆算法来计算电力系统经济负荷分配.通过引入尺度变换、精英克隆变异、启发式克隆交叉和克隆选择等概念使得免疫算法在理论上保证了解的多样性.利用3机6母线电力系统进行了仿真,结果表明算法是可行的,并且与遗传算法的智能相比,改进算法全局搜索能力强,不易陷入局部最优解,同时收敛速度快.     

遗传算法在PID自适应控制中的应用

提出一个基于遗传算法的PID自适应控制系统。在连续系统辨识部分，设计了一种分层遗传算法（HGA），完成对控制对象结构与参数的同步辨识；根据所获得的对象模型，在PID控制器参数设计部分，采用一种基于基因差异的实数编码遗传算法（SAGA），并兼顾了控制系统的时域及频域要求。当控制对象发生变化时，由于借助HAG对模型进行及时修正并由SAGA对PID参数自适应优化调整，使系统能迅速稳定并处于优化的运行状态。     

智能自适应控制及其在轧辊退火炉上的应用

本文结合轧辊退火炉计算机温度智能自适应群控系统,研究了被控对象的数学模型、自适应控制算法、智能控制器设计及有关控制结果.所提出的控制算法,一种为PID自校正调节器(PIDSTR),另一种为输入输出维数不等的多变量极点配置自校正预测控制器(MPSTPC).智能控制器采用产生式结构,参与过程的复合调节.实控结果表明,系统鲁棒性增强,跟踪和调节性能好,控温偏差和炉内温度场不均匀度均在士3℃以内.     

煤粉锅炉负荷控制与燃烧优化技术研究与应用

作为化工企业的动力源,母管制锅炉的原有控制系统(DCS)已无法满足供汽量的快速响应、燃料热值变化自适应控制等多工况智能处理.针对该问题,煤制油分公司动力站引入先进控制系统(RASO),通过煤粉锅炉燃烧优化系统,实现稳定供汽母管压力,达到节能减排、减轻劳动强度的目的.     

云自适应粒子群优化算法在数值积分中的应用

为了提高传统自适应粒子群优化算法的鲁棒性,由X条件云发生器自适应调整粒子的惯性权重,提出云自适应粒子群优化算法。由于云滴具有随机性和稳定倾向性的特点,使得惯性权重既具有传统的趋向性,满足快速寻优能力,又具有随机性,有利于提高种群的多样性,提高了收敛速度。通过对求解任意函数数值积分的实验表明,该算法计算精度高、求解速度快,是求解数值积分的一种有效的方法。     

自适应布谷鸟算法及其在化工优化中的应用

动态优化问题广泛存在于化工自动控制过程中,对其求解是化工过程工业发展的一个不可忽视的环节。群智能算法求解此类优化问题时不可避免地存在后期收敛速度慢、求解精度的不高等不足,这一直是一个研究热点。针对新兴的布谷鸟算法与以上问题,提出一种变步长自适应布谷鸟搜索算法(VSACS),将基本布谷鸟搜索(CS)算法中的随机步长改进成根据迭代次数自适应调整的步长。通过15个标准测试函数的测试,结果验证了改进的算法有较快的收敛速度和较高的求解精度。最后将改进的算法用于批示反应器、管式反应器、生物反应器等3个典型的化工动态优化问题中,获得了满意的实验结果,同时也进一步表明该算法的有效性。     

电子节气门模糊自适应调节滑模控制及仿真

电子节气门控制系统具有强非线性时变特性,需采用非线性控制方法进行控制,其中滑模控制应用比较普遍,但系统在切换状态时容易出现抖振现象,不利于系统的精确控制。为改善性能,采用模糊自适应调节滑模控制方法,用模糊逻辑系统来代替传统滑模控制中的指数趋近率系数,从而达到消除滑模控制抖振现象。根据系统数学模型设计了模糊自适应调节滑模控制器,通过在Matlab中进行仿真。仿真结果表明:模糊自适应调节滑模控制能有效解决系统存在的非线性问题,消除滑模控制中出现的抖振,满足系统精确控制的要求。     

基于单个神经元的自适应控制在主汽温控制系统中的应用研究

论述了基于单个神经元的自适应控制系统的组成人学习算法,并针对火力发电厂中的主汽温对象,设计了由两个基于单个神经元的自适应控制器构成的串级控制系统,并进行了仿真实验,表明了该新型主汽温控制系统的有效性和优越性。     

基于控制受限的机器人鲁棒自适应位置调节

针对实际的控制系统中输入为有界的情况,研究了机器人系统存在未知参数以及外界干扰时的位置调节问题.基于李雅普诺夫稳定性理论,通过构造存储函数的过程中引入双曲正切函数向量和适当的辅助函数向量,提出了一种有界的鲁棒自适应控制器.所提出的控制器不仅保证了闭环系统的鲁棒稳定性,同时也满足了从干扰信号到跟踪误差评价信号所定义的增益性能指标,即保证了干扰抑制的有效性.最后,由两连杆机器人进行的仿真结果验证了该控制器的可行性.     

浸入与不变方法原理及其在非线性自适应控制中的应用

非线性系统理论的实际工程需求和复杂性使其成为控制学科中最具吸引力和挑战性的研究领域,为此介绍了一种新的非线性控制律设计方法——浸入与不变（I&I）理论.该方法首先选择一个比被控系统维数低的（局部）渐近稳定的目标系统,然后设计浸入映射和控制律,使得原系统在控制律作用下的动态轨迹都是目标系统在浸入映射下的像,并且该控制律能够保持目标系统的像为不变吸引流形,且使闭环轨迹有界.针对未知点质量模型,设计了一种新的非线性浸入与不变自适应控制律,实现了对参考指令的精确跟踪.将其与基于确定等价原则的自适应控制律相比较,仿真结果表明,所设计的浸入与不变控制律能够更好地处理带有未知参数的系统.     

工业蒸发器的无模型自适应控制

本文介绍了采用多变量无模型自适应控制器（Model－FreeAdaptiveController,简称MFA）控制工业蒸发器的应用。文中介绍了无模型自适应控制的概念,讨论了其系统结构及应用步骤。MFA控制器在这一严重耦合及非线性的蒸发器系统中的成功应用显示了其独特的优点。使用者无需进行控制器设计、过程辨识、也不需知道过程的定量知识就可以将控制器投入运行。即使过程的动态特性有很大变化,也不需重新整定控制器参数。