基于ITAE指标的改进型SMITH预估器在再热汽温调节中的应用

针对锅炉再热汽温对象的滞后特征,深入分析了Smith预估原理,提出了一种改进的SMITH预估控制器。并基于ITAE优化准则给出了改进Smith预估控制器的参数整定方法.在实际应用中证实了这种改进后的预估控制器具有较快的响应速度,展示了其良好的抗干扰能力和鲁棒性。     

基于混沌理论的再热汽温神经网络模型

在利用混沌理论揭示火电机组再热汽温混沌动力学特性的基础上，构建了再热汽温神经网络预测模型。该模型利用混沌特性处理输入样本并确定神经网络的结构，用神经网络映射混沌相空间的相点演化的非线性关系，采用改进型遗传算法对神经网络模型进行参数辨识。仿真结果表明：该模型精度较高，收敛速度快，为实际生产过程中再热汽温的预测提供了一种新的思路和方法。     

一种新型SMITH预估控制算法在再热汽温度控制系统中的应用研究

由于火电厂再热汽温度控制系统具有大惯性、大时滞和时变性等特点,采用传统的PID调节策略难以取得较为满意的调节效果。ABB Bailey公司的SMITH预估控制算法不仅具有传统SMITH预估控制器克服大滞后、大惯性的特性,而且将此算法运用到再热汽温控制系统中,还具有较强的抗内、外干扰和被控对象变化的适应能力。仿真结果验证了其有效性。     

基于ITAE指标的改进型SMITH预估器在再热气温调节中的应用

针对锅炉再热汽温对象的滞后特征,深入分析了Smith预估原理,提出了一种改进的SMITH预估控制器。并基于ITAE优化准则给出了改进Smith预估控制器的参数整定方法．在实际应用中证实了这种改进后的预估控制器具有较快的响应速度,展示了其良好的抗干扰能力和鲁棒性。     

火电机组再热汽温控制方法研究

针对华能铜川照金2号机组再热汽温自动控制问题,结合再热汽温系统大滞后、大惯性和非线性的特点,提出了一种基于Smith补偿的广义预测控制方法,并将其应用在再热汽温控制上.通过调整烟气挡板和事故减温水来对再热汽温控制系统进行优化,从实际应用效果来看取得了较好的应用效果.     

基于改进型遗传算法的再热汽温神经网络模型构建及预测分析

在根据混沌理论非线性重构技术揭示火电机组再热汽温变化的混沌动力学特性的基础上,构建了基于改进型遗传算法(AGA)的再热汽温神经网络模型.该模型利用混沌特性处理输入样本及确定神经网络的网络结构,用神经网络映射混沌相空间相点演化的非线性关系,采用AGA对神经网络模型进行参数辨识.训练结果表明,该模型精度较高,收敛速度快,为生产实际过程中预测机组再热汽温提供了一种新的思路和方法.     

再热汽温控制系统的逻辑规则控制研究

针对火电厂再热汽温控制系统的大惯性、大迟延和时变性,设计了基于逻辑规则控制算法的再热器温度控制系统。仿真研究表明,该策略的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,具有较强的鲁棒性和自适应能力。     

一种基于模糊RBF神经网络的Smith预估器

为克服带钢热连轧层流冷却系统中大滞后环节产生的不利影响,提高控制精度,提出了将模糊RBF神经网络与Smith预估器相结合的方法。采用基于改进型模糊C-均值聚类算法的RBF神经网络建立预测模型。获得了较高的精度和较快的学习速度。改进后的模糊C-均值聚类算法具有更好的鲁棒性,且放松了隶属度条件,使得最终聚类结果对预先确定的聚类数目不敏感。将该控制器应用到卷取温度控制中,能把卷取温度控制在598～705℃的范围内,满足了实际生产的需要。     

基于BP神经网络Smith预估器的HAGC系统的仿真

针对液压自动厚度控制的测厚仪与轧机机架间有一定距离,监控AGC具有滞后、非线性的特点,提出了一种基于改进BP神经网络PID控制算法的Smith预估器,即由Smith预估器和改进BP神经网络PID控制组合的复合控制.通过仿真表明具有很强的快速性和自适应性.     

基于改进型RBF神经网络辨识的PID控制

针对工业控制领域复杂非线性时变系统．提出了基于改进型RBF神经网络的PID参数在线自整定方法。采用改进型RBF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，实现系统的智能控制。仿真结果表明，与常规RBF神经网络PID控制方法相比，该方法具有控制精度高、响应速度快的优点，并且具备较强的自适应性和鲁棒性。     

基于神经网络的非线性Smith预估器

将Ｓｍｉｔｈ预估原理推广到非线性系统,并用神经网络予以实现对非线性磊滞后系统进行纯滞后补偿,并将所提出的神网络非线性Ｓｍｉｔｈ预估器用于非线笥动态系统即汽车发同歧气管压力系统的预报,并与基于神经网络的迭代及非迭代ｄ步超前预报器进行了比较,还给民基于机理模型的预报器的比较结果。     

基于模糊RBF神经网络的非线性滤波

该文从基本的智能技术——神经网络(NN)和模糊系统(FS)技术出发,探讨了神经网络与模糊系统相结合的基本理论,提出了一种基于模糊RBF神经网络的非线性滤波的方法。该方法将模糊逻辑的知识表达以及推理能力和RBF网络的快速学习和泛化能力结合起来,网络结构参数可按实际问题调整,对信号中有色噪声进行较高精度的逼近,来达到非线性滤波的目的。该滤波方法显示出很强的处理问题的能力,学习速度快,仿真结果表明了这种方法的有效性和可性行。     

带负荷前馈的Smith预估串级汽温控制系统仿真研究

本文根据某电厂锅炉主汽温串级控制系统的运行特点，提出了一种主调节器改用串有积分器的Ｓｍｉｔｈ预估控制和主、副环同时引入主蒸汽流量（负荷）前馈的动态补偿控制方法。经仿真研究表明，该方法既能克服由于建模误差造成的系统失控现象又可消除系统的稳态偏差，是一种鲁棒性较好的Ｓｍｉｔｈ预估控制方法。     

基于两级Smith预估补偿的加热炉温度串级控制

对于具有纯滞后的温度串级控制系统,提出了主副回路基于两级Smith预估补偿的串级控制结构;通过内模-PID整定方法设计了两级Smith预估装置进行补偿控制,仿真证明了方法的有效性。仿真结果表明,该方法能够有效消除纯滞后环节的影响,得到良好的系统鲁棒性和动态控制性能,解决了汽油加氢反应进料加热炉温度串级控制系统中加热炉出口温度的时变性及滞后性等控制难点。     

基于改进型Smith预估补偿的网络流量控制

在高速通信网络中，传播时延对基于速率的流量控制具有很大的不利影响，Smith预估补偿是克服时延影响的一种较好的控制方案，但其对预估值的误差十分敏感，文章将改进型Smith预估补偿应用于ATM网络的流量控制，理论分析表明该方案对传播时延等参数的变化有较强的适应性，控制系统的鲁棒稳定性的动态品质均优于单纯的Smith预估补偿控制，并得到了仿真结果的验证。     

基于RBF辨识的神经元PID直线伺服控制

针对永磁直线同步电动机(PMLSM)直接驱动的伺服系统,提出了一种基于RBF神经网络辨识的单神经元PID模型参考自适应的优化跟踪控制策略,解决了系统快速精确地跟踪与抗扰性能之间的矛盾.利用RBF神经网络作为辨识器,实现对被控对象Jacobian信息精确辨识,以基于二次型性能指标学习算法的单神经元自适应PID作为控制器,从而保证系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统快速跟踪性能的同时,对系统参数变化和负载扰动具有很强的鲁棒性.     

基于神经网络的过热汽温控制

火电厂过热汽温控制系统具有大惯性、大延迟和时变等特性,采用常规串级PID控制方法的过热汽温系统难以获得满意的控制效果。本文设计了基于RBF神经网络辨识的可在线调整PID参数的过热汽温控制系统。在仿真实验的基础上,对基于神经网络的过热汽温控制和最优常规PID控制进行了比较和分析。仿真结果表明,基于神经网络控制策略能够充分利用神经元自学习、自适应的能力使系统的控制品质提高。