改进的神经网络PID火电厂主汽温控制研究

针对传统神经网络PID控制系统存在的问题和不足,提出了改进措施.对于网络的结构,通过加入一层单连接的网络层,来干预网络输出所对应的PID控制器的参数.对于网络连接权值的学习策略,选择了一个实时监测系统误差的参数指标,在每个控制周期内,首先根据误差指标决定网络是否需要学习,如果不需要学习,直接采用上一控制周期的PID参数进行控制.通过对火电厂主汽温模型的仿真实验表明,改进后的神经网络PID控制系统,不论是动态性能还是静态性能都明显优于传统神经网络PID,而且网络的训练次数由改进前的7000次减少到1732次,减少了70％以上.此外,改进后的控制系统的鲁棒性也没有受到影响.     

GPC-PID串级控制在主汽温控制系统中的仿真研究

针对火电厂主汽温控制系统大惯性、大延迟且模型不确定,以及常规PID串级控制难以取得良好的控制效果等特点,设计的主汽温控制系统将串级控制结构与预测控制相结合,内回路采用常规比例调节,外回路采用广义预测控制器(GPC).通过Matlab仿真得到,该系统具有较强的鲁棒性和很好的控制品质,适合具有时滞的复杂控制系统.     

辐射能信号在循环流化床锅炉主汽温控制中的试验

对火电厂主汽温控制系统来说,减温器导前区和惰性区的不同响应特性会导致主汽温波动大,进而影响到机组的经济性和安全性。作为能够快速反映炉膛燃烧状况的辐射能信号,将其引入到主汽温控制回路中,能够减少主汽温在惰性区的滞后,提高主蒸汽温度的控制品质。在某电厂480 t/h循环流化床锅炉上的试验运行表明,改进后的主汽温控制系统达到了预期效果。     

PID补偿神经网络逆控制在超临界机组过热汽温控制中的应用

考虑超临界锅炉过热汽温系统的非线性、大惯性、大时延等特性,建立了过热汽温喷水减温系统的非线性动态神经网络逆模型,运用机组的历史运行数据对模型进行训练与校验。以训练好的模型为基础,构建了具有PID补偿环节的神经网络逆控制器,在MATLAB平台编制了实时控制程序。借助600 MW超临界机组全仿真系统,对过热汽温进行设定值扰动、大范围变工况扰动等仿真试验。结果表明:具有PID补偿的神经网络逆控制方案可有效降低动态变负荷过程中过热汽温的控制偏差,缩短汽温控制的稳定时间,与机组原控制方案相比具有更好的控制效果。     

基于PSO算法的FCMAC控制器及其在主汽温控制中的应用

模糊CMAC神经控制器能反映人脑认知的模糊性和连续性,它采用高斯函数作为模糊隶属函数,利用CMAC神经网络实现模糊推理,并可对隶属函数进行实时调整,从而使它具有自适应和学习能力.文中讨论了这种控制器参数的PSO学习算法,对电厂锅炉主蒸汽温度控制的仿真表明了FCMAC控制器及其PSO学习算法的可行性和有效性.     

火电机组过热汽温前馈控制及在线修正方法

过热蒸汽温度的稳定控制是火电机组安全、经济运行的重要指标。本文分析了1 000 MW火电机组负荷变化对过热汽温的影响机理,指出了传统过热串级控制方法的局限性,设计了串级与精确前馈相结合的控制策略,并给出了前馈控制器的工程整定及其在线修正方法。工程应用效果显示：与单纯串级控制方法相比,串级与精确前馈相结合的控制策略对过热器控制效果更具有效性。     

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。     

基于智能积分的电站锅炉主汽温PID控制

分析了PID控制算法与热工被控对象数学模型的关系,指出误差及导数结果中包含关于热工对象的丰富信息,加强对这些信息的分析可以提高PID控制器的性能。闭环系统在阶跃扰动下的动态过程可分为两个阶段:第一个阶段是处于远离热力学平衡态的非平衡定态。在较长的时间内围绕其某个固有频率维持高阶振荡。第二个阶段是闭环系统进入了线性非平衡热力学范围,PID调节器退化为积分调节器。以系统自由能耗散率为参数,提出了基于智能积分的PID控制算法,能动态改变比例增益和积分作用,有效地提高系统快速性和稳定性。通过某锅炉主汽温对象的仿真实验表明,其性能优于常规PID控制器。     

主汽温系统的区间Ⅱ型模糊免疫控制

针对火电厂主汽温被控对象大惯性、大滞后、时变以及采用常规PID串级控制难以取得满意效果等特点,为此设计了区间Ⅱ型模糊免疫-比例串级控制系统.该系统借鉴生物免疫反馈响应过程的调节规律,并采用区间Ⅱ型模糊系统逼近免疫响应中的非线性调节函数.仿真结果表明,系统具有较强的鲁棒性和很好的控制品质.     

锅炉主蒸汽温度的模糊神经网络控制

针对电站锅炉这样一个非线性耦合、大滞后、多变量、多干扰的复杂对象,根据模糊控制和单神经元的特点,将单神经应用于模糊控制器中,构成神经元模糊控制器,并给出了将它应用于锅炉主蒸汽温度控制的仿真结果。     

基于遗传算法的BP神经网络在电站锅炉主蒸汽温度控制系统中的应用研究

在现代火力发电厂中,对锅炉主蒸汽温度的控制是非常严格的。由于主蒸汽温度具有延迟大、惯性大、非线性等特性,导致对其控制比较困难。利用神经网络的学习能力和鲁棒性以及遗传算法的全局随机搜索能力,在常规PID控制基础上,提出采用二者相结合的PID控制策略。通过计算机仿真表明,基于遗传算法的BP神经网络的PID控制策略具有更好的控制品质,具有较广阔的应用前景。     

一种改进的主汽温Smith预估补偿控制

针对火电厂主汽温控制系统大惯性、大延迟且模型不确定,以及常规PID控制难以取得良好的控制效果等特点,设计的主汽温控制系统将变速积分与自适应Smith预估补偿控制相结合,得到一种易于工程实现,且具有较大的应用价值的自适应Smith控制器.通过Matlab仿真,该系统具有较强的鲁棒性和很好的控制品质,适合具有时滞的复杂控制...     

采用神经网络改善式循环柴油机的供氧控制

在氧气反馈调节的基础上,不依赖系统模型,借助神经网络的构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最在控制中占据主导地位,实现对负荷扰动的补偿。仿真结果表明,采用这一复合控制系统能有效地改善氧气控制的动态特性。     

600MW汽轮机主汽调节阀体制造方案的选择

就在现有条件下解决600MW汽轮机高压主汽主调节阀的内腔加工难关,实现该部件的内部生产制造方案进行介绍。分别从主汽阀体设计原则、材料性能、阀体实际应力测试等角度论证阀体拼焊的可能性及方案选择依据,经实际生产证明该制造方案的合理性。     

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。     

基于改进自适应GPC的锅炉主蒸汽温度预测控制

为了维持锅炉主蒸汽温度良好的控制品质,提出基于改进自适应广义预测控制(A-PIGPC)的主蒸汽温度预测控制方法。首先,对锅炉主蒸汽温度高阶模型进行降阶,建立一阶加纯滞后(FOPDT)模型,并根据实际情况考虑了输入约束条件;然后,对广义预测控制(GPC)算法的优化性能指标进行改进,使其具有PI反馈结构,采用带遗忘因子的递推最小二乘法(RLS)在线辨识模型参数,满足变工况的需要;最后,进行MATLAB仿真验证所提方法的有效性。研究表明:A-PIGPC优于常规PID和GPC、预测函数控制(PFC)控制方法,且在变工况下有较强的鲁棒性。     

预测控制技术在600MW机组汽温自动控制中的应用

针对淮南平圩发电公司#1锅炉过、再热器纯滞后和惯性大的特点,采用多变量预测控制技术对过、再热汽温进行自动控制,应用结果表明：基于预测控制技术的新型汽温控制系统有效地改善了过、再热汽温的控制品质。