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     

径流式电站前池水位自学习PID控制策略

提出一种基于神经网络实现的自学习ＰＩＤ控制策略．该控制策略不需要被控对象的精确模型，对于被控系统的非线性和大惯性具有强的适应性和鲁棒性．本策略应用于淡水电站前池水位实时控制中，取得满意控制性能．     

模糊神经网络控制器用于电站主汽压控制的研究

锅炉的燃烧过程是一个多参数、非线性、时变以及变量强耦合的过程，很难建立被控对象的准确数学模型。根据主汽压被控对象的动态特性，设计了一个模糊神经网络自适应控制系统，引用模糊高斯基函数神经网络结构，并采用基于变尺度优化学习算法的改进型学习算法，其学习信号由神经网络辨识器(NNI)提供。利用神经网络的非线性映射能力，能很好的解决被制对象的动态特性具有非线性、时变性、参数可变等问题。仿真对比试验表明，主汽压控制系统引入模糊神经网络控制器(FNNC)后，系统的响应速度变快，调节精度提高。该控制器的适应性、鲁棒性也明显优于常规PID控制器。     

基于模糊的自校正PID控制在水电机组上的应用

针对水电机组具有非线性、时变、非最小相位且结构参数变化范围较大的特点，基于模糊集理论设计了一种自校正PID控制器．该控制器基于对控制误差、误差的变化和误差变化的变化的识别，通过模糊推理来实现其参数的实时优化．从而达到对水电机组不同工况下的自适应控制，算法实现简单．实时性强。在水电机组的调节系统仿真实验中．与采用常规PID控制相比，能更有效改善系统的动态性能．增强系统的鲁棒性。图7参7     

压力容器退火炉温度模糊自整定PID控制器的研究

针对压力容器退火炉这一典型的惯性、纯滞后、时变非线性控制系统的特点,在分析了模糊控制与PID控制优缺点的基础上,提出了模糊自整定PID控制方案。仿真结果表明,模糊自整定PID控制器与PID控制器相比,具有较好的动态特性和稳态性能以及更强的适应能力。能够满足现代热处理工艺退火炉温度控制要求。现场试验结果与仿真结果基本吻合,证明了这种控制方案的的正确性和有效性。     

基于忆阻神经网络的光伏面板清扫机器人PID控制器研究

机器人清扫是光伏面板高效、便捷的清扫方式。文章研究了光伏面板清扫机器人的PID控制器的优化策略。文章基于忆阻器独特的纳米级电路特性,设计了一种新型的突触电路;然后,基于新型的突触电路,构建对应的神经元和神经网络电路,并将忆阻神经网络和光伏面板清扫机器人中的PID控制器相结合,提出一种新型PID控制方法,该方法在一定程度上解决了传统PID控制器体积大、功耗高和相关参数不可调的问题;最后,基于仿真结果验证了文章提出方案的可行性和有效性。     

采用神经网络:模糊PID的换热站控制器设计与仿真

针对换热站质调、量调通道之间的耦合作用和控制模型参数时变的问题,提出一种新的神经网络:模糊PID换热站控制器结构。通过现场采集换热站质调、量调通道阶跃信号响应,并利用最小二乘辨识得到质调、量调通道的控制模型。利用得到的质调、量调通道控制模型,对设计的神经网络:模糊PID控制器进行仿真实验,仿真研究表明该控制器能够有效实现质调、量调通道的解耦,减小控制模型时变对控制品质的影响。     

一种设计模糊-PID复合控制器的新方法及其在电厂控制中的应用

为提高大型火电机组过热蒸汽温度串级控制的性能，提出了一种新型模糊-PID复合控制器的设计方法。该方法可实现在偏离工作点较远的区域模糊控制中起主要控制作用，在工作点附近则主要实施PID控制，实现了两种控制的优势互补，同时还为模糊控制器提供了一种系统化设计方法。实际工业应用结果表明：采用该方法设计的过热蒸汽温度串级控制系统比常规方法设计的系统具有更强的适应能力和良好的控制品质。图9表1参6     

过程控制系统中PID控制器参数优化的研究

介绍了电力生产过程中PID参数整定的各种方法,对传统的参数整定方法以及现行的PID参数优化方法进行了比较,分别指出其优缺点,同时详述了运用遗传算法对PID参数进行优化的方法,最后就PID参数整定的发展方向进行了展望。     

基于PID型模糊神经网络的火电站单元机组协调控制

针对火电站机炉协调控制对象的非线性，时变和纯迟延的特性，采用了一种PID型模糊控制器，为了使此控制器具有自学习功能，提出了一种包含一个自回归神经元的5层模糊神经网络，并根据梯度下降算法，给出了它各层权值的修正算法，通过对参考文献[2]的模型进行仿真研究，证明使用这种初值易选，学习能力较强的模糊神经网络控制器可以克服协调控制对象的时变性和随机性干扰，大大改善了控制品质。     

基于对角递归神经网络整定的PID解耦单元机组负荷控制系统

针对火电厂单元机组具有多变量强耦合、非线性及参数时变的受控对象，提出了基于对角递归神经网络整定的PID解耦控制方法，其主要特点是能够提供一个对角递归神经网络来辩识系统模型，进而对PID控制器参数进行整定，实现多变量解耦控制。通过对火电机组负荷控制系统的设计和仿真研究，表明系统达到了动态近似解耦、静态完全解耦和无静差跟踪，并具有响应速度快，鲁棒性好等特点。图5参6     

电站锅炉汽包水位的CMAC神经网络与PID复合控制

提出了电站锅炉汽包水位系统的CMAC神经网络与PID的复合控制策略。将蒸汽流量信号引入到CMAC神经网络中，考虑负荷变化对汽包水位的影响，使其具有前馈补偿能力，以消除“虚假水位”现象。总的控制输出由CMAC神经网络的输出和一个常规PID控制器的输出通过变参数加权综合后作用于被控对象，这样保证在控制初期以及对象特性变化的情况下系统仍然具有良好的调节品质。仿真试验结果表明了该控制策略的有效性和实用性。图6参6     

基于神经网络Fuzzy-PID控制器的温控系统

设计了一种基于模糊推理进行参数自整定的PID控制器,构造了一个3层BP神经网络来学习模糊控制规则完成模糊控制的模糊推理.将该控制器应用于电阻炉的温度控制,并与普通模糊自整定PID控制器进行比较,表明该方法提高了对非线性、时滞系统的控制效果.     

电弧炉PID神经网络解耦控制器

结合电弧炉主电路系统,推导出电弧炉电气系统状态方程,在此基础上分析了电弧炉三相电流的耦合关系.使用PID神经元网络控制器对电弧炉电极系统进行解耦控制.给出了PID神经元网络控制器的权值初始化规则,其权值更新采用经典的BP算法.分别对于控制器的解耦性、抗干扰性和鲁棒性进行仿真,结果表明PID神经网络控制器具有很好的动态性...     

基于RBF-BP组合神经网络的地震预测研究

针对地震预测中预测因子高度非线性、训练样本数量有限及分布不均匀的问题,提出采用RBF-BP组合人工神经网络对地震预测因子样本进行建模和预测,并用RBF神经网络初步训练预测因子样本,将训练结果输入BP神经网络,根据期望输出值加强训练.实例分析表明,该预测方法可行并能有效提高地震预测精度.     

基于思维进化算法优化BP神经网络的渗透参数反演研究

针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。     

基于BP神经网络的工业锅炉房负荷预测

针对工业锅炉房日负荷变化的特点,采用BP人工神经网络模型对热负荷进行预测。在建立模型时,考虑不同小时的热负荷差异,采用24个单输出的BP网络来分别预测每天24h负荷值;利用MATLAB神经网络工具箱NNT(Neural Network Toolbox)分别实现对24个BP网络预测模型的构建及算法改进;最后,应用一个实例对建立的预测模型和实现方法进行了仿真分析,结果证明,该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。