基于神经网络的过热汽温模型预测控制

通过神经网络系统辨识实现非线性系统的模型预测控制MPC(Model Predictive Contro1),建立了基于神经网络系统辨识的过热汽温模型预测控制系统。仿真结果表明,较之传统的过热汽温串级调节系统,采用该模型预测控制策略的过热汽温控制系统的控制性能有很大的提高。     

单神经元PID控制器在过热汽温控制中的应用

将具有自学习功能的单神经元模型与常规的PID控制算法相结合，设计了单神经元PID控制器，并应用于超临界机组过热汽温控制系统。仿真结果表明，采用单神经元PID控制器的汽温控制系统，能够适应被控对象在较大范围内的变化，具有较强的自适应能力和鲁棒性，其控制品质优于常规的PID控制器。此外根据仿真结果，对单神经元的学习算法进行了改进，使其控制品质得以提高。     

基于拉盖尔模拟神经网络的过热汽温直接自适应控制系统

提出一种Laguerre(拉盖尔)模拟复合正交神经网络并应用于电厂过热汽温的直接自适应控制。模拟神经网络被作为直接自适应控制器,这种单隐层正交神经网络是基于Laguerre复合正交多项式函数,并具有在线连续学习的简单算法,且学习算法与被控对象模型无关。由于采用3层网络结构,输入层与隐层之间不用权值调整,在学习算法中只要在输出层与隐层之间寻找最佳权值,因此网络学习速度较快。网络隐层节点(处理元)是Laguerre多项式展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统性能优于常规的PI控制系统。     

过热汽温自适应逆控制方案研究

针对火电厂锅炉过热汽温对象,将神经网络辨识技术和自适应逆控制技术相结合,提出了一种过热汽温自适应逆控制方案.该方案首先利用RBF神经网络在线辨识被控对象模型获得其Jacobian信息,在此基础上利用对角回归神经网络(DRNN)在线辨识获得被控对象的逆模型作为控制器,串联在控制对象前面构成自适应逆控制系统.通过对超临界600 MW机组过热汽温对象进行仿真研究表明,该控制方案能很好地适应过热汽温对象特性的变化,并且可以有效克服对象的大惯性和非线性,获得良好的控制品质.     

基于局部神经网络模型的过热汽温多模型预测控制的研究

针对锅炉过热汽温的特点，设计串级过热汽温控制系统。主调节器采用基于局部神经网络模型的多模型预测控制，即由主蒸汽流量确定的不同工作点，用神经网络建立局部动态模型，进而建立一组局部神经网络预测控制器，然后通过加权合成的方式获得最终的控制信号；副调节器采用基于多个简单比例控制器的加权合成比例控制。该控制方案融合了神经网络、多模型控制和预测控制的特点。仿真结果表明，在负荷大范围变化的工况下，控制系统仍保持了良好的控制性能，具有较强的鲁棒性。     

基于串级PID的过热汽温多模型切换控制

提出了一种易于工程实现的过热汽温先进控制策略。在常规串级PID控制的基础上,设计了多模型切换控制方案,有效避免了单一控制模式不能适应系统工况变化的问题,另外,主调PID控制器的参数通过内模原理整定,较好地保留了内模控制器的特点,能够有效克服过热汽温对象的大迟延特性。所设计的控制系统已经成功应用于某电厂300MW机组,从投运效果看,当机组负荷大范围变化时,过热汽温仍能维持在正常范围内,保证了机组的安全经济运行。     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。     

基于自抗扰控制的火电厂主汽温控制系统及其参数整定

自抗扰控制器（ADRC）是通过改进经典比例积分微分（PID）控制的缺陷而形成的新型控制器,性能优良并且算法简单。针对火电厂过热汽温控制系统的大滞后、大惯性以及动态特性随工况变化的不确定性等特点,为了提高控制系统的动态性能和鲁棒性,文中给出了主汽温的自抗扰控制方案,该控制方案不需要精确模型参数而实现干扰补偿。在电厂热工过程控制实时仿真平台STAR-90上,使用集散控制系统自身控制模块实现了自抗扰控制系统的构建,这对于工程实际应用具有重要意义。以某超临界600 MW直流锅炉发电机组仿真机的主汽温为对象,进行ADRC控制下的变工况、10%扰动和快速减负荷（RB）实时仿真试验。结果表明,用ADRC技术建立的过热汽温控制系统与PID控制系统相比,该系统对被控对象特性的不确定性和外部扰动具有较强的适应性和鲁棒性,具有优良的控制性能。     

基于Smith预估的模糊/PID串级主汽温控制系统仿真

针对火电厂主汽温控制对象特点,提出一种带Smith预估的模糊/PID复合串级控制系统。该系统的主控制器采用模糊/PID并联控制器,其中常规模糊控制模块中加入了自适应环节,主环中还采用增益自适应Smith预估控制器,以提高系统适应工况变化能力。Matlab仿真结果表明,新的串级控制系统对模型的不确定性和外扰均有较强的适应性和鲁棒性,其控制品质远优于常规的串级控制系统。     

基于多模型切换的过热汽温广义预测控制

火电厂过热汽温对象具有时滞、惯性和参数时变的特性.固定参数常规PID控制器在对象特性发生变化后,控制品质会有所下降.基于多模型切换的过热汽温广义预测控制策略,对若干典型工况点下的固定模型设计子控制器,当系统工况发生变化后,通过有效的切换策略及时准确地切换到最适控制器.提出一种新的平滑切换方法,可有效抑制切换时对象出现的大幅扰动现象.仿真结果验证了该控制策略的有效性.     

一种Fuzzy-PID复合控制器在过热汽温控制中的仿真研究

在电厂中,必须严格控制过热器出口蒸汽温度,蒸汽温度过高或过低,都将给安全生产带来不利影响。针对过热汽温被控对象的特点,充分利用模糊控制的动态特性好和PID调节能消除静态偏差的特性,设计了一种带自调整因子的模糊控制器,研究了Fuzzy-PID复合串级控制在电厂过热汽温控制系统中的应用。仿真结果表明,Fuzzy-PID复合串级控制系统具有更好的抗干扰能力和适应性。     

过热汽温的稳定自适应预测函数控制

针对火电厂锅炉过热蒸汽温度的动特性设计了一种基于Laguerre模型的稳定自适应预测函数控制器。通过对闭环系统状态方程的稳定性分析，依据Lyapunov稳定性定理得到了控制系统稳定的必要条件。对于不同负荷情况下模型发生跳变所引起的不稳定，该文提出一种衰减因子补偿校正方法，并使用混沌算法在线寻优调节衰减因子，提高了控制品质。仿真研究中根据多模型切换性能指标函数来判断模型跳变，当负荷变化时，在线辨识模型参数，得到较好的控制结果，证明该算法的有效性。     

基于模糊自适应内模控制的主蒸汽温度控制系统研究

采用一阶时滞模型作为主蒸汽温度广义被控对象模型,设计基于模糊自适应内模控制的主蒸汽温度控制系统。在不同典型工况辨识得到不同对象模型参数,根据模型参数和模糊自适应规则自动整定控制器参数。对所设计的控制系统进行仿真和实际应用。结果表明,在外部扰动或模型不能准确匹配及不同工况运行时,此控制策略较传统串级PID控制和Smith预估控制具有更好的控制品质。     

仿人逻辑预测控制器在主汽压系统的应用

基于逻辑控制和预测控制的基本理论,针对火电厂主蒸汽压力系统的特点以及泛布尔代数的多值逻辑控制器和预测控制器模型结合,形成的一种新型的智能控制器——仿人逻辑预测控制器,将此控制器应用于主汽压控制系统以改善控制性能.通过仿真试验表明,该控制方案对被控对象模型的大范围变化表现出强鲁棒性.     

基于预估模型切换的过热汽温无辨识自适应控制

针对电厂锅炉的过热汽温系统具有大惯性、大时滞和多模型等特性.研究一种基于预估模型切换的无辨识自适应预估控制方法.该方法需设计一个无辨识自适应预估控制器和基于主蒸汽流量变化率的切换律,给出若干个一阶预估模型.在系统运行过程中,这些预估模型在切换律控制下根据运行工况按优化切换时间自适应地切换,而其中的优化切换时间是用切换系统优化理论计算得到的.仿真试验结果表明,该方法适用于过热汽温系统,具有良好的控制品质、较强的抗扰和自适应能力,且对预估模型的精度要求不高,控制参数容易整定,易于工程实现.     

一种智能控制方法在电厂主汽温控制中的应用

在电厂中，必须严格控制过热器出口蒸汽温度，使它不超过规定的范围，蒸汽温度过高或过低，都将给安全生产带来不利影响。针对电厂主汽温被控对象的大迟延、模型不确定性，设计了一种带自调整因子的模糊控制器，并和PID控制器相结合，构成了一种模糊-PID复合主汽温控制系统，系统结构为串级控制，充分利用了模糊控制的动态特性好和PID调节能消除静态偏差的特性。仿真结果表明，所设计的系统在控制品质、鲁棒性方面优于常规PID控制系统。     

The research of superheated steam temperature control based on generalized predictive control algorithm and adaptive forgetting factor

The superheated steam temperature system of the thermal power plant has the characteristics of large inertia, nonlinearity, and strong time variation, which make it difficult to be controlled. To address these problems, this paper proposes a generalized predictive control algorithm with an adaptive forgetting factor. First, based on a fuzzy algorithm and a recursive least squares algorithm, the controlled object's model can be quickly and accurately obtained with the adaptive forgetting factor in real time. It overcomes the nonlinear and time-varying problems of the controlled object in the control progress. Meanwhile, it also solves the problem of data saturation and the weight assignment of the “new and old” data during online identification. Second, an adaptive generalized predictive controller algorithm has been developed with the controlled object. It solves the large inertia problem of the controlled object. Finally, through establishing simulation model of the superheated steam temperature system and simulating, the results show that the proposed method has better control performance, antidisturbance ability, adaptability, and robustness. Moreover, it has a certain reference significance for the design of a practical control system.     

基于复合模型预测控制策略的三电平APF研究

电力有源滤波器(Active power filter,APF)是消除电网中非线性负载产生的电流谐波的有效手段之一。提出一种三相静止坐标下的基于模型预测控制复合控制器,复合控制器由改进的自适应广义积分器和模型预测控制两部分组成。该复合控制策略有效地整合了预测控制和自适应广义积分器的优点,在最大限度利用模型预测进行谐波电流快速跟踪的同时,采取自适应广义积分器对各次谐波进行无静差跟踪控制。所提出的复合控制器与三电平电压空间矢量调相结合,能够消除单独预测控制交流变量时所存在的稳态误差问题和改善系统鲁棒性。详细研究了复合控制器的设计方法,并给出了系统的参数设计和稳定性分析。最后通过实验验证了控制方法的正确性和有效性。