主汽温系统模糊自适应预测函数控制

提出了基于有限脉冲响应(FIR)模型的预测函数控制(PFC)算法,给出了采用1个基函数(阶跃函数)和2个基函数(阶跃函数、斜坡函数)的控制律的解析解,分析了闭环系统稳态特性,结果表明,系统对于设定值变化和输出扰动均无余差。结合该算法、T-S模糊建模和自适应控制技术,提出了模糊自适应预测函数控制(FAPFC)策略,该方法实现简单,对工况变化具有优良的适应性。针对某超临界600MW直流锅炉主汽温对象,设计预测函数-比例(PFC-P)串级控制系统,经4种典型工况下的阶跃响应试验表明,采用PFC-P串级控制策略的主汽温系统具有良好的动态性能,明显优于采用PID-P串级控制策略的主汽温系统;为了克服负荷变化对主汽温系统性能的影响,采用了FAPFC策略,仿真结果表明,系统具有良好的负荷适应性,负荷大范围升降时,主汽温度变化能维持在5℃以内,而且控制量变化平稳,具有较高的工程实用价值。     

基于LMS算法的模型算法控制在过热汽温控制中的应用

利用基于最小均方(LMS)算法的自适应滤波器对过热汽温对象进行模型辨识,得到脉冲响应模型,再结合模型算法控制(MAC)理论构成过热汽温的MAC-P串级预测控制系统。该方法实施简单,仿真结果表明该控制方案具有较好的控制品质和鲁棒性。     

主汽温多模型扰动抑制预测控制方法

电站汽温控制系统结构复杂,机组运行过程中影响主汽温稳定的因素众多。主蒸汽流量变化、锅炉燃烧状况改变等因素均可能干扰主汽温稳定,影响机组运行的经济性和安全性。基于模型的预测控制算法在应对诸如煤质变化引起的烟气侧不可测扰动时,由于缺乏对扰动的建模,控制效果不理想。针对该问题,通过对过热器进行机理建模,并在额定工况点进行局部线性化获得状态空间模型,提出基于多模型集的主汽温扰动抑制预测控制方法。当不考虑不可测扰动时,其等价于普通的预测控制算法。仿真结果表明,该方法能够有效抑制进入汽温系统的不可测扰动,进一步提高汽温的调节品质。     

基于间隙度量的多模型过热汽温预测控制

针对火电机组主汽温被控对象所具有的大惯性、大迟延以及其随机组负荷变化而发生的参数时变性,为解决传统串级控制方案在机组深度调峰情况下控制品质恶化的问题,提出了一种基于间隙度量的多模型过热汽温预测控制策略。引入间隙度量理论来确定各模型输出的权值。首先选取若干个典型工况设计局部预测控制器;再运用间隙度量理论,计算各个局部预测控制器的输出权值,进而加权求出控制器的输出值。仿真研究表明,该方法可以很好地应对机组负荷变化时被控对象参数变化的问题;与使用常规的串级控制以及单模型预测控制方案相比,主汽温的动态和稳态性能得到了改善。     

主汽温系统模糊自适应内模控制

基于内模控制理论,针对火电厂主汽温被控对象的大惯性、大迟延、时变、多干扰的特点,设计了内模-比例串级控制系统,并将量子遗传算法应用于滤波器参数的寻优。并在此基础上结合T-S模糊建模和自适应控制技术,提出了模糊自适应内模控制(fuzzy adaptive internal model control,FAIMC)策略。该方案实现简单,对工况变化具有优良的适应性。对某超临界600 MW直流锅炉主汽温系统4种典型工况进行仿真控制,其过渡过程时间短,超调量小,适用于大惯性、大迟延过程的控制,控制效果明显优于串级PID控制。为克服负荷变化对主汽温系统性能的影响,采用模糊自适应内模控制策略分别进行了升降负荷实验。仿真结果表明：提出的控制系统能较好的适应对象动态模型的大幅度变化,保持较优的调节性能。     

火电机组主汽温的模糊免疫PID控制研究

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性,传统多采用基于模型的常规PID串级控制方法。本文借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。火电厂汽温控制系统的仿真研究表明：该方法的控制效果优于常规的PID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。     

基于间接能量平衡的锅炉汽温GPC-PID串级控制

针对电站锅炉汽温对象由于存在大惯性、大时滞、非线性和难以建立精确模型,使得传统串级PID控制算法在满足AGC负荷响应快速性和准确性方面存在较大不足等问题,基于直接能量平衡思想,提出一种间接能量平衡法(IEBM)。通过IEBM构造并预测整定出反映变负荷工况的导前汽温设定值,把原串级控制系统中副控制器的随动控制功能改变为定值控制,从而达到间接控制锅炉主汽温和再热汽温的目的。由于系统能及时"预测"到汽温迟延受不同负荷的影响,导前汽温成为控制的主体,采用广义预测控制策略(GPC),而主回路仍然采用PID控制器,构成新型基于多模型RBF神经网络离线辨识的IEBM-GPC-PID串级控制系统。经现场实测数据仿真结果表明,提出的方法能够明显地提升汽温的控制效果,改善控制系统的鲁棒性。     

发电厂主汽温系统的模糊滑模控制研究

电厂主汽温被控对象是一个典型的变参数、强扰动的对象,常规的PID控制器难以满足控制要求。针对此问题,设计一种自适应模糊滑模控制器。该控制策略基于带积分补偿的变结构控制器,并利用自适应模糊控制方法,把滑模控制器中的不确定项进行模糊逼近。利用李亚普诺夫函数证明了控制器的稳定性。将此控制策略应用到电厂主汽温控制系统中,仿真结果显示此控制方法具有较强的鲁棒性和良好的跟踪性能。     

基于Smith预估的模糊自适应主汽温控制系统

针对火电厂主汽温被控对象大滞后、大惯性、模型不确定,采用常规的串级PID控制难以获得良好控制效果的特点。结合模糊理论与Smith预估技术,提出了基于Smith预估的模糊自适应主汽温控制系统,即采用Smith预估内回路广义被控对象,以模糊自适应控制器对预估后的广义被控对象进行控制。该控制系统容易实现,对工况变化具有良好的自适应性。对某主汽温系统5种工况进行仿真,结果表明该控制方案具有较强的鲁棒性和抗干扰能力。此外,该控制方法在现有的集散控制系统和现场总线控制系统中容易实现,不需要增加硬件投资,具有较高的工程应用价值。     

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.     

锅炉汽温对象逆动力学过程模糊辨识

建立热力系统逆动力学过程模型是热力系统逆动力学研究及应用的关键。该文报告了一种锅炉汽温对象逆动力学过程模型的模糊在线辨识方法与结果。通过聚类和竞争学习算法，对逆动力学模型输入数据空间进行分区，在每个局部的数据子空间上，利用递推最小二乘辨识算法建立逆动力学过程模糊规则，并通过自适应模糊推理实现系统输入过程的反演。仿真结果表明，所建立的逆动力学过程模型对时变汽温对象具有良好的自适应能力和在线跟踪能力；通过汽温对象逆动力学过程在线辨识，能够获得恰当的控制过程，保证系统输出温度按照预定的轨迹达到设定值。     

基于改进的ELMAN神经网络的内模控制方法及应用

提出一种基于改进的Elman网络的内模控制方法,更好地适用于具有大惯性、大延迟和时变等特性的系统,并用于热工对象中的主汽温系统。仿真研究结果表明,该控制方案适应对象参数的变化并表现出良好的控制特性,具有较强的鲁棒性和自适应能力。     

输入受限的非线性系统模型预测控制

基于模糊T—S模型对输入受限的非线性离散系统,提出了模型预测控制,导出了预测控制性能指标上界,将稳定性约束、输入约束变换成容易求解的线性矩阵不等式(LMIs)形式。采用了状态反馈控制器和并行补偿分布控制器(PDC),基于李雅普诺夫函数和线性矩阵不等式方法给出滚动时域优化的充分条件,证明了闭环系统的稳定性。仿真结果验证了所提方法的有效性。     

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。     

多变量汽温模糊预测控制

针对火电厂锅炉汽温对象具有大迟延、非线性时变的特性,提出一种基于T-S模糊模型的多输入多输出(MIMO)预测控制策略.将MIMO系统分解为多个多输入单输出(MISO)系统,利用T-S模糊模型描述对象的动态特性,模糊规则将非线性对象划分为多个局部子线性模型,并用加权最小二乘法辨识其参数,然后用预测函数原理设计控制器.为提高预测控制性能,采用多步线性化模型构成多步预报器.仿真结果表明对于MIMO系统的长期预报和控制,多步线性化模型预测控制性能优于单步线性化模型预测控制性能.     

核电站蒸汽发生器水位的模糊GPC控制系统研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性、时变性等特性,导致传统的串级PID控制等多种方法难以取得好的控制效果.在串级控制的基础上,采用模糊广义预测控制来对蒸汽发生器水位进行控制,此法能充分发挥模糊控制及预测控制的优点,首先利用T-S模糊模型对系统进行辨识,并将其转化为线性时变状态空间模型,然后基于线性化的模型设计出广义预测控制器,并对蒸汽发生器水位进行自适应控制.仿真结果表明,与传统的串级PID控制相比,模糊广义预测控制方法无论是抗干扰能力还是鲁棒性,都有了很大的提高.     

火电厂主汽温模糊控制优化

针对火电厂普遍存在的过热汽温调节特性差、经常出现过热器汽温超调的问题,根据先进控制理论,对主汽温控制回路进行了改进,在PID串级控制的基础上,引入模糊控制增量的修正和模糊控制切换器,并在MATLAB上进行了仿真试验.在试验验证的基础上,在DCS系统上进行了实际应用,取得了良好的效果.     

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.     

一种基于T-S云模型的非线性系统控制

将云模型与T-S模糊系统结合,利用隶属云代替模糊系统的前件,提出一种T-S云模型.T-S云模型综合考虑模型的精确性和可解释性,不但可以利用专家的知识和经验建立系统模型,而且还可以通过输入/输出数据设计云模型系统.详细分析T-S云模型的系统结构.基于云模型和模糊系统对模糊概念表述的一致性,在不考虑超熵的情况下,使用梯度下降法辨识T-S云模型前件参数.利用递推最小二乘法辨识T-S云模型后件参数.设计了基于T-S云模型的控制器,实现了将卡车后倒至指定的卸车位置,体现了T-S云模型的不确定处理能力.仿真研究验证了算法的有效性.