基于前馈补偿的模糊自适应解耦控制在单元机组协调控制系统研究

针对单元机组负荷控制对象延迟性、非线性和强耦合的特点,提出一种基于前馈补偿的模糊自适应解耦控制方案,以提高控制系统的调节能力。在300MW直流锅炉单元机组负荷控制对象动态数学模型基础上进行了动态特性研究和关联度分析。采用前馈补偿法设计了单元机组协调系统的解耦补偿器。仿真结果表明,前馈补偿解耦控制在单元机组协调控制系统中取得满意的效果;并且与常规PID控制相比,模糊自适应PID控制系统超调量降低,调节时间缩短,具有良好的控制性能。     

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     

预测函数控制在火电厂单元机组协调控制系统中的应用

为解决单元机组协调控制系统的高精度和快速负荷跟踪控制的问题,将预测函数控制应用于多变量复杂控制系统中,提出一种基于阶跃响应模型的多输入多输出系统的预测函数控制算法。该算法采用阶跃响应模型作为参考模型,并引入扰动估计,使控制器在线计算量小,参数调整简单,跟踪快速,具有很强的抗扰动性和鲁棒性,能实现复杂多变量过程的高质量控制。该算法应用于含时变参数的单元机组协调控制系统仿真研究。结果表明:在大范围的负荷变化时,控制系统仍具有满意的控制效果。图8参8。     

基于BP神经网络和GA-PID的超超临界锅炉系统解耦控制研究

直流锅炉运行中,给水调节和燃料调节十分重要,但其各变量之间存在强耦合关系。本文针对1 000 MW超超临界机组直流锅炉中燃料和给水协调控制对象参数多变、强耦合的特点,提出了一种改进权值调整的BP神经网络分散解耦智能方法,实现系统解耦,然后采用遗传算法PID(GA-PID)控制方法对解耦后近似独立的两组对象进行控制。仿真结果表明:BP神经网络分散解耦算法具有很强的非线性映射能力和自适应解耦能力,GA-PID具有良好的控制效果,所设计的系统具有较强的鲁棒性,解耦控制方案能够达到理想的效果。     

基于神经网络模型的锅炉主蒸汽温度预测控制

为解决传统控制方法在火力发电机组蒸汽温度控制过程中存在的强非线性、大迟延的难题,提出了一种基于长短期记忆(LSTM)神经网络在线估计和粒子群(PSO)滚动优化的预测控制算法。该方法将常规串级控制系统的主回路控制器用预测控制器替代,采用LSTM神经网络建立主蒸汽温度控制系统的过程模型,通过多步预测实现了对复杂非线性系统模型的精确预测。利用PSO算法在线求解主蒸汽温度控制系统的最优预测控制律,避免了传统递推方法无法直接求解非线性优化问题。仿真结果表明：与传统主蒸汽温度串级控制策略相比,该控制算法明显改善了控制系统的快速性,抗扰能力较强,对主蒸汽温度这类具有非线性及模型不精确的被控对象有一定的参考价值。     

直流锅炉单元机组协调控制系统的研究与设计

以1 000 MW超超临界直流锅炉单元机组为研究对象,通过机理分析建立其协调控制系统的非线性模型,利用小偏差方法对模型进行线性化,设计相应的多变量解耦补偿器,实现了输入、输出变量的全解耦,建立了三输入三输出的协调控制系统,并通过煤质和给水比焓扰动以及升降负荷的仿真实验对协调控制系统进行了验证.结果表明:所提出的协调控制系统具有良好的控制性能.     

单元机组的非线性协调控制器

火电单元机组的机炉协调控制系统是一个具有不确定性的复杂多变量控制系统,其控制品质的改善是提高热工过程自动化水平的关键.首先介绍受控对象的数学模型,然后采用双输入双输出非线性PID控制器(NPID)和自抗扰PID控制器(APID)的设计方法,设计火电单元机组的机炉协调控制,并利用Simulink工具箱中的非线性设计模块(NCD模块)对控制参数进行优化.通过一系列的仿真试验,分析了控制系统的动态性能、抗干扰性能以及鲁棒性,并与线性分散PID控制方案进行比较.结果证明该方法能有效地提高单元机组协控制系统的控制品质.     

超超临界机组协调控制系统线性自抗扰优化控制研究

针对超超临界机组协调控制系统存在强耦合、非线性和大延迟的特点,将其进行类前馈解耦,设计了线性自抗扰控制器(LADRC),实现对系统的优化控制。采用MATLAB仿真算法,对给定和扰动作用下系统的响应进行分析,结果表明:LADRC控制下的被控量在仿真时间400～1 000 s内达到系统设定值,快速性优于PID控制。焓值和主蒸汽压力的抗扰动效果较好,且LADRC整定参数少,具有推广应用前景。     

单元机组协调控制系统模糊自适应控制研究

单元机组协调控制系统的负荷控制对象存在耦合性和时变性,常规PID控制方案在负荷大范围变化时控制效果变差.为了提高协调控制系统的调节性能,采用了一种模糊自适应控制方案.基于300MW直流锅炉单元机组不同工况下采集的数据,建立了机组在210MW和270MW工况下的负荷控制对象动态数学模型,并进行了动态特性分析;基于常规PID协调控制方案,设计了一种模糊自适应PID控制器,可以自动调整控制器参数以适应工况的变化.锅炉控制器和汽轮机控制器均采用模糊自适应PID控制器.仿真结果表明,单元机组协调控制系统模糊自适应控制与常规PID控制相比,超调量降低,调节时间缩短,抗干扰能力和负荷适应能力增强.     

基于神经网络预测控制的单元机组协调控制策略

利用BP神经网络的非线性映射能力对单元机组协调控制系统被控对象进行辨识,从而建立其动态模型;在这一模型的基础上对协调控制系统中的控制器参数优化进行研究,提出基于神经网络预测控制的协调控制策略.该方法很好地解决了协调控制系统中强耦合、非线性等问题.仿真实验表明该系统的跟踪速度加快、调节精度提高、并且具有较好的抗干扰性.图6参7     

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用

分析了直流锅炉运行时各变量之间的耦合关系;针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法(BP)神经网络分散解耦方法,对直流锅炉汽温-压力控制系统进行解耦,然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制.仿真实验结果表明:BP神经网络分散解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果.     

火电单元机组协调控制系统的多变量IMC-PID设计

根据单元机组的低阶非线性模型，经过适当的简化，推导出一个双输入双输出、能够描述机组动态特性及机炉间相互耦合关系的传递函数矩阵。以该矩阵为基础，采用多变量内模控制的方法对单元机组协调控制系统进行设计。为了能方便地在实际工程中实现，文中推导出了该控制器的PID实现形式，最终简化的控制器结构简单，需调节参数少，可调参数与系统动态性能的对应关系明确。仿真试验表明：该控制器具有良好的解耦效果和负荷适应能力。图6参11     

多变量智能协调控制系统设计应用

针对火电机组被控对象非线性、迟滞、燃料大惯性并存的特性,建立了330 MW单元机组协调控制系统非线性模型,并对此模型在额定工况点下进行线性化,以此线性化模型为基础,在机组原有的协调控制系统中增加多变量解耦控制器,进而设计出与之对应的多变量协调控制系统,并通过工程试验与机组原有的协调控制效果相比较,实际结果证明了多变量智...     

基于神经网络的PID控制系统在联合站的应用

研究了神经网络技术与PID相结合的方法在油田联合站集输控制系统中的应用。把神经网络与传统的PID控制有机结合寻找出了一个最佳的PID非线性组合控制规律，在一定程度上解决了传统PID调节器不易在线实时整定参数，难于对一些复杂过程和参数慢时变系统进行有效控制的不足，从而提高了控制器对系统与环境的适应能力和控制效果。     

基于模糊神经网络的生物质气化炉的智能控制

利用神经网络理论与模糊理论融合而成的模糊神经网络,对具有非线性、非最小相位特征、大时滞以及负荷干扰特点的生物质气化炉气化过程进行了研究,设计了生物质气化炉炉温及一次进风量的智能控制系统.控制对象分别为气化炉气温及烟气含氧量,调节对象分别为生物质给料量与一次进风量,所建立的模糊神经网络具有五层拓扑结构,输入为给定值与实测值的误差及误差变化率,输出为PID参数变化量.仿真实验表明:该控制系统与传统的模糊控制系统相比具有更好的控制效果.     

基于改进型多模型预测控制的喷氨优化算法及其应用

由于大时滞、非线性的控制难点,典型火电机组选择催化还原(Selective Catalytic Reduction,SCR)脱硝系统的控制效果难以保障.作为一种先进控制算法,与PID控制相比模型预测控制对大时延、大惯性的被控对象有着较好的控制效果,因此在脱硝控制系统优化中多有应用.然而SCR被控对象的非线性以及未知的外...     

基于P规范形式的柴油机空气系统解耦控制算法研究

采用对角矩阵法开展对柴油机VNT-EGR空气系统的解耦控制研究,并利用P规范形式描述耦合控制对象及解耦环节。经过适当简化后,设计出基于PID控制器的易于实现及标定的解耦控制算法。研究结果表明:与传统独立闭环控制算法相比,在瞬态控制过程中,解耦控制算法可更快地追踪控制目标,并可抑制调节过程中的非最小相位特性。     

面向对象的火电厂主汽温控制方法

大型火电机组主汽温对象具有明显的滞后性、非线性、时变性的特点,采用常规PID串级控制主汽温效果欠佳,提出了面向对象的主汽温控制策略,及汽温对象由扰动通道类、调节通道类及任务处理类三大类子对象组成.以工程实例证明了任务处理类子对象算法对汽温变化的可控性.实践表明:新型控制算法具有较好的控制品质和鲁棒性,且有较强的抗干扰能力,实现了控制过程的零手动、零超温和高品质.     

神经网络自适应PID控制在柴油机齿条位置控制中的应用

提出了基于BP神经网络的PID控制算法在柴油机齿条位置控制系统中的应用，把传统的PID控制和BP(误差反向传播)神经网络控制相结合，采用“先离线学习，后在线控制”的思想实现了齿条位置闭环的自适应控制。初步实验结果表明，该控制算法能满足齿条位移控制的性能指标，且其稳态特性较好，克服静摩擦的效果令人满意。     

超临界机组除氧系统自抗扰控制器的优化设计

针对超临界机组除氧器非线性、大迟延、强耦合和模型时变特性,传统的PID调节器难以使除氧控制系统达到理想的控制效果。为了对除氧器水位和凝泵出口压力的控制取得满意的效果,采用自抗扰控制技术(Auto Disturbance Rejection Control)。通过仿真表明,用ADRC控制器控制除氧系统具有较好的解耦效果、较快的响应速度和较强的抗干扰能力。