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。     

基于单神经元Smith预估的过热汽温控制

针对典型大时滞大惯性，参数变化的电站锅炉过热汽温受控对象，设计了基于单神经元Smith预估过热汽温控制系统，在仿真实验的基础上，对单神经元Smith预估控制和最优常规PID控制进行了比较和分析。仿真结果表明，单神经元Smith预估控制能够充分利用神元自学习，自适应的能力以及Smith预估补偿控制的优点，使系统的控制品质提高，而且具有更强的鲁棒性和自适应性。     

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。     

1000MW超超临界机组汽温多模型预测控制研究

针对电厂过热汽温对象大惯性、大滞后及参数随负荷变化显著的特点,利用非线性过程(线性不确定过程)在多个工作点上的线性化模型,把整个对象工作空间划分为若干子空间,而每个子空间可以找到一个较精确的固定模型,再通过加权子模型获得复杂对象的全局近似模型作为预测模型,然后采用线性优化或非线性优化方法计算预测控制器输出进行汽温控制,并给出具体的现场应用实施方案。实际仿真和应用结果证明无论对于稳态过程或负荷变化过程,过热汽温都能维持在要求的控制范围内,能够有效保证机组的安全经济运行。     

考虑壁温控制的过热汽温自动控制系统设计与投运

根据河坡电厂过热系统工艺及控制对象的分析,设计了设定值可变的串级汽温控制系统,该系统兼顾高过壁温与主汽温双重控制的特殊要求,经现场投运,控制品质优良,达到运行要求。     

过热汽温的模糊控制

介绍了锅炉过热汽温模糊控制方案,应用单片机实现模糊决策控制,较好的解决了过热汽温延迟与大惯性的矛盾,提高了系统的快速性与控制精度。     

锅炉过热汽温系统的DRNN网络自整定PID控制

火电厂过热汽温控制系统具有大惯性、大迟延、参数慢时变的特点，受到的扰动因素较多；随机组负荷的变化又表现出参数快时变的特性，常规的按照典型工况整定的固定参数PID控制难以适应负荷变化，往往未能取得满意的调节效果。为此，提出一种基于DRNN的两级神经网络的过热汽温系统自整定PID控制策略，其中两级神经网络分别为静态网络SNN和动态网络DNN，SNN依据机组运行工况如负荷进行PID参数的粗调整定，以适应机组负荷的较大范围变化，如参与调峰；DNN依据偏差和偏差变化率进行PID参数的细调整定，以克服机组负荷的小范围变化、参数的慢时变漂移和各种扰动。为了克服系统的大惯性和大迟延，引入灰色预测器对未来信号进行预测，预测结果作为DNN使用的整定信息。对某汽温系统的计算机仿真研究结果表明：基于两级神经网络自整定控制策略的主汽温控制系统获得了良好的动态调节品质，具有较强的鲁棒性。     

基于自适应遗传算法的过热汽温PID参数优化控制仿真研究

该文从控制的角度出发对遗传算法法进行分析研究,指出加强算法和优化对象的联系是提高遗传算法效率的根本途径。并从算法和对象的外部联系以及内部联系这两个不同的角度分别提出了遗传算法的适配值函数的一般构造原则和遗传算法法的自适应机制,并给出了算法过程中各个环节新的实现策略,与以往经典遗传算法相比,采用文中提出的策略的遗传算法具有更高的求解精度,更强的全局搜索能力。并在此基础上将运用于电厂锅炉过热气温的PID参数优化控制,仿真结果表明了其优越性,具有一定的价值,并且文中所提出的算法及策略具有一般性,很容易运用的到其他优化问题中去。     

单神经元无辨识自适应预估控制算法及在过热汽温控制中的仿真研究

为了实现非线性、大时滞系统的良好控制，提出了一种新型的无辨识自适应预估控制算法。该算法将神经元结合到无辨识自适应控制律中，借鉴推导无辨识自适应控制参数自校正算式的基本思想建立约束条件，据此选择适当的权值取代原控制参数，并用加入动量项的改进δ算法取代该参数的校正计算式，提高控制参数的自校正能力。将该算法应用于600MW超临界机组直流锅炉的过热汽温控制，进行仿真研究，结果表明该算法的有效性，并具有良好的控制品质，较强的鲁棒性和自适应能力；且该算法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。     

多目标神经PID控制器及其在过热蒸汽温度控制中的应用研究

为了适用大滞后、大惯性复杂过程的高质量控制,对神经网络PID控制器进行了改进,提出了多目标优化算法。该算法具有自适应特点,克服了常规PID超调量大,神经PID响应速度慢的缺点,并容易实现实时控制。应用此算法对电站锅炉过热蒸汽汽温控制进行了仿真,取得了理想的效果。     

基于控制历史的过热汽温模糊串级控制

针对过热汽温对象具有大迟延、不确定等特点,设计出了一种基于控制历史的串级控制系统.在对控制对象的动态特性分析的基础上,用历史的控制信息代替偏差变化率作为模糊控制的决策依据,从而及时地反映出被控制量的变化趋势;并在此基础上,引入了比例环节,综合了PID控制器和模糊控制器的优点,克服了传统模糊控制器结构上的缺陷.通过仿真实验,将用该控制器构成的汽温串级控制系统的控制效果与常规PD及传统模糊控制作比较,证明了所提出的控制方案能够有效减小延迟时间对控制效果的影响,具有较强的适应性.     

基于汽温特性的火电机组过热蒸汽温度控制优化研究

以某台330 MW机组锅炉过热蒸汽温度为研究对象,在分析过热蒸汽温度特性的基础上,构建了以机组负荷为变量的前馈动态补偿函数,并采用Matlab软件对该函数进行了仿真验证.结果表明,以负荷为变量的前馈动态补偿函数较静态补偿函数超调量更小,调节时间短,具有较好的稳定性,可提高过热蒸汽温度的控制品质.     

过热蒸汽温度控制系统优化

针对300MW火电机组锅炉过热汽温系统二级减温器后两侧温度的差异情况，确定了过热汽温控制系统的优化方案：增加1个副调节器，使每个二级喷水阀单独由1个串级回路的副调节器输出进行控制。优化后的系统可以对温度高的一侧增加喷水量，对温度低的一侧减少喷水量，保证二级喷水总量不变。该方案经仿真实验后应用于实际，取得了明显效果。该优化方案适用于采用分散控制系统且有分隔屏过热器的锅炉。     

DMC-PID串级控制在火电厂过热汽温控制中的应用研究

根据火电厂过热汽温的动态特性,将先进的预测控制算法和PID控制算法相结合,构成DMC-PID串级控制系统。利用DMC预测控制算法的鲁棒性强及PID控制算法抗干扰性能好的优点,在Matlab平台上进行了仿真,结果表明该控制策略具有明显优于常规PID串级控制的性能。     

基于PID的DMC算法性能分析及其在过热蒸汽温度控制中的仿真

在分析PID算法和动态矩阵控制(DMC)算法的基础上,对基于PID性能指标改进的DMC算法--PIDDMC算法进行了推导.在时域内分析了PIDDMC控制器的参数选择对控制性能的影响,并给出参数选取范围.通过在发电厂的过热蒸汽温度串级控制系统中的仿真和与基本的DMC控制算法对比,结果表明PIDDMC算法具有更好的控制性能.     

基于神经网络的永磁同步电动机模糊自适应控制

为了提高水磁同步电动机伺服系统控制性能,本文结合模糊控制和前馈神经网络各自的特点采用了一种神经网络在线自学习模糊自适应控制结构,利用模糊推理机产生的分目标学习误差取代反馈控制输出信号来训练神经网络,这种控制策略是学习和控制同时进行,实时性、鲁棒性都比较好。     

基于模糊神经网络智能PI的过热蒸汽温度控制研究

介绍了在电厂过热蒸汽温度控制中采用模糊神经网络智能PI(FNN-PI)的控制方法。将基于FNN-PI的过热蒸汽温度控制系统与传统的PID过热蒸汽温度控制系统进行了仿真比较,结果表明采用FNN-PI的过热蒸汽温度控制系统的控制特性在超调量、快速性、抗干扰方面均有很大的提高。