基于LSTM模型的SCR喷氨串级预测控制

常规PID对时变、时滞的SCR系统控制效果不佳,难以满足环保排放要求。因此提出一种基于长短期记忆神经网络（LSTM）滚动预测的串级预测控制策略。将LSTM网络预测输出组装成下一时刻输入数据,建立能自动微调的SCR系统模型;通过将LSTM网络与预测控制方法相结合应用于SCR喷氨优化控制中,并在此优化控制方案基础上加入PID控制,建立喷氨量的串级预测控制系统。结果表明：该控制策略对于SCR系统调节速度快、动态控制性能好、能克服模型失配的影响。     

基于阶梯式广义预测的SCR脱硝系统优化控制

SCR脱硝系统被控对象具有大迟延和大惯性,采用常规PID难以满足对出口NO_x含量的精准控制。为提高控制品质,提出了基于阶梯式广义预测的SCR脱硝系统优化控制。首先采用粒子群算法辨识了NO_x排放量的数学模型,其次基于模型设计了阶梯式广义预测控制器,最后将基于联合互信息的LSSVM动态软测量模型得到的NO_x生成量作为前馈,构建了基于软测量模型的前馈-反馈控制系统。结果表明：基于阶梯式广义预测的脱硝优化控制能很好的减少出口NO_x的波动,将动态软测量模型得到的NO_x生成量预测值作为前馈引入SCR脱硝控制系统,克服了测量数据存在的滞后问题,可以及时准确的控制喷氨量,实现脱硝系统的稳态经济运行。     

脱硝系统喷氨控制技术研究现状与展望

对SCR脱硝系统喷氨控制技术的研究进展进行了综述,简述了喷氨控制技术中常规PID控制方式及多种先进控制算法的工作原理,优化技术创新点和研究现状,并对脱硝系统喷氨控制技术的发展方向进行了展望.     

1000MW 机组 SCR 烟气脱硝自动控制方式优化

介绍了大唐潮州电厂2×1000MW机组SCR脱硝的基本工艺,并对脱硝系统的喷氨流量的自动控制方法进行论述,针对喷氨流量自动控制存在的问题进行了优化。较好的满足了脱硝自动化控制的要求,具有较强的实用性和通用性。     

水泥窑用SCR脱硝反应器的模拟优化

随着氮氧化物的减排标准逐年严格,加快对选择性催化还原方法(SCR)的研究,提高烟气脱硝效率是水泥行业的当务之急。选用一款CFD软件对某日产5 000t级水泥熟料生产线初步设计的SCR脱硝反应器进行数值模拟研究,选用湍流模型、多孔介质模型对SCR反应器的流场进行模拟计算;运用组分输运模型和离散相(DPM)模型模拟NH_3与烟气的混合过程,研究喷氨面位置、喷氨口个数对混合过程的影响。结果表明:在烟道弯管处设置导流板,能有效地改善反应器内烟气流场,较优方案的烟气流速偏差仅为6.95%;喷氨面与催化剂层的距离及喷氨口个数都能影响NH_3与NO_x的混合。     

模糊PID在SCR烟气脱硝系统中的仿真与应用

针对电厂烟气脱硝系统存在的过渡脱硝以及负荷变化大时引起系统较大波动的问题,设计了一种具有自校正功能的模糊PID控制器,实现了对SCR进氨流量及出口氮氧化物浓度的优化控制,对该控制器与常规PID进行了比较仿真分析,最后将模糊自校正PID控制器应用于实际系统。仿真结果表明,在调节时间、稳态误差以及最大超调量等性能上,模糊PID均优于常规PID。在实际应用中,既能把出口NOX浓度控制在合理范围内,又能保证较小氨逃逸率。     

基于遗传算法的广义预测PID控制及其在锅炉主汽温系统中的应用

针对超超临界机组的主汽温控制,提出了一种广义预测PID控制方法,该方法采用改进遗传算法对PID控制器参数进行在线优化.采用了一种基于广义预测控制性能指标的遗传算法寻优思路,建立了主、副回路PID参数优化模型;在选择、交叉和变异算子方面,初始种群设计方面和交叉、变异概率调整方面对遗传算法进行了改进.最后对广东潮州电厂某锅炉现场连续运行的历史数据进行了控制仿真,结果表明采用基于改进遗传算法的预测PID控制策略后,系统在动、静态特性和变负荷能力上均比常规串级系统效果更好.     

基于现场实际情况的一种喷氨优化方法的探讨及应用

针对某电厂600 MW燃煤火电机组SCR脱硝系统出口NO_x分布均匀性差、氨逃逸率较大等问题,对脱硝系统喷氨格栅喷氨量进行优化调整。调整后,脱硝系统A、B两侧出口NO_x浓度标准偏差分别从66.2%和91.9%下降至12.9%和14.9%,脱硝系统出口NO_x均匀性得到明显改善,氨逃逸有所降低,对保障尾部烟道设备正常运行具有重要意义。     

脱硝系统运行调整试验分析

锅炉脱硝系统改造后,存在NOx排放达不到环保要求,受热面的磨损加剧,空气预热器结垢严重等问题.通过对脱硝系统进行运行优化调整试验,对SNCR喷枪及SCR喷氨格栅的开度和喷氨量进行了调整,使机组的NOx排放指标达到环保要求,提高了脱硝效率并减少了氨逃逸,有效地缓解了SCR下游设备的NH4HSO4沉降及堵灰状况,为同类型机...     

基于WINCC和PLC的预测PID控制仿真及实现

针对电阻加热水冷却实验室解耦控制装置系统的强耦合性,常规的PID不能得到很好的控制效果,介绍一种基于递推最小二乘法在线辨识系统模型的广义预测、PID串级控制．通过内环PID作用将一个慢性系统变成一个动态性能比较好的控制对象,再通过外环预测控制的优化功能,增强系统的适应能力和对耦合干扰的抗干扰性．通过MATLAB仿真,验证预测PID控制算法的可行性．针对仿真不能准确描述控制对象本身的情况,又通过WINCC脚本的预测控制编程与西门子PLC中的PID算法结合,实现预测PID的串级控制．试验结果表明,预测PID较PID控制对时变控制对象具有比较好的适应能力,对耦合系统的干扰具有优于常规PID的稳定性能．     

基于LSTM与牛顿迭代的两轴系统轮廓误差控制

针对轮廓误差影响运动系统精度的问题,提出结合长短期记忆神经网络(LSTM)和牛顿迭代法对轮廓误差进行预测、通过转换任务坐标系对轮廓误差进行补偿的方法.在运动平台上提取特征轮廓与数据,将牛顿迭代法应用于对轮廓误差的计算,通过计算出的轮廓误差对优化后的LSTM神经网络进行训练,建立更准确的轮廓误差预测模型.通过转换任务坐标系,将预测的轮廓误差作为前馈补偿到参考轮廓中,提高轮廓控制性能.通过试验对比PID、迭代法和神经网络法,利用随机NRBUS轨迹验证泛化性,表明提出的方法能够有效地预测并控制轮廓误差,在精密运动控制领域有良好的应用前景.     

基于深度神经网络的注塑过程预测控制

注塑机作为现代工业中重要的塑料件生产与制造设备,其智能化发展一直备受业界关注。伴随着航空航天、电力电子、汽车制造等行业的发展,如何实现对注塑件的高精度、高效率、绿色节能化生产,是目前注塑机的重要研制方向。本文针对注塑成型过程中采用传统模型预测控制(Model Predictive Control, MPC)难以保证跟踪控制实时性的问题,提出一种结合深度神经网络(Deep Neural Network, DNN)学习的注塑过程预测控制方法。在注塑机注射过程动力学模型基础上,创建带约束条件的模型预测控制器,对控制器运行数据进行采集并用以训练深度神经网络,实现了基于深度神经网络控制的注射速度的跟踪预测控制。仿真实验结果表明,采用本文所提出的学习预测控制策略能够有效避免注塑过程中因模型预测控制所产生的复杂计算,并满足工业实时性要求,具有应用前景。     

克服广义预测控制模型参数失配的PID反馈校正策略

虽然广义预测控制(GPC)能够通过不断的在线辨识克服模型失配的不利影响,但它计算耗时,不利于在线实时的情况.为了克服在线辨识计算量大的缺点,提出了一种简便易行,计算量小的PID反馈校正策略,可有效地消除模型参数失配对控制性能的不利影响.由于所提出的方法把基于未来预测信息的超前控制和基于过去误差的事后控制有机地结合起来,从而呈现出良好的动态特性.计算机仿真表明,该方法能够有效克服模型与过程之间的增益失配问题,改善控制效果.     

基于神经网络的非线性预测函数控制

给出了一种新的神经网络多步预估器结构,建立了CSTR过程的人工神经元网络的动态模型,并在此基础上提出了基于人工神经元网络模型的非线性预测函数控制算法．给出了非线性预测函数控制的具体实施步骤．计算机仿真表明。人工神经元网络模型的精度已满足预测控制的需要。该控制系统比常规PID控制器具有更好的控制效果．     

Incremental multivariable predictive functional control and its application in a gas fractionation unit

The control of gas fractionation unit(GFU) in petroleum industry is very difficult due to multivariable characteristics and a large time delay.PID controllers are still applied in most industry processes.However,the traditional PID control has been proven not sufficient and capable for this particular petro-chemical process.In this work,an incremental multivariable predictive functional control(IMPFC) algorithm was proposed with less online computation,great precision and fast response.An incremental transfer function matrix model was set up through the step-response data,and predictive outputs were deduced with the theory of single-value optimization.The results show that the method can optimize the incremental control variable and reject the constraint of the incremental control variable with the positional predictive functional control algorithm,and thereby making the control variable smoother.The predictive output error and future set-point were approximated by a polynomial,which can overcome the problem under the model mismatch and make the predictive outputs track the reference trajectory.Then,the design of incremental multivariable predictive functional control was studied.Simulation and application results show that the proposed control strategy is effective and feasible to improve control performance and robustness of process.     

Control of Hydraulic Power System by Mixed Neural Network PID in Unmanned Walking Platform

为满足无人行走平台液压动力系统的快速调节和精确控制的需求,简要分析数字PID及其优缺点,提出了液压动力系统控制参数要求,制定了关联的双回路PIID控制策略;依据物理过程,建立了液压变量泵和汽油机的负载响应数学模型,引入神经网络结构PID构建了混合神经网络PID,实现混合神经网络PID的BP算法和自适应学习步长的计算;在MATLab环境下进行了混合神经网络PID控制算法的训练和参数控制效果的模拟,并在试验台架上,实现了汽油机转速和变量泵压力的控制,结果表明：混合神经网络PID的控制效果是有效稳定的,并能很好地满足汽油机转速和变量泵压力的调节要求。     

一种改进RBF网络与PID相协调的自适应控制

为充分利用人工神经网络处理非线性问题能力和PID控制器设计简单以及鲁棒性强的优点,设计了高性能控制器.通过对最小资源分配网络的裁剪策略进行改进,使改进的网络具有更加紧凑的结构;把改进的最小资源分配网络应用到神经网络自适应控制器中,同时结合神经网络自适应控制和PID控制,提出一种神经网络与PID相协调的自适应控制策略,并应用到对电站锅炉过热汽温的控制上.仿真结果表明,提出的控制算法与常规的控制算法相比具有更好的控制品质.     

基于BP神经网络PID参数整定的空燃比控制策略研究

采用BP神经网络实现在过渡工况下发动机空燃比的PID控制系统的参数整定,建立了发动机燃烧及燃油供给系AMESim仿真模型,利用MATLAB／Simulink设计了改进空燃比BP神经网络PID控制仿真模型,在AMESim环境下进行了动态仿真．仿真试验表明：基于BP神经网络PID参数整定的空燃比控制策略具有良好的自适应性能,与经典PID控制相比,改善了过渡工况下燃油的供给,实现了空燃比的精确控制．