过热汽温系统无记忆状态反馈H_∞鲁棒预测控制

针对火电厂过热汽温大延迟、大惯性和模型不确定等特性,提出了一种多包不确定离散系统的无记忆状态反馈H_∞鲁棒预测控制(HRPC)方法.该方法将鲁棒预测控制、预测控制滚动优化的优点和无记忆反馈控制结合在一起,采用多步控制策略,推导出无记忆状态反馈HRPC的控制律,在不同负荷下对某600 MW机组进行了过热汽温串级控制的仿真实验,并对串级HRPC控制(HRPC-P)与串级PID控制(PID-P)、动态矩阵串级控制(DMC-P)进行比较.结果表明:HRPC-P控制器具有良好的跟踪性能,比PID-P控制器和DMC-P控制器具有更强的鲁棒性,而且减少了控制器优化参数的数量,对工程应用具有一定的参考价值.     

广义动态模糊神经网络及其在热工辨识中的应用

针对热工过程难以建立精确数学模型的特点,将广义动态模糊神经网络应用于热工复杂系统的辨识。该算法以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率进行修正。通过对某电厂一次风量和平均床温实测数据的仿真实验结果表明,该方法具有较高的辨识精度和效率。     

基于免疫遗传算法优化的汽温系统变参数PID控制

针对工程实际应用，提出了一种改进的变参数PID控制策略，新的控制策略不论对于调节还是设定值跟踪，均具有很好的控制效果，对于工业实际中常见的大滞后对象也有很好的抗干扰性能和较强的鲁棒性。为了使变参数皿控制取得更好的性能，提出了鲁棒整定的思想，并采用免疫遗传算法进行设计参数的鲁棒优化调整。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明，基于免疫反馈和遗传机制的免疫遗传算法具有全局优化的能力，对变参数PID控制的参数优化设计是成功和有效的，使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。同时也表明，免疫遗传算法和变参数PID控制均具有较好的发展前景，可用于某些多模型系统的同时整定设计。     

火电厂汽轮机振动故障诊断专家系统设计与实现

为了及时有效地根据火电厂汽轮机振动信号诊断出故障原因,并为设备提供检修参考意见,讨论了利用汽轮机组的振动频率对故障进行模块划分,使用VisualC 和专家系统工具CLIPS开发了火电厂汽轮机振动诊断故障诊断专家系统。该系统能够根据汽轮机振动现象进行故障诊断,最后的诊断实例验证了其可靠性。     

热工系统PID参数整定公式的仿真研究

针对目前工业过程控制系统普遍使用PID控制律的特点,通过大量的仿真及数据分析,提出了有自平衡和无自平衡控制系统PID控制器参数的经验整定公式.仿真结果表明,在上述经验公式下得到的控制器参数,可以满足电力行业标准提出的模拟量控制系统的品质指标要求,而且,控制器参数既可以直接应用于实际火电机组的闭环控制系统,也可以作为各种PID控制器参数优化算法的寻优初值及优化区间的中心值.     

基于多目标粒子群算法的PID控制器设计

随着对控制系统的要求越来越高,进行比例积分微分(Proortion Integration Differentiation,PID)控制器的设计的时候应该同时考虑到系统时域指标和频域指标,常规的PID整定方法往往很难实现.为解决上述问题,采用多目标粒子群算法进行PID控制器参数的设计,算法将系统的超调量、上升时间和稳定时间作为目标函数,频域指标作为约束条件.算法的运算结果为一组Pareto最优解,运行者可以根据当前对系统的要求从中选取合适的解.通过与常规PID整定方法和采用单目标粒子群算法的方法进行比较,证明了改进方法的有效性.     

总线智能仪表温度控制系统的设计

介绍了一种基于现场总线的智能氧化锆氧量分析仪,阐述了整个系统的结构以及温度控制系统的软硬件设计。该系统采用了基于专家智能与PID相结合的专家控制器,利用专家系统知识库输出修正PID参数,以改变PID控制方式。试验表明,总线智能氧化锆氧量分析仪的温度控制系统的精度、可靠性、可维护性和可测试性都得到了提高。     

基于损失函数的SVM算法及其在轻微故障诊断中的应用

尽早识别轻微故障，对提高生产过程设备运行的安全性具有重要意义。为实现对设备轻微故障的正确识别和及时诊断，该文提出了一种基于损失函数的支持向量机(SVM)算法。应用模糊理论的方法对支持向量机分类及最优分类面进行了解释，对可疑分类区列出了模糊隶属度的表达式。针对故障诊断等问题中误判造成的损失不同这一特点，定义了基于损失函数的模糊隶属度，并得出了修正后的最优分类面。SVM算法可以实现对设备轻微故障的准确识别，并可近似地判别故障的严重程度。文中以汽轮机减速箱轴承运行状态诊断为例，对样本数据经K-L变换后进行可视化研究，分类结果表明了该算法的可行性。     

基于混合聚类算法的模糊函数系统辨识方法

针对传统模糊系统存在的结构难以确定和参数辨识复杂的问题,提出了一种基于混合聚类算法的模糊函数系统辨识算法.与一般的模糊函数系统相比,混合聚类算法结合模糊C均值和模糊C回归模型聚类算法的样本距离.在模型预测部分,采用高斯函数计算每个输入变量的隶属度,利用输入变量隶属度的模糊化算子得到输入向量的隶属度.应用于Box-Jenkins煤气炉数据、一个双入单出的非线性系统和Mackey-Glass混沌时间序列数据的试验结果表明,本文算法具有很好的辨识效果,从而验证了本文算法的有效性与实用性.