面向对象的控制系统计算机辅助设计

在控制系统计算机辅助设计的软件开发过程中,采用了面向对象的方法进行需求分析、结构设计和软件设计,解决了如何组态任意控制系统的问题,使其满足方框图语言与可视化相结合的技术要求,使系统的设计更加规范,系统的可维护性、可扩展性都大为提高。     

基于K-L变换的支持向量机在汽轮机故障诊断中的应用

支持向量机应用于故障诊断是近年来研究的热点,在支持向量机算法的基础上,以汽轮机故障为例,引入了K-L变换对故障特征进行提取。结果表明,经K-L变换后的支持向量机算法能够保证故障信息的完整性,有效识别临界故障状态,提高了故障的分类精度,扩展了支持向量机的应用范畴。     

时变大滞后系统的自适应灰色预测PID控制

为对时变大滞后系统实现快速有效的实时控制,将二次型性能指标引入到 PID 控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了自适应 PID 的最优控制律, 并进行了稳定性分析。同时将自适应 PID 与灰色预测器相结合, 用预测结果代替被控对象测量值, 克服了大滞后系统控制效果不能及时反馈的不足,实现了“事先调节”。仿真结果表明,对时变的大滞后系统具有很强的适应性和鲁棒性。     

基于状态变量-多模型的主汽温控制系统

在现代火力发电厂控制中,锅炉出口过热蒸汽温度(主汽温)是锅炉的主要参数之一,对电厂的安全经济运行有着重大的影响。针对主汽温系统大惯性、非线性的特点,提出了基于状态变量-多模型的控制方案,即先采用状态反馈补偿主汽温的惯性,以PID作为控制器对补偿后的广义被控对象进行控制;再针对不同工况下对象特性的变化,对各工况控制子系统进行模态综合,实现大范围的控制。对主汽温系统的仿真结果表明,该方案可以较好地解决系统的大惯性和非线性问题。     

基于现场数据的电站过热器神经网络建模

为克服机理建模方法的不足,对利用现场数据建立过热汽温模型进行了研究。通过对过热器运行机理的分析,确定了影响过热汽温变化的主要因素,及其对过热汽温影响的延迟时间。在论述了神经网络建模原理的基础上,建立神经网络模型。通过大量现场数据的训练,使所建模的输出与实际系统的输出基本吻合。最后,用部分现场数据对所建模型进行了仿真试验,证明了该建模方法的可行性。基于神经网络建模计算速度快及模型精度高,模型输出基本上反映了过热汽温的实际运行情况。     

模糊量子遗传算法及其在热工过程模型辨识中的应用

针对量子遗传算法(QGA)中旋转变异角相对固定的缺点，将模糊自适应的思想引入QGA, 提出了模糊量子遗传算法(FQGA)。对典型函数测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用这种模糊量子遗传算法设计了一种通用的热工对象模型辨识算法，并编制了专用的模型识别软件，对典型热工过程进行辨识，取得了令人满意的效果。最后对某电厂循环流化床锅炉一次风对床温的传递函数进行辨识，结果表明该方法是一种简单易行的辨识算法，具有实用价值。     

一种新型的动态递归神经网络及其算法

通过对Elman网络的研究 ,提出了一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络 ,并给出了其算法。通过在系统辨识中的应用表明 ,该网络收敛速度快 ,模型精度高 ,具有较为广阔的应用前景。     

LS-SVM误差补偿的广义预测控制

广义预测控制（Generalized Predictive Control,GPC）汲取了DMC（Dynamic Matrix Control）、MAC（Model Algorithmic Control）中的多步预测优化策略,抗负载扰动、随机噪声、时延变化等能力强,且选取模型参数少,利于控制。然而,据研究发现GPC对模型失配问题有一定的局限性。最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）是在支持向量机的研究基础上发展而来的,具有良好的回归、分类功能。在认真学习LS-SVM原理的基础上,提出了基于LS-SVM误差补偿的广义预测控制,并选择两个模型进行了仿真实验。通过与常规GPC的比较,表明了该算法具有更优的控制性能。     

一种改进的遗传算法在系统参数辨识中的应用

文章分析了传统遗传算法存在的缺陷,以及它们产生的原因,提出了解决这些缺陷的方法.该文通过合理选择编码方式,改进初始种群选择策略、复制、交叉和变异策略得到一种综合的改进遗传算法,并将其应用于模型参数辨识.实验证明用基于排序法的新的选择算子和多个交叉、变异概率,能有效维持种群的多样性,克服算法早熟现象.在对下一代个体的选择中用到精英保留策略和模拟小生境方法,有效加快了收敛速度.同时在系统辨识的过程中,本文结合先验知识,对模型阶次的辨识进行指导,从而大大的提高了搜索速度.     

基于粗大误差检测的变压器故障诊断方法

将粗大误差理论引入变压器故障诊断,提出了粗大误差检测与特征气体比值诊断法相结合诊断变压器故障的新方法。通过对特征气体色谱分析得到的测量列进行粗大误差检测来判断变压器是否存在潜在故障,同时根据显著度的数值,得到变压器发生故障的概率。结合特征气体比值法,最终得到变压器的故障类型和故障原因。通过具体故障诊断实例,验证了方法的有效性。