燃气发电锅炉主汽压滑模预测优化控制策略

针对燃气发电锅炉主汽压控制的非线性、纯滞后和强干扰特点,提出了一阶时延模型的主汽压滑模预测优化控制策略。利用广义预测控制对滑模控制器的增益及主汽压作出实时预测,根据主汽压预测偏差对滑模增益进行反馈校正和滚动优化,以降低滑模控制系统的抖振。对煤气调节阀的流量特性进行非线性补偿,通过优化目标函数求出离散形式的最佳控制律。仿真结果表明:与常规PID、滑模控制和动态矩阵控制相比,模型适配时所提出的控制策略使调节时间最多减少19.1s,超调量最多降低16.4%;滑模函数抖振小,系统抗干扰及鲁棒性良好。工程应用表明:使用所提策略后,系统抖振比单一滑模控制的降低60%,主汽压控制偏差小于±0.05MPa,系统稳定性和抗干扰能力明显提高。     

改进粒子群优化的燃气发电锅炉主汽压模糊预测控制策略

针对燃气发电锅炉存在的纯滞后、大惯性和参数模型易变等问题,设计了一种改进粒子群优化(PSO)的主汽压模糊广义预测控制策略。利用遗忘因子递推最小二乘法(FFRLS)辨识出主汽压模型,并引入广义预测控制(GPC),通过多步预测、滚动优化和实时反馈技术克服系统惯性、时滞和参数时变问题。为改善主汽压控制系统的稳定性和动态响应品质,对GPC算法中的控制加权系数进行模糊自校正设计。引入改进粒子群算法对广义预测控制的控制量增量进行寻优,求取最优控制律。仿真结果表明:与改进PSO-GPC策略和动态矩阵控制(DMC)策略相比,在施加扰动情况下,所提改进PSO-模糊GPC策略在模型适配与失配时稳定时间分别最多减少94.5s和132s,超调量分别最多降低5.1%和8%。工程运用表明:所提控制策略主汽压控制偏差低于±0.15MPa,系统受模型失配影响更小,稳定性和抗扰动能力明显提升。     

火力发电锅炉主汽温控制系统的动态矩阵控制策略

针对火力发电锅炉主汽温控制系统的大惯性、纯滞后和非线性等特点,提出一种基于动态矩阵控制的主汽温预测控制策略。根据过热蒸汽传输通道特性,将减温水流量扰动作为前馈补偿;综合考虑机组负荷、燃料波动等扰动因素设计动态矩阵控制器;采用有限时段的滚动优化策略,并引入基于误差的反馈校正算法,从而能全面考虑模型失配、时变、干扰等引起的不确定性,及时弥补这些因素造成的影响,提高系统的鲁棒性。仿真结果表明:与常规PID和Smith预估控制策略相比,在施加扰动情况下所设计的控制策略调节时间最多可减少314.28 s,超调量最多可降低12.6%;在模型失配情况下调节时间最多可减少516.66 s,超调量最多可降低15.46%。工程应用结果表明:主汽温控制偏差低于±5℃,动态和稳态性能得到了很大改善,能有效满足发电锅炉主汽温控制系统的实际要求。     

基于IGPC-NADRC火电机组制粉系统控制策略

针对火力发电机组制粉系统存在参数不稳定、大滞后及多变量的问题,本文构建非线性最小二乘法辨识模型,采用隐式广义预测算法预测模型输出,构造非线性扩张状态观测器(NESO),估计系统存在的干扰并补偿,设计应用于火力发电机组制粉系统的隐式广义预测非线性自抗扰控制策略(IGPC-NADRC),化简内模结构并分析系统稳定性。在仿真实验中采用时域分析法验证控制器内关键参数对系统输出的影响;设计抗干扰实验和变设定值实验,比较IGPC-NADRC控制、动态矩阵(DMC)自抗扰控制(ADRC)、IGPC-PID控制策略和DMC-PID控制策略的控制效果。研究结果表明：IGPC-NADRC控制系统的抗干扰性能好,鲁棒性强,当系统受到外界干扰时该方法的超调量为5.72%,调节时间为44 s,稳定性更佳。工程应用结果表明,采用IGPC-NADRC控制策略后系统的偏差范围比PID控制时的更小,证明了方法的有效性。     

基于神经网络逆模型的污水pH值内模控制策略

针对污水处理中和反应过程pH值控制具有强干扰和模型参数易变等特点，利用内模控制方法的设定值响应和干扰响应之间相互独立的优点，提出一种基于内模控制和神经网络逆模型相结合的pH值优化控制策略。通过在系统中插入低通滤波器，并采用RBF神经网络在线辨识被控对象的逆模型，提高污水处理pH值控制的鲁棒性和抗干扰能力，有效解决中和反应pH值控制过程中模型参数易变的问题。MATLAB仿真结果表明：与常规PID控制和不带滤波器的神经内模控制策略相比，提出的优化控制策略超调量最多降低17.4%，调节时间最多减少113.6 s，有效提高了系统鲁棒性和抗干扰能力。工程应用表明：使用所提策略后，pH值控制偏差在±0.2以内，系统的控制精度和稳定性显著提高。     

循环流化床锅炉控制系统

循环流化床锅炉是一个分布参数、非线性、时变、大滞后、多变量紧密耦合的被控对象 ,常规控制方法难以取得理想的控制效果。分析了循环流化床锅炉结构与工艺特点 ,结合循环流化床锅炉动态数学模型 ,提出采用模糊控制和广义预测控制相结合的新控制思路。控制系统中各控制回路均采用模糊控制方案。还针对床温和主汽压的强耦合 ,设计了基于广义预测控制的指导系统 ,实现了床温和主汽压的解耦协调控制。该控制系统有效地解决了循环流化床锅炉控制中的难点问题 ,取得了满意的控制效果 ,并已被应用于实际工程     

永磁同步电机位置伺服系统的RBF神经网络滑模控制策略

针对永磁同步电机(PMSM)位置伺服控制系统的负载扰动、外部不确定性干扰和模型参数摄动的特点,常规PID控制策略难以达到满意的控制效果.利用滑模控制对系统扰动和参数变化不灵敏的优点,提出一种基于神经网络和滑模控制相结合的位置伺服优化控制策略.在常规滑模控制器设计的基础上,引入RBF神经网络调节滑模控制器的切换增益,削弱系统的抖振,并通过在系统中设计干扰观测器实现对扰动的补偿.仿真结果表明:与常规滑模控制和常规PID控制相比,不同参数下本文所提出的优化控制策略超调量最多降低22%,调节时间最多减少9.2 s,有效提高位置伺服系统的鲁棒性、抗干扰能力和跟踪精度,且系统抖振得到有效遏制.     

基于广义回归神经网络的煤矿带式输送机模型预测控制

针对煤矿井下运输系统能耗大、生产成本高等问题，提出基于广义回归神经网络（GRNN）的带式输送机模型预测控制（MPC）策略。引入动态自适应权重和莱维飞行策略改进天牛须算法（BAS），并采用改进的天牛须算法对广义回归神经网络进行超参数寻优。建立了带式运输机模型，采用模型预测控制策略对带式输送机的运行进行优化与控制；优化过程采用了基于分时电价的控制策略。实验结果表明：与带式输送机传统的运行方式相比，所提出的控制策略不仅可以减少能源消耗，而且可以有效降低运行成本。     

基于萤火虫算法的DDE-PID加热炉炉温控制

针对加热炉炉温控制的目标多变、干扰因素多等问题,提出基于萤火虫算法(firefly algorithm)优化预期动态(desired dynamic equation,DDE)二自由度PID控制策略。将非线性鲁棒控制器(Tornambe Controller)中的不确定因素和外部干扰项利用观测器近似替换,运用预期动态法构建动态特性方程,推导出带有预期动态特性方程系数和观测器参数的二自由度PID等价形式。在判定系统稳定性后确定待优化参数选值范围,进而通过萤火虫优化算法选取最优参数。研究结果表明：与常规PID和二自由度PID控制相比,模型适配时所提出的控制策略使调节时间最多减少38 s,超调量最多降低15%,系统抗干扰性良好。使用所提策略后,炉温控制偏差小于±20℃,炉温波动降低60%,系统稳定性和抗干扰能力明显提高。     

基于ARM-Linux 台的显式模型预测控制算法实现

为了对显式模型预测控制算法进行实验研究,建立了基于ARM-Linux平台的显式模型预测控制实物仿真控制系统.在ARM-Linux平台上实现了显式模型预测控制算法的在线计算过程,把传统的隐式模型预测控制的反复在线优化计算问题转变为在线数据搜索过程,简化了在线计算过程,提高了在线计算速度,减少了在线计算时间.对显式模型预测...     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

广义预测控制在锅炉汽温调节中的应用

本文研究采用广义预测控制GPC(Generalized Predictire Control)方法对火电厂锅炉过热汽温进行自动控制。通过仿真试验并同常规的PID型汽温调节系统比较表明,这种新型的控制规律将使汽温调节质量得到较大改善。文中还对GPC算法的鲁棒性进行了仿真研究,尽管被控对象的动态特性在较大范围内变化,但GPC算法使系统仍有良好的动态品质。因此,广义预测控制在锅炉过热汽温调节系统中的应用是很有前途的。     

基于PSO磁悬浮球系统自适应灰预测控制

目的 针对磁悬浮球系统非线性不稳定和滞后性的问题,提出一种基于粒子群优化的自适应灰色预测 PID (Proportion Integration Differentiation)复合控制策略。 方法 通过在 PID 控制模块的反馈环中引入具有等维新息特征的灰色预测器,对系统误差进行及时反馈修正,以提高控制系统的响应速度和鲁棒性;同时,融合粒子群智能算 法对控制器参数迭代优化,以提高控制系统控制精度和抗干扰能力;最后,在 MATLAB / Simulink 环境下搭建仿真 平台进行对比实验。 结果 验证基于粒子群优化的自适应灰预测控制系统模型的超调量、峰值时间、调节时间显著 改善。 结论 证实该策略可以有效抑制系统滞后性,具有良好的稳定性和鲁棒性。     

铜转炉冶炼过程中余热锅炉水位的优化控制

以110 t铜转炉冶炼过程中余热锅炉为研究对象,探讨了锅筒水位的动态特性,推导了不同扰动之间的关系.分析了传统三冲量锅筒水位控制方案的不足,引入压力参数作为补充控制量,提出了改进的优化控制方案.通过对给水流量和蒸气流量信号的合成处理,简化了静态参数配合的调试和计算,提高了整个控制系统的鲁棒性.实际应用结果表明,锅筒水位的波动范围可控制在50 mm以内,产气量达12 t,同比增加40%,蒸气温度提高30%.     

面向工业电机考虑参数自调节的优化模型预测控制

针对常规控制器在工业电机无参数或者参数失配时引起的控制性能下降等问题,不满足工业自动化发展需求,因此提出一种考虑现实工业情况的无参数模型预测控制。首先引入模型预测控制的思想,将离散异步电机数学模型作为模型预测控制的预测模型并在线估计更新其集总参数,从而无需任何电机参数即可实现模型预测控制。针对工业用电机复杂工况,进行优化使其能够快速且准确地辨识出集总参数。仿真结果表明,所提出的控制策略预测精度高,在工况与电机参数均为未知时变的情况下,无参数模型预测控制仍然能在不同情况下达到较为优良的控制性能,证明了该方法优良的鲁棒性和有效性。     

基于失配补偿Smith-RBF神经网络的 主蒸汽压力控制技术

针对燃气发电锅炉主蒸汽压力控制系统对象的大滞后、不确定性和煤气扰动大的特点,设计了一种基于失配补偿Smith预估及RBF神经网络的控制方案。利用RBF神经网络的在线学习能力整定常规PID的参数,并通过失配补偿Smith预估控制器对系统中存在的纯滞后进行补偿,有效解决了火力发电锅炉主蒸汽压力对象动态特性模型失配及纯滞后的问题。通过仿真研究及实际应用表明:该控制方法对于火力发电锅炉主蒸汽压力控制具有很好的稳定性和抗干扰能力。     

一类间歇过程的优化及非线性预测控制

基于主产物浓度和反应温度的RBF神经网络模型,使用粒子群优化算法(PSO)求解该间歇反应主产物产率最大化问题,进而得到反应温度优化曲线。利用RBF神经网络建立了反应器冷却水控制温度阶段的预测模型,采用非线性预测控制,并引入了模型误差项,增强了控制方法的鲁棒性和间歇过程的抗干扰性能。利用 Lyapunov 原理对该预测控制算法做了稳定性分析,确定了系统稳定条件下的参数的取值范围。同时编制控制程序在多功能过程及控制实验装置(MPCE)装置上实现了算法的控制,并与以升温速率为基准的特殊PID调节器的控制结果比较,结果证明了基于RBF神经网络非线性预测控制方法的有效性。     

基于多模型切换的过热汽温自适应预测控制

为了克服电厂过热汽温对象大惯性、大滞后及参数随负荷显著变化对系统控制带来的困难,采用了一种基于多模型切换的自适应预测控制策略.采用多个固定模型和2个自适应模型并行辨识过热汽温对象的动态特性.在每个采样时刻基于切换性能指标选出最优的局部模型作为当前模型,并据此设计预测控制器,从而实现全工况运行的自适应控制.同时证明了所提出的多模型控制策略可以保证闭环系统输入输出有界稳定.仿真结果表明该控制策略在大工况范围具有良好的动态调节品质和鲁棒性能.     

基于多模型切换阶梯式广义预测控制的电站锅炉主汽温控制

为改善大型电站锅炉主汽温控制中自动化程度低、控制品质较差的问题,针对过热回路的大惯性、大滞后以及对象模型随负荷变化较大等特点,提出了一种基于模型切换的阶梯式广义预测控制方法,并将风量、上层磨煤量、蒸汽流量等影响因素综合应用于主汽温串级控制.该方法已在山东石横电厂1 025 t/h大型锅炉中进行了应用,结果表明,在机组正常工作负荷范围内均具有很好的控制品质,成功解决了该厂自建厂以来一直无法解决的主汽温自动控制问题.同时此控制器的设计具有较好的通用性和可移植性,适用于大滞后严重非线性时变系统的控制,易于推广应用.     

基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。