基于H_∞混合灵敏度的主汽温控制系统的研究

火电厂主汽温控制系统具有大惯性、大迟延以及扰动因素多的特点,被控对象在工况发生大范围变化时,数学模型会随之发生很大变化(包括时间常数,增益和阶次)。对此制定了新的控制方案,提出了主汽温控制系统的H∞混合灵敏度设计方法。通过选择合适加权函数,利用MATLAB鲁棒控制工具箱得到H∞最优控制器,进行仿真计算,结果表明设计的主汽温控制系统具有较好的鲁棒稳定性和动态品质。     

采用FCS实现的电厂主汽温串级控制系统

文中阐述了Smar公司生产的第一代现场总线控制系统的概况,用此系统设计了电厂锅炉过热汽温控制系统,并给出了系统原理图、组态图及控制系统的仿真实验结果。     

一种新型模糊控制系统及其仿真研究

提出了一种具有预测功能的模糊控制系统，该系统能有效地克服被控对象的大滞后带来的控制问题，文中将该算法用于电厂主汽温系统中，大量仿真实验结果验证了理论分析的正确性及算法的可行性。     

过热汽温控制系统的典型控制策略及DCS实现

对可应用于过热汽温控制系统中的变参数控制、自校正—Ｓｍｉｔｈ预估控制、模糊控制、状态变量—ＰＩＤ控制等几种典型控制策略进行了简要介绍和分析,并给出了它们的分散控制系统实现方法。仿真研究和工程实践都证明：这些典型控制策略有利于克服过热汽温对象的大惯性、大迟延特性,能取得优于常规ＰＩＤ串级控制系统的控制品质。     

DMC-PID串级主汽温控制系统

将动态矩阵控制算法与串级控制相结合,提出了一种新的火电厂锅炉主汽温控制方案。它既克服了单纯PID鲁棒性差的缺点,又克服了单纯DMC由于单层结构而带来的抗内扰能力弱的问题。针对火电厂中大惯性、大延迟的主汽温对象,充分发挥PID抗干扰性强和DMC对惯性、延迟适应能力强的优点,设计了DMC-PID串级控制系统。仿真研究表明:这种方案使控制系统具有较强的鲁棒性及良好的调节性能,提高了系统的动静态性能指标。     

模糊自调整PID过热汽温控制系统

首先对过热汽温特性进行了试验分析,针对工况参数对特性参数具有较大影响的汽温被控对象,建立了过热汽温模糊自整定ＰＩＤ串级控制系统。选用直接推理的强度转移法,编程建立功能模块化结构形式的模糊控制算法,通过组态实现了该控制系统功能。仿真及动态试验结果表明,该系统与原机组常规主汽温串级控制系统相比,对外扰的适应件大大加强,控制品质得到明显改善。     

基于模型补偿与切换的锅炉过热汽温控制

为了减小锅炉过热汽温惰性区对象和锅炉负荷变化对汽温调节过程的影响,采用在惰性区对象上并联某-负荷的惰性区对象模型和模型静态增益环节的方法,并根据汽温实际值与模型输出值的偏差大小在汽温实际值和模型输出值之间进行切换,当偏差大于限值时切向汽温实际值,偏差小于限值时切向模型输出值,以此构成单回路固定参数PI控制系统.仿真结果表明,此控制系统可以适应不同负荷的汽温控制,控制品质要优于常规的固定参数PID串级控制系统.     

基于神经网络的主汽温控制系统

针对火电厂主汽温被控对象的大迟延、模型不确定性,设计了基于神经网络的主汽温控制系统。系统结构为串级系统。内回路采用常规比例调节器,外回路采用带辨识器的单神经元ＰＩＤ控制器。辨识器为３层ＢＰ网络结构,以广义δ规则为学习规则。控制器学习算法为有监督的Ｈｅｂｂ算法,教师信号由系统定值和辨识器输出构成。对系统在多种工况下的仿真结果表明,所设计的系统在控制品质、鲁棒性方面明显优于主汽温常规ＰＩＤ控制系统。     

模糊免疫PID在主汽温控制系统中的应用

借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。仿真研究表明,该方法的控制效果优于常规的PID串级控制。     

一种类电磁机制算法在锅炉主汽温系统的研究

针对主汽温控制对象的特点,改进类电磁机制算法的不足,对串级主汽温控制系统控制器参数进行优化,选定了3个稳定工况点模型进行仿真实验,改进后的控制系统具有较强鲁棒性,能适应现场复杂多变的情况,满足电厂控制的需求。     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于PID神经网络的电液比例速度控制系统的研究

通过引入PID神经网络对电液比例调速系统进行控制处理,将复杂控制对象简化为一阶环节．有效地克服了难以建立数学模型的复杂系统采用PID控制时容易遇到的控制参数难以整定等缺点,使系统整体性能明显改善,仿真结果表明了所采用方法的有效性．     

Industrial applications of advanced control techniques

This paper discusses two industrial control applications using advanced control techniques. They are the optimal-tuning nonlinear PID control of hydraulic systems and the neural predictive control of combustor acoustic of gas turbines. For hydraulic control systems, an optimal PID controller with inverse of dead zone is introduced to overcome the dead zone and is designed to satisfy desired time-domain performance requirements. Using the adaptive model, an optimal-tuning PID control scheme is proposed to provide optimal PID parameters even in the case where the system dynamics is time variant. For combustor acoustic control of gas turbines, a neural predictive control strategy is presented, which consists of three parts: an output model, output predictor and feedback controller. The output model of the combustor acoustic is established using neural networks to predict the output and overcome the time delay of the system, which is often very large, compared with the sampling period. The output-feedback c     

神经元PID在化工非线性时变过程控制中的应用

针对非线性时变性的控制对象传统PID算法难以得到满意的控制效果,对神经元PID控制器进行研究。利用神经元的自学习能力,遵从一定的最优指标,自动调整PID控制器的参数,使之适应被控对象以及输入参考信号的变化。用于非线性时变加热炉温度控制,仿真结果表明,神经网络PID控制能够适应系统结构参数的变化,快速跟踪输入信号的变化,控制精度高。     

管式炉温度的单神经元PID实时控制

为解决炉温控制中的大惯性和纯滞后问题,将单神经元的自学习和自适应能力与传统的PID控制相结合,构成一种智能调节器．仿真试验表明,单神经元自适应PID控制具有快速、无超调的特性．实际控制试验表明,单神经元自适应PID控制具有快速、稳态精度高的控制效果．     

基于单神经元PID控制的温度控制系统

利用神经网络的自学习特性,将神经网络与PID控制方法相结合,实现对温度控制系统的在线智能控制。仿真结果表明,该温度控制系统具有很好的控制效果。     

智能控制及其应用

介绍了一些有关智能控制的基本概念,如模糊控制,自适应模糊神经控制,专家模糊系统和人工神经网络等等,并简要分析了模糊理论与人工神经网络的特点,将人工神经网络技术与PID控制相结合,用神经网络PID控制方法控制一个温控系统,从输出曲线中可见,这种方法有输出超调小、上升时间快等许多优点,为系统提供了一个优良的控制效果。     

神经网络-滑模控制在STATCOM系统中的应用

研究了基于STATCOM无功补偿的交流系统电压波动和闪变调节与控制问题,建立了STATCOM在d-q坐标系的数学模型,提出了基于直接电流控制策略的神经网络-滑模控制方法:采用电压外环滑模控制和电流内环神经网络-滑模控制的双环控制策略,克服了传统PI控制不能自适应调整控制参数的缺点,实现了系统的自适应控制。数值仿真结果验证了本方法的有效性,在电压波动和闪变恶劣条件下STATCOM能够快速响应、控制品质好,交流系统能够稳定工作,控制性能比PID控制好。     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。