单神经元无辨识自适应预估控制算法及在过热汽温控制中的仿真研究

为了实现非线性、大时滞系统的良好控制，提出了一种新型的无辨识自适应预估控制算法。该算法将神经元结合到无辨识自适应控制律中，借鉴推导无辨识自适应控制参数自校正算式的基本思想建立约束条件，据此选择适当的权值取代原控制参数，并用加入动量项的改进δ算法取代该参数的校正计算式，提高控制参数的自校正能力。将该算法应用于600MW超临界机组直流锅炉的过热汽温控制，进行仿真研究，结果表明该算法的有效性，并具有良好的控制品质，较强的鲁棒性和自适应能力；且该算法对预估模型的精度要求不高，控制参数容易整定，易于工程实现。     

基于单神经元Smith预估的过热汽温控制

针对典型大时滞大惯性，参数变化的电站锅炉过热汽温受控对象，设计了基于单神经元Smith预估过热汽温控制系统，在仿真实验的基础上，对单神经元Smith预估控制和最优常规PID控制进行了比较和分析。仿真结果表明，单神经元Smith预估控制能够充分利用神元自学习，自适应的能力以及Smith预估补偿控制的优点，使系统的控制品质提高，而且具有更强的鲁棒性和自适应性。     

基于单神经元Smith预估的过热汽温控制

针对典型大时滞大惯性、参数变化的电站锅炉过热汽温受控对象 ,设计了基于单神经元Smith预估过热汽温控制系统。在仿真实验的基础上 ,对单神经元Smith预估控制和最优常规PID控制进行了比较和分析。仿真结果表明 ,单神经元Smith预估控制能够充分利用神经元自学习、自适应的能力以及Smith预估补偿控制的优点 ,使系统的控制品质提高 ,而且具有更强的鲁棒性和自适应性     

过热汽温自适应逆控制方案研究

针对火电厂锅炉过热汽温对象,将神经网络辨识技术和自适应逆控制技术相结合,提出了一种过热汽温自适应逆控制方案.该方案首先利用RBF神经网络在线辨识被控对象模型获得其Jacobian信息,在此基础上利用对角回归神经网络(DRNN)在线辨识获得被控对象的逆模型作为控制器,串联在控制对象前面构成自适应逆控制系统.通过对超临界600 MW机组过热汽温对象进行仿真研究表明,该控制方案能很好地适应过热汽温对象特性的变化,并且可以有效克服对象的大惯性和非线性,获得良好的控制品质.     

基于Smith预估的模糊自适应主汽温控制系统

针对火电厂主汽温被控对象大滞后、大惯性、模型不确定,采用常规的串级PID控制难以获得良好控制效果的特点。结合模糊理论与Smith预估技术,提出了基于Smith预估的模糊自适应主汽温控制系统,即采用Smith预估内回路广义被控对象,以模糊自适应控制器对预估后的广义被控对象进行控制。该控制系统容易实现,对工况变化具有良好的自适应性。对某主汽温系统5种工况进行仿真,结果表明该控制方案具有较强的鲁棒性和抗干扰能力。此外,该控制方法在现有的集散控制系统和现场总线控制系统中容易实现,不需要增加硬件投资,具有较高的工程应用价值。     

基于多模型切换的过热汽温广义预测控制

火电厂过热汽温对象具有时滞、惯性和参数时变的特性.固定参数常规PID控制器在对象特性发生变化后,控制品质会有所下降.基于多模型切换的过热汽温广义预测控制策略,对若干典型工况点下的固定模型设计子控制器,当系统工况发生变化后,通过有效的切换策略及时准确地切换到最适控制器.提出一种新的平滑切换方法,可有效抑制切换时对象出现的大幅扰动现象.仿真结果验证了该控制策略的有效性.     

基于自适应Smith预估补偿技术的锅炉汽温控制系统

针对崇明电力公司16号机组锅炉过热汽温被控对象滞后大的特点,采用基于自适应Smith预估补偿技术,重新设计了锅炉的过热汽温控制系统。实际运行表明,该汽温控制系统在锅炉升、降负荷的过程中,锅炉过热汽温可严格控制在允许的范围内。     

基于Laguerre模型的过热汽温自适应预测PI控制系统

针对火电厂锅炉过热汽温控制的特点,设计1种基于Laguerre模型的自适应预测PI控制器。该预测控制器采用对时延具有良好逼近能力的正交Laguerre函数模型作为预测模型,利用带遗忘因子的最小二乘法在线辨识Laguerre预测模型的系数,以提高系统适应工况变化的能力;滚动优化指标采用比例积分型结构,以提高系统的快速性和鲁棒性。通过对具有严重参数不确定性、扰动以及大迟滞的电厂过热汽温被控对象进行仿真研究,结果表明该方法能够很好地适应对象特性的变化,且控制系统的性能比常规串级控制系统有较大提高。     

基于神经网络的过热汽温模型预测控制

通过神经网络系统辨识实现非线性系统的模型预测控制MPC(Model Predictive Contro1),建立了基于神经网络系统辨识的过热汽温模型预测控制系统。仿真结果表明,较之传统的过热汽温串级调节系统,采用该模型预测控制策略的过热汽温控制系统的控制性能有很大的提高。     

基于神经网络PID参数自学习的过热汽温Smith预估补偿控制

针对火电厂过热汽温控制系统的大惯性、大迟延和时变等特性,提出基于神经网络PID参数自学习的Smith预估补偿控制策略。仿真研究表明,该策略的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,具有较强的鲁棒性和自适应能力。     

基于模糊预测的自适应控制方法及应用

针对带有时滞、不确定性的工业过程 ,提出了一种基于模糊预测的无辨识自适应控制方法。这种方法不需要过程的数学模型 ,只要在线检测过程的实际输出和期望输出 ,通过模糊预测控制校正无辨识自适应控制律 ,即可以对时滞、建模困难的工业过程实现自适应控制。采用这种控制方法对冷轧过程中局部板形缺陷进行控制 ,取得了理想的控制效果。     

基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制

模型预测控制在脉宽调制(pulse width modulation,PWM)整流器上的应用既降低了直接功率控制中的脉振又提高了动态响应速度,但是传统的模型预测功率控制(model predictive power control,MPDPC)中对未来时刻状态量的预测仅依靠模型,对模型参数变化较为敏感,功率预测精度受电压传感器的测量精度和网侧谐波变化的影响明显。为实现整流侧参数的实时辨识和提高整体的预测精度,以实现对功率的精准控制,文中在模型预测功率控制(model predictive power control,MPDPC)的基础上引入自适应神经网络电压观测器,提出基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制(adaptive neural model predictive power control,ANMPDPC)策略。通过构建包含自适应神经网络辨识器和自适应神经网络滤波器的自适应电压观测器,实现网侧电压估计的同时滤除电压高次谐波对其的影响,并将电压观测器与功率二步预测相结合,进一步降低功率脉振,提高系统的响应速度和控制精度。仿真和实验结果表明,所提出的改进策略既实现了无电压传感器下的模型预测控制,又有效抑制了网侧谐波的高频干扰及参数变化对预测精度的影响。     

基于自适应模型预测控制的柔性互联配电网优化调度

针对柔性互联配电网中源荷不确定性问题,提出了一种基于改进模型预测控制的优化调度方法。建立基于模型预测控制的柔性互联配电网日内优化调度模型,采用自适应动态权重方法处理包含综合供电成本和电压偏差的多目标优化问题,在预测模型部分采用动态场景生成及K-means聚类场景削减方法对源荷预测误差进行处理,针对经典模型预测控制滚动优化部分域参数恒定问题,提出一种域参数自适应调整的滚动优化方法。通过四馈线互联的33节点系统仿真算例验证了所提优化调度方法的有效性。     

Adaptive‐optimal control under time‐varying stochastic uncertainty using past learning

An adaptive‐optimal control architecture is presented for adaptive control of constrained aerospace systems with matched uncertainties that are subject to dynamic stochastic change. The architecture brings together three key elements, ie, model predictive control–based reference command shaping, Gaussian process (GP)–based Bayesian nonparametric model reference adaptive control (MRAC), and online GP clustering over nonstationary GPs. Model predictive control optimizes reference model and its shaped output is passed into GP–based MRAC, which is used to learn the model in presence of significant time‐varying stochastic uncertainty while maintaining stability. Based on a likelihood ratio test, the changepoints are detected and learned. Lastly, the models are created and clustered by non‐Bayesian clustering algorithm. The key salient feature of our architecture is that not only can it detect changes but also it uses online GP clustering to enable the controller to utilize past learning of similar models to significantly reduce learning transients. Furthermore, persistence of excitation conditions are significantly relaxed due to the use of GP‐MRAC. Stability of the architecture is argued theoretically and performance is validated empirically on different scenarios for wing rock dynamics.     

采用自适应在线模型辨识的微电网二次调频策略

各种模型未知的商业变流器的接入、供电及负荷设备的频繁投切以及网络结构的变化导致微电网系统模型具有不确定性和时变性的特点.针对基于传统比例-积分控制和采用参数化预测模型的模型预测控制等微电网二次调频策略存在的系统机理建模复杂、在线更新困难、定阶非机理建模难以适应全工况建模需求以及参数化预测模型求解复杂等问题,提出了基于自适应在线模型辨识的动态矩阵控制(DMC)二次调频策略.该策略由两部分构成:第1部分为自适应模型辨识,该部分将赤池信息准则模型阶次寻优方法和遗忘因子递推最小二乘法结合起来,实现对微电网等值最优模型的辨识;在第2部分DMC二次频率调节策略中,利用已获取的微电网等值最优模型来实时更新DMC二次调频算法的预测模型,通过滚动优化控制快速恢复系统频率.最后,在MATLAB/Simulink仿真平台搭建微电网仿真算例,验证了所提辨识方法和频率控制策略的正确性和有效性.     

Multivariable process and prediction models in predictive control—A unified approach

In this paper multivariable generalizations of the SISO unified process model (UPCM) and unified prediction model (UPM) used in the SISO unified predictive controller are presented. the necessary assumptions regarding the multivariable UPCM (MUPCM) are established. the properties of the multivariable UPM (MUPM) are examined and the conditions for a zero steady state prediction error are established. The MUPCM has a general noise model and unites all multivariable, discrete, linear process models in transfer function form. the MUPM uses an output filter which unites all relevant output filters used in predictive controllers. Furthermore, the elements of the output can be predicted over different horizons. the MUPCM and MUPM and the algorithm used to calculate the MUPM are chosen such that the predictions of the outputs can be calculated as fast as possible, not only for the general model, but also for special cases such as ARX, ARIMAX, Box-Jenkins and FIR models.     

备用电源自投装置设计、应用的若干问题

针对电力系统中备用电源自投装置在设计、应用中的若干问题进行总结 ,提出备自投方案设计和应用中备用电源自投的启动条件设计、线路和母线电压的取用、备自投闭锁逻辑的设计、多级备自投间和备自投与重合闸间的配合以及一些特殊情况的处理原则 ,对自适应备自投功能的实现逻辑进行了分析 ,提出微机备用电源自投装置应能根据系统运行方式变化自动选择适当的动作逻辑     

具有可调增益前移的自适应预估控制及其在电厂DCS中的应用

在分析模型参考自适应预估控制系统（ＭＲＡＰＣ）的基础上,提出了一种改进算法,通过将自适应结构中可调增益前移的办法克服原算法在自适应过程中存在滞后的问题。同时还给出了该改进算法的全局收敛性分析结果。这一算法已在大坝电厂３００ＭＷ机组的主汽温、再热汽温、燃烧及协调等主要控制系统中得到成功应用,取得了良好的控制效果。该应用首次在国内的分散控制系统中实现了自适应预估控制算法。     

永磁同步电机有限控制集模型预测转矩控制系统研究

建立了基于定子磁链x-y坐标系的永磁同步电机(PMSM)有限控制集模型预测转矩控制(FCS-MPTC)系统,仿真验证了系统的有效性和可行性。针对磁链和转矩预测模型较为复杂的问题,提出了磁链和转矩的简化预测模型。理论分析、仿真和试验结果验证了FCS-MPTC的简化模型与常规模型控制效果相当,可明显减小计算负担,提高系统实时性能。将电压矢量幅值和角度作为FCS-MPTC的控制变量,设计了变幅值变角度的备选电压矢量集合。仿真结果表明该备选电压矢量集合可有效减小稳态转矩脉动,但动态性能不及传统备选电压矢量集合。基于不同备选电压矢量的特点,提出了根据系统状态自适应动态变化的备选电压矢量策略。仿真结果表明,该控制策略在静动态下均可取得良好的控制性能。