DCS监控画面的Web发布实现

研究了在DCS监控画面图中应用SVG和Ajax技术来实现Web发布的可能.利用SVG对图元对象的支持以及基于XML标准的事实,将DCS实时监控画面图从本地系统移植到Web应用上.利用SVG对图形交互的支持,结合Ajax技术实现了监控画面实时数据的传输和人机交互.实例证明,上述方案具有网络流量小、易维护、可重用等优点.     

基于混沌PSO的循环流化床汽温系统分数阶控制

分数阶PIλDμ控制是传统PID控制的推广与发展,积分阶次λ和微分阶次μ的引入使得分数阶PIλDμ控制器具有更灵活的结构、更好的鲁棒性和更强的抗扰动能力,但也增加了参数整定的难度.参数的取值对控制效果的好坏起着决定性作用,为此提出了采用混沌粒子群优化算法优化分数阶PIλDμ控制器参数.该方法采用自适应粒子群优化算法执行...     

湿法烟气脱硫系统脱硫效率的建模与仿真

石灰石／石膏湿法烟气脱硫在我国火电站脱硫中占有重要地位。在脱硫工艺原理的基础上,建立了湿法烟气脱硫效率模型,探讨了模型中参数的确定方法;基于Matlab程序编程仿真,研究了液气比、pH、入口SO2浓度和入口烟气温度对湿法脱硫效率的影响。模型的建立对于优化脱硫工艺及电厂脱硫人员培训具有一定的指导意义。     

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。     

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。     

超超临界给水自启停控制系统方案设计与分析

为了使得火电机组启动停止过程中操作更精准、能源更节约,提出一种给水系统自启停功能的设计方案并对其进行全面分析,还进一步提出给水系统与模拟量控制系统全程控制的接口问题.对贯穿机组运行的整个过程的全程给水过程的功能组进行划分并对各个功能组的功能进行介绍.针对给水系统自启停控制过程的特点和难点,对全程给水在升负荷阶段中自动并/退泵与干湿态转换进行全面分析并提出了特殊的控制策略,最终实现从点火至满负荷过程中的全程自动控制.     

大滞后系统的专家-模糊PID控制器设计

在工业过程中,大滞后系统的时滞、非线性情况严重,常规PID控制往往难以获得理想的控制效果.针对上述情况,设计了一种基于专家经验的模糊与PID并联复合型控制器,能够在PID控制的基础上改善系统的控制品质.介绍了带有可调因子的模糊控制算法,给出了模糊控制器相关参数的整定方法.根据专家经验制定了模糊控制与PID控制的加权系数的整定规则.对具有大迟延、大滞后特性的循环流化床的燃料量与床温模型进行了仿真研究.仿真结果表明:在大滞后系统的控制中,所设计的专家模糊PID控制器能够很大程度的改善系统的动态动性,且具有较好的鲁棒性.     

大型火电机组全仿真机模型验证方法研究

火电机组仿真机的数学模型是对实际机组运行特性的一种抽象的、本质的描述.在仿真机的调试过程中,需要对模型的参数进行不断地修改并且对仿真机的精度进行校验.通过某大型火电机组建模实例讨论了仿真机稳态精度和暂态精度的验证方法,为大型火电机组仿真机模型精度的验证提供了有效的手段.     

基于自组织模糊神经网络的电厂湿法烟气脱硫系统仿真建模

火电厂石灰石/石膏湿法烟气脱硫工艺中吸收塔浆液PH值的测量和控制是影响脱硫率和终产物石膏品质的关键因素.经理论分析后将自组织模糊神经网络(SOFNN)算法应用于湿法烟气脱硫系统中,对浆液PH值变化过程进行在线辨识,从而获得PH过程模型.算法能够自动划分输入输出空间,决定神经模型的结构并得到模型的参数.仿真结果表明,该算法能够快速跟踪浆液PH值的变化,具有简单,实用,辨识结果精确等优点.     

采用微分进化算法和径向基函数神经网络的热工过程模型辨识

在热工过程模型辨识中,被控对象动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点,这使得难以对其建立比较精确的模型。为了达到精确建模的目的,提出一种基于微分进化算法和径向基函数神经网络的辨识方法。该方法采用基于能量分布正交最小二乘学习算法的径向基函数(radial basis function,RBF)神经网络,通过改进的微分进化算法,对神经网络辨识系统进行参数优化,使RBF神经网络能够更快、更精确地逼近实际系统的输出,达到精确建模的目的。仿真结果表明,在采用改进的RBF网络对热工复杂对象进行辨识时,通过微分进化算法进一步确定其最佳参数,可以取得更好的辨识效果。