改进PSO算法在主汽温系统PID参数优化中的应用

提出了一种基于改进的粒子群优化（PSO）算法的PID控制器参数整定方法。通过对粒子赋予不同的初始惯性权重,较好地协调了粒子的全局与局部搜索能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究,结果表明：改进的粒子群算法在保证PID控制稳定性基础上提高了PID控制的精度,且编码简单,易于实现,具有较好的应用前景。     

基于混沌粒子群的神经网络主汽温控制系统

研究火电厂锅炉主蒸汽温度控制优化问题,针对主汽温对象具有大惯性、大迟延、时变性和非线性系统,由于存在实时性和实时性差,传统的PID控制难以获得很好的控制效果,提出一种混沌粒子群优化神经网络的主汽温控制方法。采用RBF神经网络对PID参数进行在线整定,并通过混沌粒子群算法对RBF神经网络初始参数进行优化,不仅具有RBF神经网络的自适应能力,同时具有常规PID串级控制的特性,增强了系统对不确定因素的适应性。仿真结果表明,控制算法具有较好的鲁棒性和控制品质,抗干扰能力强,可为锅炉主蒸汽温度优化控制提供参考。     

主汽温模糊控制算法在镇海电厂#5机组上的应用

研究了模糊控制在电厂汽温控制中的应用，并详细介绍了北京和利时公司MACS系统主汽温模糊控制算法在镇海发电厂#5机组的应用情况。     

锅炉主汽温和一级汽温的新型控制系统

针对5台锅炉主蒸汽和一级蒸汽温度被控对象滞后大的特点,采用状态变量控制器,重新设计了原来的一、二级汽温控制系统。实际运行表明,采用基于状态变量控制器的一、二级温控制系统,在锅炉升、降负荷及启、停制粉系统的过程中,均使锅炉一、二级汽温严格控制在允许的范围内。     

基于改进的BP算法的过热汽温建模

采用机理建模方法获得热工被控对象的数学模型非常困难,相比之下,利用电厂采集到的大量历史数据,不用人为地加入特殊扰动信号,来建立火电厂热工过程的动态数学模型,是很有发展前途的方向。本文利用电厂采集到的现场数据,应用加入二次动量项和改进激活函数的BP算法,对电站锅炉的过热汽温建模进行了研究。仿真结果表明,改进后的BP算法在误差精度、收敛速度、泛化能力等方面明显优于标准BP算法,对过热汽温的建模结果令人满意。     

快时变汽温系统的线性加权参数辨识算法

本文根据火力发电厂变负荷机组的动态特性，提出了一种在线辨识快时变汽温系统的线性加权参数估计算法，并分析了算法的收敛特性。仿真研究表明了该算法的有效性。     

基于GA的主汽温系统内模控制研究

主汽温控制系统是典型的大迟延、大惯性、时变控制系统,一直以来都是火电厂自动控制的难点;为此将内模控制引入主汽温控制系统,并提出采用遗传算法对滤波器参数λ优化整定,该方法简单易行,相较于传统PID参数整定方法具有一定的优越性;并对内模控制为主控制器的IMC-PI控制系统进行SIMULINK仿真,与PID-PI控制系统进行对比,仿真结果表明IMC-PID控制系统相比于传统PID-P串级控制系统过渡时间短、超调量小、鲁棒性好等特点;其控制效果好于常规串级PID控制系统,适用于大迟延、大惯性过程的控制,并且易于在工业上实现.     

基于改进PSO算法的过热汽温神经网络预测控制

将改进粒子群优化算法(MPSO)融合到神经网络预测控制中,提出了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器.针对过热汽温的控制,构造了基十神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析,给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤.对某超临界600 MW直流锅炉高温过热器的过热汽温控制,进行了仿真试验,结果表明该方法具有良好的性能指标和应用前景.     

循环流化床主汽温系统的模糊自适应控制

研究了循环流化床主汽温控制特性,然后基于自适应控制和模糊控制对传统Smith预估控制进行了改进,最后将改进的Smith预估控制算法应用于循环流化床主汽温控制,通过仿真表明,提出的控制算法能取得好的控制效果.     

火电厂锅炉主汽温控制策略的比较研究

锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内;基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真,该结果对当前电厂的经济性和安全性有一定参考价值。     

基于内模PID控制的火电厂主汽温控制系统

基于内模控制理论，针对电厂主汽温被控对象的大惯性、大滞后特点．设计了内模PID串级控制系统。为了快速消除内扰，使控制过程的的持续时间较短．内回路采用比例控制；外回路采用内模控制．以有效地补偿对象的大滞后特性。对控制系统进行仿真试验，仿真结果表明设计的控制器具有良好的位置跟随性能、抗干扰性能和鲁棒性。     

基于MATLAB的主汽温系统中控制策略分析

主蒸汽温度是电厂机组运行过程当中需要监视及控制的重要参数之一。该文应用MATLAB作为可视化建模工具,把理论研究和工程上的实现有机结合在一起。针对控制对象的大迟延,分别采用串级和史密斯预估控制方案。在对比不同的控制策略的基础上,提出了新的控制方案。考虑增加副环使干扰能在影响主参数之前得以克服,在纯迟延现象严重的惰性区局部使用预估器预先估计出过程在基本扰动下的动态特性,使调节器提前动作,从而明显地减少超调量,二者结合起来应用,使电厂的主汽温控制达到了良好的效果。     

基于PSO的预测控制及在聚丙烯中的应用

输入输出受限非线性系统的预测控制问题,可以看作是一个难以直接求解的约束非线性优化问题。针对预测控制在解决此类优化问题时,存在易收敛到局部极小或者非可行解,对初始值敏感等缺点,提出了一种基于微粒群优化方法的非线性预测控制算法。采用微粒群优化算法（PSO）作为模型预测控制的滚动优化方法,在线实时求解最优控制律。将PSO与序贯二次规划（SQP）算法进行对比仿真实验,求解两个标准函数优化问题,结果表明PSO能够快速有效地求得全局最小点,而SQP则很容易陷入局部极小点。将该算法应用于丙烯聚合反应过程的温度控制中,仿真结果显示了该方法的有效性。     

一种主蒸汽温度的鲁棒串级PID控制系统设计

火电厂主汽温系统是典型的大滞后开环稳定系统,其过程模型可以等效为常用的一阶加纯滞后形式（FOPDT）。该文基于最小二乘法直接辨识FOPDT模型,并基于FOPDT模型,采用鲁棒控制理论中的技术设计PID控制器,使得被广泛应用的PID控制器具有较强的鲁棒性,同时避免了直接采用控制理论设计的控制器阶次较高而不便于实现的问题。对主汽温系统的计算机仿真研究结果表明了该文方法的有效性,在模型变化情况下获得了较强的鲁棒控制性能,而且采用的PID控制器易于在广泛使用的分散控制系统（DCS）和现场总线控制系统（FCS）上实现,具有一定的应用价值。     

基于权重因子自校正的主蒸汽温度外挂广义预测串级控制

针对电厂目前普遍采用PI-PI串级控制器调节锅炉主蒸汽温度系统, 不能有效克服惯性、时滞和参数时变等问题的影响, 本文提出了一种理想GPC (Generalized predictive control)-PI串级控制器. 首先, 该理想串级控制器不仅能抑制一次和二次扰动, 而且外环GPC通过对主蒸汽温度的多步预测, 并结合滚动优化技术能有效克服主蒸汽温度系统的惯性和时滞问题. 另外, 针对主蒸汽温度系统参数时变的特性, 该理想控制器采用了T-S (Takagi-Sugeno)型模糊神经网络(Fuzzy neural network, FNN)作为主蒸汽温度模型, 该模型能够通过反馈校正技术实时更新模型参数. 同时, 为了改善主蒸汽温度系统动态响应品质和稳定性, 对外环GPC中的权重因子进行了模糊自校正设计, 通过理论分析和对比仿真验证了该理想GPC-PI串级控制器优于权重因子固定的GPC-PI和PI-PI串级控制器. 最后, 考虑到直接将电厂集散控制系统(Distributed control system, DCS)中的PI-PI串级控制器升级为理想GPC-PI串级控制器存在安全以及风险责任等问题, 故将电厂的传统PI-PI串级控制器升级成外挂的GPC-PI-PI串级控制器, 既改善了锅炉主蒸汽温度的控制效果又规避了风险责任, 实际应用验证了该方法的有效性.     

基于改进PSO算法的PID参数自整定

研究了比例-微分-积分(PID)控制器参数自整定问题，提出一种基于改进粒子群优化算法的PID控制器参数自整定方法。采用实编码方法和基于指数曲线的非线性惯性因子取值策略，该途径易于实现，并且提高了寻优的速度和精度。仿真实例表明了该方法的有效性。     

基于PSO的队伍演化算法

粒子群优化算法(PSO)由于其原理简单、较易实现等特点,得到广泛研究和应用.为加快优化速度,提高收敛精度,文中提出基于PSO的队伍演化算法.该算法将优化过程分为两个阶段: 第一阶段为保持多样性,把队员分成若干个初级队伍并行优化,形成高级队伍; 后一阶段为提高收敛速度,仅优化高级队伍.在整个优化过程中,根据评估队员所取得的成绩,动态控制队员的调整步长和最大调整空间,同时产生教练组,为队员的进步方向提供指导.通过高维多峰测试函数进行测试对比,验证文中算法的优越性和有效性.     

一种改进的粒子群算法和相关反馈的图像检索

由于图像的低层特征与高层语义之间存在着语义鸿沟,以及用户对图像理解的主观性和易变性,使得基于内 容的图像检索结果不能很好地满足用户的需求。为解决这个问题,将粒子群算法和相关反馈引入到图像检索过程中, 根据用户的反馈信息,引入二自适应调整和Beta自适应变异的粒子群算法动态调整图像的特征权重,从而提高图像 的检索精度,以更好地满足用户的需求。     

基于PSO改进算法的气象数据网格任务调度

为提高在有限带宽下气象观测中心海量数据的任务调度和数据传输效率,提出一种基于粒子群优化(PSO)改进算法的气象数据网格任务调度算法。给出副本域的概念,将PSO算法与副本域相结合,设计任务调度模型和符合气象数据网格环境的目标函数。仿真结果表明,该算法完成调度的时间小于遗传算法和穷尽搜索算法,收敛速度快于离散型PSO算法,且更加稳定。     

基于改进粒子群算法的PID参数优化方法研究

针对标准粒子群算法的一些缺点进行了改进，提出了MWPSO优化算法，即Multi-Weight PSO。将MWPSO优化算法用几个标准测试函数进行测试，结果表明该算法优化结果的指标参数比标准PSO算法有所提高。在此基础上，用MWPSO优化算法对PID控制中的参数进行优化并将结果与遗传算法的结果进行比较，优化结果在保证PID控制稳定性基础上提高了PID控制的精度，且编码简单、易于实现。具有较好的应用前景。