模糊逻辑控制在火电厂热工过程中的应用研究

在分析传统控制方法局限性的基础上，根据模糊逻辑控制的特点，结合火电厂生产过程的特殊性，分析了模糊逻辑控制应用于火电厂生产过程的可行性。针对热工过程中典型的控制对象，将模糊逻辑控制思想引入到温度和水位的控制，根据现场运行人员的知识和经验，制定模糊控制规则、选取模糊化及解模糊化的控制，根据现场运行人员的知识和经验，制定模糊控制规则、选取模糊化及解模糊化的方法。并且利用Matlab中的工具箱进行了控制过程的仿真，仿真结果表明，模糊逻辑控制可以应用于火电生产过程。     

基于最差子空间分解聚类的热工过程模糊辨识

以较少的模糊规则在全局范围内获得满意的辨识精度,是模糊辨识追求的重要目标。该文提出了一种基于最差子空间分解聚类的非线性系统模糊辨识方法。根据各子空间的“可线性化”程度,对聚类的有效性进行评判,进一步对有效性最差的子集进行重新分解聚类,并辨识新增子空间的模型参数,以此逐步完成整个样本空间的模糊划分和模型辨识过程,直至模型满足既定要求。文中给出了所提出的模糊辨识方法与其他相关模糊辨识方法的对比结果,并利用该方法对2个典型热工对象进行了模糊辨识。     

基于满意模糊聚类的热工过程多模型建模方法

由于热工过程往往具有非线性和不确定性,传统的线性建模方法难以精确表达其复杂特性。因此提出一种改进的基于满意模糊聚类的多模型建模方法。该方法不需要预先指定局部模型的个数即聚类数,它基于样本协方差矩阵的奇异值分解来确定初始聚类中心和新增聚类中心,并利用聚类有效性指标结合建模精确度要求来确定最佳聚类数。根据聚类结果可快速确定出局部模型网络的模型结构参数,进而采用基于加权性能指标的多模型辨识算法可得到各局部模型参数。对两个典型非线性系统和Bell-strm锅炉-汽轮机系统的建模结果表明,这种多模型建模方法具有辨识精确度高、子模型数少等优点。     

基于T-S模型的自适应神经模糊推理系统及其在热工过程建模中的应用

在工业热工过程控制中,被控对象动态特性往往表现出非线性、时变性、大迟延和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达热工过程及实施整体优化控制。针对热工过程建模难的现状,为达到建立精确非线性模型的目的,提出1种基于T-S模型的自适应神经模糊系统(ANFIS)模糊建模方法。该方法通过对模糊系统的结构辨识和参数辨识,使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的。仿真结果验证了所提出的算法的有效性,将其应用到热工过程建模中可获得高精度的非线性模型。     

热工过程模糊决策预测控制的应用研究

预测控制是一种适于大滞后热工对象的控制方法，但传统的受限预测控制由于控制目标单一、优化过程复杂等原因未能很好应用。该文在模糊集合理论的基础上，提出了一类新型的基于模糊决策方法的受限预测控制方法。与传统受限预测控制相比，这种新型的模糊预测控制方法采用了性能全面、确切的模糊指标函数来替代传统预测控制中的线性二次型指标函数，并将控制系统中的多种约束条件自然融合到模糊指标函数中，从而有效地简化了受限预测控制的整个优化过程。在此基础上，论文进一步证明了传统的受限预测控制算法在功能上只是该文预测控制方法的一个特例，因此，该文有效地扩展了传统受限预测控制方法的功能。论文最后通过仿真计算证实了所提新型预测控制方法对非线性和大滞后的热工过程具有优良的控制性能。     

基于遗传算法的火电厂热工过程模型辨识

针对热工对象的特点及基本遗传算法存在的问题，提出了一种用于热工对象模型辨识的改进遗传算法，有效抑制了算法早熟，提高了算法的全局搜索能力和局部搜索能力。采用MATLAB语言编制了专用的模型辨识软件，对典型热工过程进行了辨识，给出了各种输入下的辨识结果，仿真研究表明，不管对象输入是阶跃信号，还是模拟现场操作的任意信号，都能得到准确的辨识结果，即使输入中含有较大的噪声信号，也可得到准确的传递函数。     

用于非线性系统模拟的模糊神经网络

本文介绍了一种利用模糊神经网络拓扑模拟非线性系统的技术。     

基于变结构模糊神经网络的开关磁阻电动机非线性模型

开关磁阻电动机驱动系统是一个时变、非线性系统 ,若采用通常的建模方法 ,无法获得精确的数学模型。给出了开关磁阻电机变结构模糊神经网络非线性模型 ,基于Takagi Sugeno模糊神经网络 ,提出可变结构的变步长学习算法。仿真结果表明此法比BP神经网络具有更高的精度和更快的收敛速度。     

热工仪表非线性校正方法的研究

介绍了热工仪表非线性校正的两种方法。基于智能控制理论，提出了热工仪表非线性校正的数字线性化智能方法，给出了BP神经网络用于氧化锆氧量计非线性校正的具体实例，并结合火电厂DAS系统，给出了该方法的应用流程。     

微机热工过程模型的辨识与应用

用微机对热工过程模型进行辨识，不仅能快速准确地求取热工过程的教学模型，还能对控制系统寻优整定，这为大型火电机组热工自动控制系统的设计、调试提供了新的手段，可促进自动控制系统快速、高效、安全、可靠投入运行。     

基于RBF神经网络的热工过程在线自适应建模算法研究

传统的各种神经网络建模方法由于自身的局限性不能很好地应用于复杂的热工过程建模。该文提出了一种新型的基于RBF网络的热工过程在线自适应建模算法：近似相关性网络(ACN）建模和阶层补偿式网络结构（HCN）建模。文中与资源分配网络（RAN)进行了详细的算例比较，并进一步计算了实际的热工非线性模型。计算结果表明：该文提出的建模算法不仅能提高模型的输出精度，而且也可有效地减小网络的规模，较好地解决了神经网络超界空间的自适应构造问题，为热工过程全局非线性模型的建立提供了一个新的解决方法。     

一种基于模糊规则和遗传算法的凝汽器故障诊断方法的研究

该文总结了汽轮机组凝汽器低真空常见故障，建立了凝汽器典型故障集。介绍了基于信息熵的故障征兆提取方法，建立了凝汽器故障征兆集。在利用模糊规则的故障诊断方法基础上，提出了一种基于模糊规则和遗传算法的凝汽器故障诊断方法。通过遗传算法对用于故障诊断的模糊规则进行精简，消除了低置信度规则的影响，从而提高了故障诊断效率。最后，将该文提出的方法用于某汽轮机组凝汽器故障诊断中，结果表明该方法行之有效，且易于工程实现。     

一科基于模糊规则和神经网络的负荷预测方法

考虑到每个小时发电成本各异，因此本文在训练用于负荷预测神经网络时采用了带动态的模糊化加权因子的加权完全平方法的训练方法，与传统的用于负荷预测的神经网络的训练相比，本文提出的方法更加符合实际而且经济效益更好，同时文中分别采用完全平方法（ＮＮＬＳ），固定加权因子的加权完全平方法（ＮＮＷＬＳ）和带动态的模糊化加权因子的加权完全平方法（ＮＮＦＷＬＳ）进行网络训练并进行比较，仿真结果显示在整个预测周期中采用     

基于详细模型的HVDC系统非线性输出跟踪控制器

以往的HVDC系统控制研究采用的模型不够详尽,为了更真实地考察HVDC系统的特性,文中采用详细模型直流线路动态及触发延迟。采用此详细模型后微分几何方法及逆系统方法不便应用,为此提出了非线性输出跟踪控制器设计的关联度方法,这种方法物理意义明确,数学简单,适用范围广。应用此方法设计了详细模型下HVDC系统的非线性输出跟踪控制器,数学仿真表明所设计的这种HVDC系统控制器效果良好,关联度方法是有效的。     

一种新的动态聚类算法及其在热工过程模糊建模中的应用

文中提出的新型动态进化聚类算法克服了传统模糊聚类建模算法须事先确定规则数的缺陷。它通过改进的遗传策略来优化染色体长度，以实现对聚类个数进行全局寻优；同时，利用FCM算法加快了聚类中心参数的收敛：此外，通过引入免疫系统的记忆功能和疫苗接种机理，新算法得以快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型，可以同时得到合适的模糊规则数和准确的前提参数。仿真实例验证了文中动态模糊聚类建模算法的有效性，将其应用于热工过程可获得高精度的非线性模糊模型。     

基于局部神经网络模型的过热汽温多模型预测控制的研究

针对锅炉过热汽温的特点，设计串级过热汽温控制系统。主调节器采用基于局部神经网络模型的多模型预测控制，即由主蒸汽流量确定的不同工作点，用神经网络建立局部动态模型，进而建立一组局部神经网络预测控制器，然后通过加权合成的方式获得最终的控制信号；副调节器采用基于多个简单比例控制器的加权合成比例控制。该控制方案融合了神经网络、多模型控制和预测控制的特点。仿真结果表明，在负荷大范围变化的工况下，控制系统仍保持了良好的控制性能，具有较强的鲁棒性。     

基于神经网络的规则自校正模糊控制器及其在交流伺服系统中的应用

提出了一种基于神经网络的规则自校正模糊控制器,设计了一种在线的模糊推理算法,利用神经网络调整模糊控制规则,并将其用于交流伺服系统的控制中,仿真实验结果表明：该控制器响应快、鲁棒性强,采用该控制器的系统具有较好的动、静态性能和抗干扰能力。     

基于T-S模糊模型的电力传动系统的非线性PD状态反馈控制器

对于非线性电力传动对象和非线性PD反馈控制器组成的整个模糊控制系统，进行了稳定性分析，并且给出了非线性PD反馈控制器的增益参数设计，其中，非线性电力传动对象是用模糊Takagi and Sugeno模型描述的。提出了模糊系统中的状态微分反馈控制，并且有效地分析了整个控制系统的稳定性。设计方法最终被归结为满足所谓Y2-condition的一些参数的选择。给出了对于一个非线性质量-弹簧-阻尼器系统的应用实例。