基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

基于神经网络逆模型的污水pH值内模控制策略

针对污水处理中和反应过程pH值控制具有强干扰和模型参数易变等特点,利用内模控制方法的设定值响应和干扰响应之间相互独立的优点,提出一种基于内模控制和神经网络逆模型相结合的pH值优化控制策略。通过在系统中插入低通滤波器,并采用RBF神经网络在线辨识被控对象的逆模型,提高污水处理pH值控制的鲁棒性和抗干扰能力,有效解决中和反应pH值控制过程中模型参数易变的问题。MATLAB仿真结果表明：与常规PID控制和不带滤波器的神经内模控制策略相比,提出的优化控制策略超调量最多降低17.4%,调节时间最多减少113.6 s,有效提高了系统鲁棒性和抗干扰能力。工程应用表明：使用所提策略后,pH值控制偏差在±0.2以内,系统的控制精度和稳定性显著提高。     

基于改进的隐式广义预测控制在燃气发电锅炉主汽压中的应用

针对燃气发电锅炉主汽压控制系统存在非线性、模型参数不确定等问题,提出了一种改进的隐式广义预测控制策略。首先,使用遗忘因子递推最小二乘法进行模型参数辨识,建立主汽压的离散数学模型;其次,在常规广义预测控制理论基础上建立主汽压的隐式广义预测控制系统,简化控制算法,通过在目标函数中增加PI结构,提高系统的鲁棒性。仿真结果表明,相比串级PID和常规隐式广义预测控制,所提控制策略在模型适配时调节时间最多减少20 s,模型失配时超调量最多减少5.08%,调节时间最多降低36 s,系统鲁棒性和抗干扰能力增强;工程应用表明,使用所提策略后主汽压控制偏差在±0.2 MPa之间,控制精度显著提高。改进的隐式广义预测控制较好地满足了工业生产中对主汽压的控制要求,具有较高的研究和应用价值。     

基于 KPCA-AGRU 神经网络的火电机组 NOx排放预测

针对火电机组锅炉燃烧过程中预测 NOx 排放过程存在的非线性和时序性特点,提出一种基于核主成分分析(KPCA)和注意力机制(AM)的门控循环神经网络(GRU)氮氧化物预测模型。 首先选用 KPCA 对模型的输入变量进行降维,消除冗余变量;其次,将筛选的变量数据作为 GRU 的输入,并采用网格搜索优化 GRU 的超参数;最后,引入 AM 计算权值,实现区分输入特征功能,提高 NOx 预测模型精度。 通过某 330 MW 电站锅炉实际数据对 AGRU预测模型仿真验证,并将 AGRU 模型、GRU 模型和 BP 神经网络模型的预测结果进行对比。 结果表明:基于 AGRU的 NOx 预测模型的均方根误差和平均绝对误差较 BP 神经网络和 GRU 模型均有减少,可精准预测非线性时序燃烧过程的 NOx 排放。     

基于DMC-PID的串级热风炉温控系统的研究与应用

热风炉是高炉炼铁中重要的热交换设备,其温度控制系统具有非线性、大时滞等特点,目前的手动烧炉难以满足节能和优化燃烧的要求。将煤气流量调节阀的阀门开度作为辅助操纵变量,拱顶温度值作为主被控变量,设计DMC-PID串级控制系统,实现对热风炉拱顶温度的控制。仿真结果表明,本设计方案具有较强的抑制干扰的能力,系统的快速性和稳定性得到进一步提升。应用结果表明,DMC-PID串级控制系统能够实现热风炉燃烧过程中煤气流量和空气流量合理配比,进而达到优化燃烧、节约能源的目的。     

转炉炉口微差压的模糊滑模控制系统设计

针对转炉炉口微差压控制系统的非线性、干扰大和时变的特点,提出了一种基于干扰观测补偿的模糊滑模控制策略。通过分析滑模控制理论,得出了切换增益引起抖振这一结论。引入指数趋近律,发现切换增益与滑动因子绝对值呈正比关系。利用模糊设计规则对切换增益进行有效估计,使其更逼近滑模到达滑模面所需增益。结合基准观测器和经过处理所得到的等效干扰观测器,使得系统仅由增益就可对外界干扰进行快速反应。Matlab仿真研究结果表明:采用模糊滑模控制比常规PID控制的响应时间减少了0.14s,达到峰值时间减少了1.08s,超调量相对减少了0.025%,系统的切换增益更小,有效地遏制了抖振现象。工程实际应用表明:应用所提方法后,系统的抖振相对于滑模控制降低了10%,调节时间相对常规PID控制降低了0.38s,取压口处压力波动范围为-3.5～7Pa,比常规PID控制的效果提高了50%左右,系统抑制干扰的能力明显增强。     

基于萤火虫算法的DDE-PID加热炉炉温控制

针对加热炉炉温控制的目标多变、干扰因素多等问题,提出基于萤火虫算法(firefly algorithm)优化预期动态(desired dynamic equation,DDE)二自由度PID控制策略。将非线性鲁棒控制器(Tornambe Controller)中的不确定因素和外部干扰项利用观测器近似替换,运用预期动态法构建动态特性方程,推导出带有预期动态特性方程系数和观测器参数的二自由度PID等价形式。在判定系统稳定性后确定待优化参数选值范围,进而通过萤火虫优化算法选取最优参数。研究结果表明：与常规PID和二自由度PID控制相比,模型适配时所提出的控制策略使调节时间最多减少38 s,超调量最多降低15%,系统抗干扰性良好。使用所提策略后,炉温控制偏差小于±20℃,炉温波动降低60%,系统稳定性和抗干扰能力明显提高。     

闭环系统的虚拟参考反馈校正控制设计

在线性框架下,研究基于输入-输出观测数据对未知系统模型中反馈控制器的设计问题.采用虚拟参考反馈校正控制方法,通过最小化由一簇采集数据组成的L2范数控制代价函数,直接对控制器进行设计,而无需对系统模型建模辨识.针对控制设计中的优化问题,借助分离性原理,推导了一个迭代的可分离的非线性最小二乘辨识方法.该辨识方法可以降低收敛于局部最小的可能性,得到设计准则中参数矢量估计的全局最优解.给出在应用前利用概率统计对控制器进行检验的方法,以保证闭环系统的稳定性.仿真算例验证了方法的有效性.     

基于IGPC-NADRC火电机组制粉系统控制策略

针对火力发电机组制粉系统存在参数不稳定、大滞后及多变量的问题,本文构建非线性最小二乘法辨识模型,采用隐式广义预测算法预测模型输出,构造非线性扩张状态观测器(NESO),估计系统存在的干扰并补偿,设计应用于火力发电机组制粉系统的隐式广义预测非线性自抗扰控制策略(IGPC-NADRC),化简内模结构并分析系统稳定性。在仿真实验中采用时域分析法验证控制器内关键参数对系统输出的影响;设计抗干扰实验和变设定值实验,比较IGPC-NADRC控制、动态矩阵(DMC)自抗扰控制(ADRC)、IGPC-PID控制策略和DMC-PID控制策略的控制效果。研究结果表明：IGPC-NADRC控制系统的抗干扰性能好,鲁棒性强,当系统受到外界干扰时该方法的超调量为5.72%,调节时间为44 s,稳定性更佳。工程应用结果表明,采用IGPC-NADRC控制策略后系统的偏差范围比PID控制时的更小,证明了方法的有效性。     

基于RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。