罗运辉[1]2005年在《复杂热工过程预测控制系统参数自整定方法研究及应用软件包开发》文中认为动态矩阵控制(DMC)是一种应用最广泛的预测控制算法。常规DMC实施时,控制器参数通常需要控制前通过仿真和实时试验凑试,费时费力;按此参数实施控制,也常常无法保证良好的控制效果。目前对于DMC控制器,自整定方法和技术还缺乏研究,因而严重地限制了DMC预测方案的广泛应用。循环流化床锅炉(CFBB)是典型的热工对象,实现复杂热工过程的预测控制对于保证热电厂安全、经济运行具有十分重要的意义。本文以复杂工业过程CFBB机组建模控制为背景,在综述了目前国内外先进控制方法在复杂热工过程中的应用研究现状基础上,进行了复杂工业过程预测控制系统参数自整定方法的应用研究。 本文第一章为绪论,首先阐述了课题背景与意义,综述了目前国内外预测控制的研究现状,以及预测控制在热工过程控制中的应用研究现状。基于DMC存在的普遍问题及CFBB热工控制的复杂性,提出了本文的主要工作。 本文第二章系统研究常规DMC及其参数自整定。仿真研究部分探讨了两个问题:一是为什么选择某些参数作为主要的DMC整定参数;二是根据给出的整定策略,对典型被控过程进行了数值仿真,结果表明整定策略是有效的。在现场工业应用中,运用DMC-PID串级预测控制对某热电厂过热蒸汽温度实施了控制,取得了较好的控制效果。 本文第叁章研究积分过程DMC,提出了SISO非自衡过程DMC系统参数自整定策略,结合机组汽包水位控制,将提出的方法进行了符合实际的仿真验证,结果表明所提出的新方法与常规设计方法相比较,可获得更好的控制效果。实际应用方面,应用作者参与了部分程序编写工作的预测控制软件包,对某热电厂锅炉汽包水位实施了控制,并与常规PID控制作了对比研究。应用结果表明自整定参数的DMC可取得令人满意的控制效果。 本文第四章论述了多变量DMC算法,及多变量DMC参数自整定策略,也初步研究了该法在CFBB机组负荷控制中的应用。结合CFBB生产过程负荷控制系统,针对一个典型的双入双出系统作了仿真分析,
朱红霞[2]2015年在《基于多模型的热工过程先进控制策略研究》文中研究指明由于现代火电机组规模不断扩大,且参与电网调峰日趋频繁,电厂热工过程的特性越来越复杂,主要表现在：非线性、多变量耦合、大时滞、控制受约束、未知干扰因素多。传统的线性控制方法在面对这样的复杂对象时一般难以取得良好的控制效果。为此,本文利用多模型策略应对热力系统大范围变工况运行带来的非线性,基于此设计了几种适用于复杂热工过程的先进控制策略,以进一步提高火电厂热力系统的控制品质。本文的主要内容包括：(1)以局部模型网络作为非线性系统的多模型描述形式,提出了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,并利用聚类有效性指标结合建模精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(LMN)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Bell-Astrom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度高、子模型数少和计算量小等优点。(2)基于局部模型网络设计了两种先进的多模型预测控制策略,即考虑局部模型有效域约束的控制器加权型多模型预测控制(CWMMPC)和基于免疫遗传算法(IGA)优化的模型加权型多模型预测控制(MWMMPC)。第一种控制策略,直接以模型的调度函数值作为控制器的加权值,在设计局部预测控制器时,将局部模型的有效域约束加入到控制律优化求解过程中,避免了因局部模型在整个预测时域内失效导致局部控制量不准确而引起的控制品质下降。第二种控制策略,将离线辨识到的LMN全局模型作为时变预测模型,利用改进后的IGA直接对引入终端代价函数的预测控制性能指标进行有限时域优化,给出最优的控制量；通过利用局部镇定控制器和终端代价函数,可以在确保稳定性和不影响控制品质的情况下,有效缩短预测时域,减小在线计算量。通过对多变量Bell-Astrom锅炉-汽轮机系统以及500MW单元机组负荷系统的仿真试验,分别验证了这两种多模型预测控制策略的优越性能。(3)针对热工过程中存在的各种不可测扰动,设计了一种改进的扰动观测器,并提出了一种基于改进扰动观测器的多模型预测控制(MDOB-MMPC)。局部控制器采用的是一种复合控制策略,即首先利用改进的扰动观测器得到不可测扰动的估计值,然后利用该扰动估计值进行前馈补偿,使受扰被控对象具有与标称对象相似的控制特性；反馈通道的MPC控制律根据标称对象设计,通过在约束处理部分引入前馈补偿信号,可确保系统满足控制约束条件。针对锅炉过热汽温对象的仿真试验结果表明,采用该控制策略的系统对工况变化适应能力强,且能有效抑制各种不可测扰动。(4)针对大惯性、大滞后热工过程因大范围变工况带来的非线性及因煤种变化、环境条件改变和模型简化等带来的不确定性,设计了一种简单易实现的多模型预估滑模控制(MMPSMC)。局部控制器采用的是一种便于运行人员理解和工程实现的基于二阶加纯滞后(SOPDT)模型的预估滑模控制方案,即首先基于标称工况下辨识得到的SOPDT模型构建一个无迟延输出预估模型用于过程输出值的预测,然后通过合理设计滑模函数和不确定上界自适应估计的滑模控制律使得具有不确定性的闭环系统能在任何外扰的作用下保持渐进稳定。针对循环流化床(CFB)锅炉床温对象的仿真试验结果表明,采用该控制策略的系统在大范围工况内均具有调节速度快、超调量小的特点和良好的抗干扰能力。
邵恩泽[3]2018年在《火电机组热工过程辨识与机组负荷优化控制研究》文中研究指明单元机组的热工过程自动控制是保证热力设备安全和经济运行的必要措施和手段,控制系统的控制性能直接影响到机组运行的安全性和经济性。控制系统设计涉及被控对象的建模和控制器的设计。由于基于现场动态特性试验的模型辨识方法有诸多不足之处,基于现场数据和神经网络的模型辨识方法成为近年来的研究热点,但如何提高神经网络模型的性能尚需进一步研究。目前火电机组负荷控制系统广泛采用的是PID控制,对PID控制器参数进行优化是提高机组负荷控制性能的有效途径之一;尽管有些文献提出了机组负荷预测控制方法,但如何合理利用汽机与锅炉之间的耦合特性,提高预测控制性能,是一个值得研究的问题。因此,论文研究热工过程模型辨识问题,以及单元机组负荷PID控制和预测控制问题,选题具有重要的理论意义和应用价值。论文主要研究内容及取得的研究成果如下:1.对过程神经网络模型辨识方法进行了研究,针对传统的基于误差平方和性能指标的模型辨识方法未考虑相邻采样数据之间相关性的问题,提出了一种新型神经网络辨识性能指标及其相应的学习算法。仿真研究表明,与传统的基于误差平方和性能指标的BP神经网络辨识方法相比,在相同的辨识精度条件下,本文的方法可大大提高所建模型的数据拟合能力和泛化能力,有效提高模型的质量。2.对过程阶次辨识和神经网络模型结构优化进行了研究,提出了一种改进的神经网络剪枝策略。该策略对输入节点和隐节点采用不同的方法分别进行剪枝。对于输入节点采用基于灵敏度的剪枝方法进行剪枝,避免了因计算量大而需要采用工程近似导致误删节点的问题;对于隐节点,采用基于相关度的剪枝方法进行剪枝,克服了基于灵敏度的剪枝方法进行跨层剪枝时误删节点的不足。仿真研究表明,改进的剪枝策略可以达到确定阶次、精简网络结构并增强网络泛化能力的目的。3.研究了基于遗传算法的机组负荷PID控制器参数优化整定方法,提出了一种由偏差和偏差变化率构成的改进优化性能指标,克服了传统性能指标调整优化结果不够灵活的不足;根据炉跟机机组负荷控制系统的特性,提出一种针对炉跟机控制系统的新型优化性能指标,可使控制系统能充分利用锅炉蓄热,以较少的能量满足机组对负荷的响应。针对遗传优化算法,还提出一种确定遗传算法优化变量寻优范围的方法,有效节省了遗传算法的寻优时间,提高了参数的寻优效率。通过仿真研究验证了上述方法的有效性。4.研究了单元机组负荷多变量预测控制方法,提出了一种新型预测控制性能指标及其相应的预测控制算法,同时提出了性能指标中权系数的在线自适应修正方法。仿真研究表明,所提出的新型预测控制算法的控制性能优于常规预测控制算法,性能指标中权系数的在线自适应修正可有效利用锅炉蓄热,提高机组负荷的响应速度。5.对单元机组负荷控制进行了应用研究,提出了根据现场数据建立被控对象神经网络模型,再从神经网络提取所需过程传递函数模型,进而根据传递函数模型设计控制器的方法,并通过仿真验证了该方法的有效性。
高源[4]2011年在《热工过程预测控制简述》文中研究说明针对电厂热工过程中的非线性、多变量、大时滞等特点,本文致力于从非线性角度研究预测控制算法在热工过程中的应用。
林永君[5]2002年在《基于复杂机理模型的过程预测控制研究》文中研究表明模型预测控制是在工业实践过程中发展起来的，并在实际中得到了十分成功的应用。但对于像电站生产过程这样复杂的非线性、多变量、时变对象，在常规模型预测控制设计时，往往侧重于局部的动态特性，而未能全面地考虑对象的动、静态特性。尤其对于非线性问题，虽然有很多研究，但还没有很理想的解决方法。本文针对这类对象研究了模型预测控制的通用方法，建立了相应的支持系统。 本文首次提出根据物质平衡、能量平衡、动量平衡和生产过程的各种物性参数的机理解析关系建立全面描述被控生产过程的模型，预测生产过程参数的动、静态变化。这种模型可以在较大范围、平滑地描述参数在各种工况下的动、静态特性；很自然地将对象的非线性、相关性包容其内，避免了常规模型预测控制侧重考虑对象动态特性的缺憾，能够全面利用对象的动、静态特性。 以上述预测模型预测的被控参数为基础，根据最优控制的设计思想，首次提出将预测控制求解问题转化为常规PI控制参数与模型预测时间、滤波时间常数的计算问题；推导出控制参数的选择公式。在论文中，采用连续系统设计方法来设计控制参数，避免了常规模型预测控制中采样周期是控制参数的问题。并推导证明了这种控制方法在实际上符合最优控制思想的次最优方法。克服了常规非线性模型预测控制必须对模型进行线性化处理或非线性规划的求解方法。为了便于整定控制参数，还设计了以幅频、相频特性来进行参数调整的人机交互工具，便于对控制参数进行最佳选择。 本文设计并实现了适用于复杂生产过程的预测控制模型建模和进行预测控制的支持系统。模型建模采用的是模块建模方法，即将生产过程按设备或独立系统分解，建立以模块为基础的预测模型。支持系统则能方便地以图形界面方式提供复杂机理模型的建立、调试、预测控制实现，以及丰富的算法调试、模型运行控制等功能，并非实时进行模型预测控制。 建立了以电站机组为控制对象的模型算法库，以及为验证模型预测控制的实验环境。作者以锅炉汽温的控制为例，进行了模型预测控制的仿真实验。实验表明了采用以复杂机理模型进行预测控制和模型预测控制参数实现方法是完全正确可行的，充分证明其对处理非线性、多变量对象进行控制有突出的先进性和优越性。设计的预测模型建模支持系统及模型预测仿真实验系统对基于复杂机理模型预测控制的实际应用具有指导意义。
赵丹丹, 梁平[6]2009年在《非线性预测控制在电厂热工过程中的应用研究》文中研究表明非线性预测控制(NMPC)研究在电厂热工过程控制中有很大的应用潜力。目前NMPC算法的研究主要集中在线性化控制方法、基于特殊模型的NMPC方法、先进控制策略与预测控制相结合的控制方法。分析了NMPC方法在电厂各热工过程控制系统中的应用研究现状,并对其前景进行了展望。分析表明,系统辩识与模型预测控制(MPC)的协同作用、约束NMPC算法、非线性系统的建模与参数估计、多变量有约束系统的稳定性与鲁棒性定量分析、预测控制的智能化将是电厂热工过程预测控制问题未来的研究方向。
董旸[7]2010年在《复杂热工系统广义非线性预测控制及在线优化研究》文中指出火电厂热工自动化是保障设备安全、提高机组经济性、减轻劳动强度及改善劳动条件的重要技术措施。火电生产过程本身是一个非常复杂的控制系统,滞后、惯性、时变以及多变量特征,使其成为非线性系统建模与有效控制的困难所在。广义预测控制作为一种对模型精度要求低、鲁棒性强、能够有效克服系统大滞后并易于实现计算机实时控制的算法,已经成功应用于一些工业过程控制中,并显示出强大的生命力。对于火电机组复杂非线性热工系统,研究其广义预测控制及其在线优化算法,对智能电网的建设无疑具有一定的理论意义和应用价值。因此,本文围绕快速稳定的在线优化算法研究及其在非线性多步预测优化控制中的应用问题,开展了如下研究：1.在线优化算法研究研究了几种新型智能优化算法：混沌优化算法、粒子群优化算法以及新型小世界优化算法。为了解决现有小世界优化算法存在由于编码、解码而造成的算法繁琐和运行时间长等问题,在二进制和十进制编码小世界优化算法基础上,提出了一种新的基于实数编码的小世界优化算法。仿真分析表明,实数编码小世界优化算法比二进制编码小世界算法、混沌优化算法和粒子群优化算法具有更高的搜索效率和精度,适宜于广义预测控制的在线滚动优化计算及求解。2.广义预测控制在复杂非线性热工系统中的应用首先,针对单元机组非线性负荷系统多目标优化的控制问题,将BP神经网络辨识、实数编码小世界优化算法和多目标优化预测控制思想有机结合,提出一种新型的非线性预测控制器。仿真结果表明,在AGC负荷指令变化时,单元机组各变量得到了满意的实时控制效果。然后,针对锅炉过热蒸汽温度系统大迟延、大惯性和非线性特性,引入基于混沌遗传算法的T-S模糊模型,并对其实施了非线性预测控制,应用上述基于实数编码的小世界优化算法,仿真结果证明本文提出的广义非线性预测控制在线滚动优化算法在处理大滞后、非线性系统的优越性。最后,考虑到实际工业过程系统总是受到各种软硬约束的限制,对上述两个控制系统分别加入执行机构硬约束条件,仿真结果表明两种非线性系统的广义预测控制在实际工况下仍然能达到较好的控制效果。
张荫芬[8]2003年在《热工过程预测控制研究》文中指出针对电厂热工过程中的非线性、多变量、大时滞等特点，本文致力于从非线性角度研究预测控制算法在热工过程中的应用。本文的主要内容是研究基于T-S模糊模型的非线性系统辨识算法，并在此基础上研究非线性系统的模糊预测控制问题，并且把基于T-S模型的广义预测控制算法应用于电厂主汽温系统的控制。具体包括以下几个方面：1、针对复杂非线性动态系统的模糊建模问题，本文基于T-S模型提出一种自组织模糊辨识算法。改进后的算法简化了前提结构辨识的过程，并使前提参数辨识和结论参数辨识同时完成，极大的减少了参数辨识和结构辨识的计算量，能够保证在线辨识的要求。大量的仿真结果表明该算法具有收敛速度快、辨识精度高、稳定性好，便于工程应用。2、把自组织模糊辨识算法应用于主汽温和再热汽温系统的模型辨识中，仿真结果表明这种辨识算法对非线性系统的辨识具有良好的效果。3、针对非线性系统的模型预测控制问题，本文采用T-S模型作为预测模型，然后在每一个采样点对系统进行局部动态线性化，根据得到的系统线性化模型对系统采取广义预测控制（GPC）方法得到当前的控制律。并把这种基于T-S模型的预测控制算法应用在某电厂的主汽温的升负荷过程的控制中，仿真表明本算法能够很好地通过在线非线性T-S模型的辨识从而实现对于具有非线性特性的主汽温对象的预测控制。
陈真[9]2017年在《超超临界机组负荷非线性预测控制及其仿真研究》文中研究指明随着锅炉朝着大容量、高参数的方向发展,对于大型机组建模与控制的研究是迫切需求的。然而,针对常规的线性控制策略很难满足具有非线性、强耦合、大迟延等特性的超超临界机组热工过程的控制要求的问题,本文在全面总结超超临界机组负荷控制系统建模与控制策略研究现状的基础上,重点开展了对基本粒子群算法的改进,超超临界机组协调控制系统建模以及基于神经网络和混合粒子群算法的非线性预测控制等工作,并将非线性预测控制方法应用于负荷控制中,取得了预期的成果。针对基本粒子群算法容易陷入局部最优解的问题,提出了一种基于遗传算法和模拟退火算法的改进粒子群优化算法。引入遗传算法中的选择、杂交和变异以及模拟退火机制的粒子群算法,可以保持群体多样性的同时,提高全局搜索精度。通过对测试函数的求解和热工对象的验证,表明改进混合粒子群算法与基本PSO等其他智能算法相比具有更好的寻优特性和辨识能力。通过对超超临界机组的制粉系统、锅炉汽水系统以及汽轮机系统一定的简化,利用质量平衡、能量平衡和动量平衡原理建立了一个3x3的协调控制系统机理模型。然后利用某电厂1000MW超超临界直流炉机组sis系统历史运行数据,对于模型中的未知参数进行求取。其中,动态参数采用本文改进的混合粒子群算法进行辨识。最后在Simulink中搭建模型,进行开环动态特性的试验,试验结果符合实际机组的动态特性,从而进一步验证了模型的准确。针对超超临界机组非线性等特性,提出了一种基于神经网络结合改进混合粒子群优化算法的非线性预测控制方法。采用RBF神经网络模型作为预测模型,采用改进混合粒子群优化算法对控制律进行滚动优化,给出最优的控制。利用该非线性预测控制方法对超超临界机组进行控制仿真,并与常规GPC控制效果比较,通过稳定工况点负荷扰动和大范围变工况试验,验证了该方法的有效性。
谭永彦[10]2011年在《水泥生产分解炉温度预测控制软件的研发》文中认为目前,以悬浮预热和预分解技术为核心的新型干法水泥生产技术在世界各国得到广泛发展和应用。分解炉是预分解系统的核心设备,它主要承担燃料燃烧、气固两相换热、生料分解的任务,确保入窑物料中碳酸盐的分解率达到工艺要求。分解炉的稳定控制对稳定回转窑的运行、稳定熟料质量具有重要作用。分解炉的温度是影响分解率指标的关键工艺参数。分解炉与回转窑和悬浮预热器直接相连,设备关联严重,炉内燃烧、传热、分解等过程机理复杂,因此分解炉温度过程存在着非线性、纯滞后、多变量、输入输出约束、不确定干扰等控制难点,传统的控制方法难以达到较好的控制效果。研究分解炉温度过程的预测控制技术对于提高分解炉的温度过程的控制性能,从而提高产品的质量和生产效率具有重要意义。针对以上问题,本文依托国家"863"高技术研究课题,以酒钢集团宏达建材有限公司1500t/d水泥熟料1#新型干法水泥生产线自动化工程为背景,完成水泥生产过程分解炉温度预测控制软件的设计与开发。本文的主要工作包括以下几点：(1)在对分解炉过程控制目标和控制难点分析的基础上,进行了分解炉温度过程预测控制方法的研究。在文献[61]建立的水泥生产分解炉温度过程仿真对象软件上,在选定的工作点进行阶跃测试,建立了以尾煤转速为输入、分解炉温度为输出的分解炉温度过程阶跃响应模型。基于DMC预测控制方法,分别设计了无约束和带输入约束分解炉温度预测控制器,并在工作点处进行了设定值跟踪和干扰抑制仿真实验研究,研究结果表明,上述控制方法具有较好的控制性能。(2)在提出上述控制方法的基础上,完成分解炉温度预测控制软件的设计与开发。分解炉温度预测控制软件主要包括用户管理、通讯配置、控制器组态、过程监控、控制器离线仿真、历史数据管理六个功能模块。软件可以完成用户管理,与工业现场的S7-400PLC控制系统进行数据交互通讯,根据导入的阶跃响应模型、控制变量、被控变量、干扰变量以及控制器的组态参数,自动生成DMC预测控制器,过程数据和趋势的实时显示以及变量报警,根据阶跃响应模型建立仿真对象模型,完成控制器的离线仿真调试,历史数据的归档和调用。基于Windows平台,利用Visual Basic6.0、ProEssential v2.1、. Access2000完成了预测控制软件各个模块功能和人机交互界面的开发。(3)对预测控制软件进行功能测试。利用西门子过程控制系统的WinCC (Windows Control Center)变量仿真器WinCC Tag Simulator完成了预测控制软件的通讯功能测试,利用仿真对象模型完成了控制器组态测试、历史数据归档测试和控制器的离线仿真调试。测试结果表明,分解炉温度预测控制软件达到了设计要求,具有工业应用价值。
参考文献：
[1]. 复杂热工过程预测控制系统参数自整定方法研究及应用软件包开发[D]. 罗运辉. 山东大学. 2005
[2]. 基于多模型的热工过程先进控制策略研究[D]. 朱红霞. 东南大学. 2015
[3]. 火电机组热工过程辨识与机组负荷优化控制研究[D]. 邵恩泽. 东南大学. 2018
[4]. 热工过程预测控制简述[J]. 高源. 中国新技术新产品. 2011
[5]. 基于复杂机理模型的过程预测控制研究[D]. 林永君. 华北电力大学. 2002
[6]. 非线性预测控制在电厂热工过程中的应用研究[J]. 赵丹丹, 梁平. 广东电力. 2009
[7]. 复杂热工系统广义非线性预测控制及在线优化研究[D]. 董旸. 北京交通大学. 2010
[8]. 热工过程预测控制研究[D]. 张荫芬. 华北电力大学（北京）. 2003
[9]. 超超临界机组负荷非线性预测控制及其仿真研究[D]. 陈真. 东南大学. 2017
[10]. 水泥生产分解炉温度预测控制软件的研发[D]. 谭永彦. 东北大学. 2011
标签：自动化技术论文; 预测控制论文; 预测模型论文; 过程控制论文; 线性系统论文; 系统辨识论文; 仿真软件论文; 建模软件论文; 负荷预测论文; 优化策略论文; 非线性论文; 算法论文; 变量论文;