一、分散自適應(yīng)控制及其在熱工控制中的應(yīng)用（論文文獻(xiàn)綜述）
孫明[1]（2021）在《火電機(jī)組熱工過程自抗擾控制的研究與應(yīng)用》文中認(rèn)為燃煤機(jī)組熱工過程普遍具有高階慣性、時(shí)滯、非線性、多擾動(dòng)、回路耦合以及不確定性等特點(diǎn),使得探索更為高效的建模方法和高性能的魯棒控制算法成為一直以來(lái)的研究熱點(diǎn)和難點(diǎn)。尤其是當(dāng)前火電機(jī)組需要通過深度調(diào)峰來(lái)有效平衡間歇性的新能源電力高比例接入電網(wǎng)引起的系統(tǒng)波動(dòng),使得熱工過程自動(dòng)控制系統(tǒng)的可靠性和魯棒性面臨著更為嚴(yán)峻的挑戰(zhàn)。此外,分散控制系統(tǒng)的歷史數(shù)據(jù)庫(kù)中存儲(chǔ)了因擾動(dòng)或不確定因素而產(chǎn)生的大量過程數(shù)據(jù),可以充分利用這些過程擾動(dòng)數(shù)據(jù),進(jìn)而增強(qiáng)控制器的模型信息以提升控制系統(tǒng)的設(shè)定值跟蹤、擾動(dòng)抑制以及魯棒性等控制性能。因此,本文以線性擴(kuò)張狀態(tài)觀測(cè)器為主線,開展了廣義積分串聯(lián)型系統(tǒng)的相位分析、擾動(dòng)數(shù)據(jù)驅(qū)動(dòng)的擴(kuò)張狀態(tài)觀測(cè)器模型參數(shù)智能辨識(shí)方法以及基于相位補(bǔ)償?shù)慕惦A自抗擾控制器設(shè)計(jì)等方面的理論研究、算例仿真與工程實(shí)現(xiàn)。論文主要工作有:1)在頻域內(nèi)詳細(xì)分析了線性擴(kuò)張狀態(tài)觀測(cè)器對(duì)總擾動(dòng)進(jìn)行估計(jì)和前饋補(bǔ)償后,虛擬控制量與系統(tǒng)輸出以及估計(jì)輸出兩者之間的廣義積分串聯(lián)型傳遞函數(shù)特性。當(dāng)采用全階擴(kuò)張狀態(tài)觀測(cè)器時(shí),仿真并分析了廣義積分串聯(lián)型逼近標(biāo)準(zhǔn)積分器串聯(lián)型的影響因素;當(dāng)采用低階擴(kuò)張狀態(tài)觀測(cè)器時(shí),為保證廣義擴(kuò)張狀態(tài)觀測(cè)器與廣義被控對(duì)象在相位上的近似同步,提出了增加部分模型信息對(duì)擴(kuò)張狀態(tài)觀測(cè)器進(jìn)行相位補(bǔ)償?shù)脑O(shè)計(jì)方法,算例仿真驗(yàn)證了該方法的有效性。2)針對(duì)零初始條件下輸出信號(hào)中可能存在外部擾動(dòng)作用的分量而導(dǎo)致閉環(huán)數(shù)據(jù)驅(qū)動(dòng)建模準(zhǔn)確性降低的問題,提出了一種利用控制回路中干擾作用產(chǎn)生的動(dòng)態(tài)過渡到穩(wěn)態(tài)這一特征的過程數(shù)據(jù)驅(qū)動(dòng)擴(kuò)張狀態(tài)觀測(cè)器參數(shù)辨識(shí)的新方法,也就是將過程數(shù)據(jù)中擾動(dòng)作用結(jié)束時(shí)刻點(diǎn)的狀態(tài)初值估計(jì)和總擾動(dòng)中的確定性模型信息估計(jì)相結(jié)合,進(jìn)而通過群體智能算法對(duì)模型參數(shù)進(jìn)行優(yōu)化和聚類分析,得到最佳辨識(shí)參數(shù),算例仿真驗(yàn)證了所提建模方法的有效性和準(zhǔn)確性。3)為了提高一類具有大慣性、時(shí)滯等特點(diǎn)的熱工過程對(duì)象設(shè)定值跟蹤能力和抗干擾性能,提出了基于相位補(bǔ)償?shù)慕惦A自抗擾控制設(shè)計(jì)方法,并完成了穩(wěn)定性分析?？紤]到運(yùn)用低階自抗擾控制器時(shí),控制量增益難以確定的問題,給出了新的參數(shù)整定方法。而對(duì)于熱工過程的多變量系統(tǒng),則采用分散式相位補(bǔ)償型降階自抗擾控制策略,并將控制系統(tǒng)在頻域內(nèi)進(jìn)行等效變換,揭示了自抗擾控制技術(shù)框架下的逆解耦器特性。同時(shí),為了增強(qiáng)其逆向解耦能力,推導(dǎo)出一種針對(duì)多變量系統(tǒng)的相位補(bǔ)償環(huán)節(jié)設(shè)計(jì)方法。算例仿真驗(yàn)證了所提控制算法的優(yōu)越性。4)研究并解決了基于相位補(bǔ)償?shù)慕惦A自抗擾控制算法的邏輯組態(tài)、抗降階擴(kuò)張狀態(tài)觀測(cè)器飽和以及無(wú)擾切換等工程化設(shè)計(jì)中的具體問題,進(jìn)而在激勵(lì)式仿真機(jī)上進(jìn)行了控制策略的仿真與實(shí)現(xiàn)。進(jìn)而將其應(yīng)用于現(xiàn)役火電機(jī)組的主汽溫系統(tǒng)和負(fù)荷控制系統(tǒng)。實(shí)施結(jié)果表明所提改進(jìn)自抗擾控制算法的可行性、有效性以及優(yōu)越性,展現(xiàn)了該算法良好的工業(yè)應(yīng)用前景。
張鵬程[2]（2020）在《改進(jìn)型時(shí)間序列模型預(yù)測(cè)控制及其在熱工過程中的應(yīng)用》文中提出在我國(guó)現(xiàn)階段的能源結(jié)構(gòu)中,火力發(fā)電仍舊占據(jù)著很大比重。隨著電廠規(guī)模的不斷擴(kuò)大,如何保證熱工過程的各個(gè)環(huán)節(jié)可以高質(zhì)量、高經(jīng)濟(jì)效益、安全可靠地運(yùn)行是電力行業(yè)健康發(fā)展的關(guān)鍵,其中熱工過程的控制策略是研究的重點(diǎn)。PID算法因其結(jié)構(gòu)簡(jiǎn)單、可靠性高,在熱工過程控制中被廣泛應(yīng)用。然而,隨著工業(yè)過程復(fù)雜程度的日趨增加,且發(fā)電過程中,設(shè)備的動(dòng)態(tài)特性會(huì)隨著負(fù)荷的變化而改變,使得系統(tǒng)具有非線性、時(shí)變性、滯后性等復(fù)雜特性,傳統(tǒng)方法難以取得理想的控制效果。本文充分考慮熱工過程的控制難點(diǎn),提出基于Laguerre正交基優(yōu)化的時(shí)間序列模型預(yù)測(cè)控制算法。在設(shè)計(jì)中結(jié)合算法融合的思想,借鑒傳統(tǒng)控制策略的優(yōu)勢(shì)進(jìn)行改進(jìn),將改進(jìn)后的算法應(yīng)用到典型的熱工過程控制系統(tǒng)中,檢驗(yàn)了控制效果。本文的主要工作及創(chuàng)新點(diǎn)包括:（1）將多變量Laguerre函數(shù)模型預(yù)測(cè)控制算法與增量式分?jǐn)?shù)階PID算法相結(jié)合,提出了一種具有分?jǐn)?shù)階PID結(jié)構(gòu)特征的預(yù)測(cè)控制策略。該算法通過借鑒分?jǐn)?shù)階PID的控制結(jié)構(gòu)來(lái)改進(jìn)預(yù)測(cè)控制的性能指標(biāo)。將所提出的算法應(yīng)用到火電單元機(jī)組負(fù)荷控制的仿真實(shí)驗(yàn)中,結(jié)果表明,與其它算法相比,該方法具有更加出色的跟蹤性能和魯棒性,有效抑制了超調(diào)量,改善了系統(tǒng)的控制質(zhì)量。（2）將帶外部輸入的自回歸（Autoregressive with Exogenous Input,ARX）模型的系數(shù)通過Laguerre正交基進(jìn)行展開,提出了基于ARX-Laguerre模型的預(yù)測(cè)控制方法,并分別將PID、分?jǐn)?shù)階PID控制器用于改進(jìn)滾動(dòng)優(yōu)化的性能指標(biāo)。將改進(jìn)后的算法應(yīng)用到過熱汽溫控制的仿真實(shí)驗(yàn)中,結(jié)果表明,兩種算法均在不同程度上提高了過熱汽溫系統(tǒng)的控制品質(zhì)。（3）將帶外部輸入的自回歸滑動(dòng)平均（Autoregressive Moving Average with Exogenous Input,ARMAX）模型進(jìn)行Laguerre正交基展開,提出了基于ARMAX-Laguerre模型的預(yù)測(cè)控制算法,并將其與PID算法相結(jié)合,應(yīng)用到循環(huán)流化床鍋爐主蒸汽壓力控制的仿真實(shí)驗(yàn)中,實(shí)現(xiàn)了對(duì)目標(biāo)的精確跟蹤,提高了系統(tǒng)的快速性和魯棒性。在參數(shù)選定的問題上,為了解決依靠先驗(yàn)知識(shí)和人工調(diào)試帶來(lái)的工作量大和取值不精確等問題,本文采用差分進(jìn)化算法對(duì)PID參數(shù)進(jìn)行尋優(yōu),使算法在參數(shù)整定方面更加智能。
賈昊[3]（2020）在《基于高斯過程回歸的熱工系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)建模研究》文中研究指明隨著計(jì)算機(jī)、傳感器網(wǎng)絡(luò)、數(shù)據(jù)存儲(chǔ)技術(shù)的快速發(fā)展及其在大型火電機(jī)組中的廣泛應(yīng)用,海量的歷史運(yùn)行數(shù)據(jù)得以保存。由于歷史運(yùn)行數(shù)據(jù)是對(duì)機(jī)組運(yùn)行狀況最直觀的反映,并且隨著電站信息化的發(fā)展使得數(shù)據(jù)獲取變得十分容易、成本低廉,為構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型提供了良好的基礎(chǔ)。但是,想要構(gòu)建性能優(yōu)異的模型往往并不容易,如何對(duì)建模數(shù)據(jù)進(jìn)行選擇和處理,選擇哪種建模方法都會(huì)對(duì)模型最終的效果產(chǎn)生影響。也正是因?yàn)槿绱?基于數(shù)據(jù)驅(qū)動(dòng)的建模方法才會(huì)成為研究熱點(diǎn),持續(xù)受到研究人員的關(guān)注。針對(duì)熱工過程數(shù)據(jù)驅(qū)動(dòng)建模過程中存在的一些問題,本文以基于歷史運(yùn)行數(shù)據(jù)的建模方法為研究主題,圍繞數(shù)據(jù)預(yù)處理、穩(wěn)態(tài)檢測(cè)、靜態(tài)模型和動(dòng)態(tài)模型的構(gòu)建、多模型建模方法等方面,開展了以下研究工作:（1）針對(duì)歷史運(yùn)行數(shù)據(jù)中存在數(shù)據(jù)異常和數(shù)據(jù)缺失的問題,對(duì)歷史數(shù)據(jù)異常值檢測(cè)和校正方法進(jìn)行了研究。針對(duì)異常值檢測(cè),提出一種基于經(jīng)驗(yàn)小波變換和局部異常因子相結(jié)合的異常值檢測(cè)方法。該方法首先使用經(jīng)驗(yàn)小波變換提取并去除數(shù)據(jù)的運(yùn)行趨勢(shì);然后對(duì)去除趨勢(shì)的序列求取局部異常值;最后采用箱型圖對(duì)異常值進(jìn)行自適應(yīng)判別。針對(duì)數(shù)據(jù)中存在異常值和數(shù)據(jù)缺失的問題,采用基于滑動(dòng)窗口和Nadaraya-Watson回歸相結(jié)合的方法,對(duì)相關(guān)數(shù)據(jù)進(jìn)行校正和補(bǔ)全。以某1000MW火電機(jī)組負(fù)荷數(shù)據(jù)和總風(fēng)量數(shù)據(jù)為例,分別驗(yàn)證了所提方法的有效性。（2）針對(duì)歷史運(yùn)行數(shù)據(jù)中動(dòng)態(tài)數(shù)據(jù)和穩(wěn)態(tài)數(shù)據(jù)交替出現(xiàn)的現(xiàn)象,為了實(shí)現(xiàn)對(duì)不同數(shù)據(jù)的區(qū)分,提出了一種基于信號(hào)分解與統(tǒng)計(jì)檢驗(yàn)方法相結(jié)合的熱工過程穩(wěn)態(tài)檢測(cè)方法,用以對(duì)穩(wěn)態(tài)工況樣本進(jìn)行篩選。首先采用經(jīng)驗(yàn)小波變換對(duì)原始信號(hào)進(jìn)行分解,得到原始信號(hào)的運(yùn)行趨勢(shì)和震蕩信息;然后結(jié)合修改過的R統(tǒng)計(jì)檢驗(yàn)法對(duì)熱工過程數(shù)據(jù)進(jìn)行穩(wěn)態(tài)檢測(cè)。以仿真數(shù)據(jù)和某1000MW火電機(jī)組協(xié)調(diào)控制系統(tǒng)數(shù)據(jù)為例,驗(yàn)證了方法的有效性。（3）針對(duì)熱工過程穩(wěn)態(tài)數(shù)據(jù)存在的數(shù)據(jù)量大、屬性維度高、數(shù)據(jù)重復(fù)性大的特點(diǎn),提出了一種基于樣本稀疏化和特征變量選擇的高斯過程回歸建模方法。首先使用基于數(shù)據(jù)相似性和信息熵相結(jié)合的樣本選擇方法對(duì)穩(wěn)態(tài)數(shù)據(jù)進(jìn)行樣本稀疏化處理;然后使用基于皮爾森相關(guān)系數(shù)和最小角回歸算法相結(jié)合的方法對(duì)建模特征變量進(jìn)行數(shù)據(jù)融合和特征選擇;最后結(jié)合高斯過程回歸方法建立系統(tǒng)模型。使用歷史運(yùn)行數(shù)據(jù)建立某1000MW火電機(jī)組鍋爐煙氣含氧量靜態(tài)模型。通過與其他方法對(duì)比,證明了使用該方法建立的模型具有更小的模型誤差和更高的靜態(tài)準(zhǔn)確度,可以取得很好的預(yù)測(cè)效果。（4）針對(duì)動(dòng)態(tài)過程中變量間存在強(qiáng)非線性、過程復(fù)雜多變、輸入輸出變量間存在時(shí)延的特點(diǎn),提出一種考慮輸入時(shí)延的組合核函數(shù)動(dòng)態(tài)高斯過程回歸建模方法。首先采用灰色關(guān)聯(lián)度分析方法對(duì)變量的時(shí)延參數(shù)進(jìn)行估計(jì),根據(jù)估計(jì)值重新構(gòu)造數(shù)據(jù)集;然后根據(jù)核函數(shù)閉包性質(zhì),將局部核函數(shù)和全局核函數(shù)組合起來(lái)構(gòu)成新的核函數(shù),構(gòu)建組合核函數(shù)動(dòng)態(tài)高斯過程回歸模型;最后使用歷史運(yùn)行數(shù)據(jù)建立某1000MW火電機(jī)組鍋爐煙氣含氧量的動(dòng)態(tài)模型驗(yàn)證所提方法的有效性。實(shí)驗(yàn)結(jié)果表明,采用該方法建立的動(dòng)態(tài)模型具有模型準(zhǔn)確度高、泛化能力強(qiáng)的特點(diǎn),可以滿足實(shí)際需要。（5）針對(duì)熱工過程中存在多種工況、工況變化范圍大,采用單一模型描述生產(chǎn)過程特性時(shí)易導(dǎo)致訓(xùn)練過擬合、模型泛化能力差的問題,提出一種基于自適應(yīng)模糊聚類的多模型動(dòng)態(tài)高斯過程回歸建模方法。使用提出的模糊聚類方法對(duì)數(shù)據(jù)集進(jìn)行劃分并根據(jù)劃分的子數(shù)據(jù)集分別建立其動(dòng)態(tài)高斯過程回歸模型,然后采用基于預(yù)測(cè)方差的貝葉斯融合方法得到最終的輸出模型。結(jié)合某1000MW火電機(jī)組歷史運(yùn)行數(shù)據(jù)建立鍋爐煙氣含氧量模型,通過與單一全局動(dòng)態(tài)高斯過程回歸模型和采用其他合成策略的多模型動(dòng)態(tài)高斯過程回歸模型進(jìn)行對(duì)比,結(jié)果表明所提方法具有很好的模型預(yù)測(cè)精度和泛化能力。
朱建忠[4]（2019）在《熱工過程的多變量擾動(dòng)抑制控制方法研究》文中研究指明我國(guó)電力正經(jīng)歷著從傳統(tǒng)能源向新能源的快速發(fā)展階段,電力結(jié)構(gòu)正不斷優(yōu)化。隨著可再生能源不斷接入電網(wǎng),火電廠肩負(fù)起深度調(diào)峰的重?fù)?dān)。而火電機(jī)組熱工過程呈現(xiàn)出的非線性、控制約束、多變量強(qiáng)耦合等特性,使得傳統(tǒng)控制系統(tǒng)在面對(duì)諸如燃料品質(zhì)波動(dòng)等不確定因素下難以獲得滿意效果。因而亟待設(shè)計(jì)出先進(jìn)的擾動(dòng)抑制控制策略,以提升火電機(jī)組的運(yùn)行靈活性。本文的主要內(nèi)容包括:1.針對(duì)熱工過程存在的多變量耦合特性及非最小相位環(huán)節(jié)問題,設(shè)計(jì)出了能夠補(bǔ)償解耦的擾動(dòng)抑制策略。在充分對(duì)模型分析的基礎(chǔ)上,設(shè)計(jì)出了能夠保留模型信息的解耦器,并通過泰勒公式將該解耦器展開,忽略高頻成分,得到易于工程實(shí)施的比例-積分形式的補(bǔ)償器。然后基于解耦模型的每一個(gè)通道提出了基于模型參考的自抗擾控制器,區(qū)別于傳統(tǒng)自抗擾控制器,該控制器的設(shè)計(jì)充分考慮了解耦模型的信息以便獲得更加優(yōu)異的擾動(dòng)抑制性能,并解決了輸出跟蹤問題。同時(shí)針對(duì)熱工過程的輸入約束,在該控制方案中設(shè)計(jì)了抗飽和補(bǔ)償器。設(shè)計(jì)過程中,對(duì)解耦效果以及控制器的魯棒性進(jìn)行了分析。2.針對(duì)熱工過程的多變量特性,引入多變量擾動(dòng)觀測(cè)器,實(shí)現(xiàn)了基于該觀測(cè)器的多變量非解耦的設(shè)定值跟蹤控制。面對(duì)系統(tǒng)的跟蹤問題,在對(duì)系統(tǒng)進(jìn)行二自由度分析的基礎(chǔ)上,提出了可以實(shí)現(xiàn)零靜差跟蹤的設(shè)定值濾波器。通過對(duì)系統(tǒng)的數(shù)學(xué)變換,巧妙地處理了系統(tǒng)存在的非嚴(yán)格真問題,從而將輸出擾動(dòng)等效到輸入擾動(dòng)中。由于執(zhí)行器約束的存在,引起輸入飽和問題的積分作用從觀測(cè)器中被揭示出來(lái),從而為設(shè)計(jì)防飽和補(bǔ)償器找到了理論根據(jù)。通過H∞理論設(shè)計(jì)了保證系統(tǒng)穩(wěn)定的防飽和補(bǔ)償器。3.基于機(jī)爐系統(tǒng)的非線性動(dòng)力分析,提出了具有擾動(dòng)抑制能力的預(yù)測(cè)控制系統(tǒng)。通過對(duì)機(jī)理建模獲取的Bell-Astrom機(jī)爐協(xié)調(diào)模型的非線性動(dòng)力學(xué)分析后,發(fā)現(xiàn)系統(tǒng)存在分叉和混沌現(xiàn)象,且該現(xiàn)象與擾動(dòng)項(xiàng)的選擇有關(guān),因而,擾動(dòng)模型的獲取是建立在非線性動(dòng)力學(xué)分析的基礎(chǔ)上而不是通過事先假設(shè)的方式。當(dāng)確定擾動(dòng)模型后,在多模型策略的支撐下,基于input-to-state stability穩(wěn)定理論設(shè)計(jì)出模糊魯棒預(yù)測(cè)控制器,為了更進(jìn)一步抑制系統(tǒng)出現(xiàn)的分叉和擾動(dòng),采用魯棒不變集技術(shù),將系統(tǒng)的穩(wěn)定極限環(huán)約束在最小的擾動(dòng)不變集中。為了減小計(jì)算量,采用雙模式預(yù)測(cè)控制策略實(shí)現(xiàn)了對(duì)機(jī)爐協(xié)調(diào)系統(tǒng)的全局控制。4.為了提升火電機(jī)組的運(yùn)行靈活性,熱工過程需能承受未知強(qiáng)擾動(dòng)的影響,同時(shí)為了應(yīng)對(duì)大范圍變工況運(yùn)行下的非線性以及執(zhí)行器約束,本文提出了具有增強(qiáng)魯棒性能的模糊預(yù)測(cè)控制策略。設(shè)計(jì)中引入了多變量模糊擾動(dòng)觀測(cè)器以及輔助控制器,通過擾動(dòng)觀測(cè)器對(duì)系統(tǒng)的集總擾動(dòng)進(jìn)行估計(jì)并前饋補(bǔ)償,產(chǎn)生的觀測(cè)誤差由輔助控制器進(jìn)行反饋補(bǔ)償,而系統(tǒng)的跟蹤性能由則通過預(yù)測(cè)控制器來(lái)實(shí)現(xiàn)。通過將觀測(cè)器和輔助控制融合設(shè)計(jì),得到了具有約束力的擾動(dòng)不變集以及用于預(yù)測(cè)控制的緊約束集。預(yù)測(cè)控制器的設(shè)計(jì)是在保證系統(tǒng)穩(wěn)定及滿足可回溯條件的前提下完成。在機(jī)爐協(xié)調(diào)系統(tǒng)上的仿真實(shí)驗(yàn)表明,該算法具有較強(qiáng)的擾動(dòng)抑制能力,快速的跟蹤能力。
喬?hào)|東[5]（2019）在《基于Laguerre函數(shù)模型的改進(jìn)型預(yù)測(cè)控制及應(yīng)用研究》文中認(rèn)為近年來(lái),隨著經(jīng)濟(jì)和科技的快速發(fā)展,國(guó)家和人民對(duì)于電力供應(yīng)的安全和穩(wěn)定要求日益提升,使得熱工過程控制愈加復(fù)雜,傳統(tǒng)控制方法難以取得理想的控制效果。研究先進(jìn)的控制策略,設(shè)計(jì)出滿足熱工過程控制的要求且性能優(yōu)良的控制系統(tǒng),將有助于提高熱工過程自動(dòng)化水平,也是熱工控制領(lǐng)域的重要部分。由于PID控制算法結(jié)構(gòu)直觀易懂、便于操作,得到了廣泛的應(yīng)用。然而現(xiàn)代熱力設(shè)備和熱工過程日趨大型化和復(fù)雜化,控制要求不斷提高,常規(guī)的線性PID控制策略難以滿足。分?jǐn)?shù)階PID在整數(shù)階PID的基礎(chǔ)上多引入兩個(gè)參數(shù),控制器更加靈活,更能滿足各種場(chǎng)合的控制要求。預(yù)測(cè)控制是上個(gè)世紀(jì)末出現(xiàn)的一類新型基于計(jì)算機(jī)平臺(tái)的控制策略,經(jīng)過20多年的理論研究和實(shí)踐證明,預(yù)測(cè)控制具有良好的跟蹤性、魯棒性和適應(yīng)性。如果將PID控制或者分?jǐn)?shù)階PID與預(yù)測(cè)控制相結(jié)合,研究出新型的控制算法并應(yīng)用到熱工控制中,將有助于改善熱工過程自動(dòng)化水平。本文先將循環(huán)流化床鍋爐床溫系統(tǒng)作為被控對(duì)象,分析了循環(huán)流化床鍋爐系統(tǒng)結(jié)構(gòu)及其床溫?cái)?shù)學(xué)模型。針對(duì)控制系統(tǒng)的要求,結(jié)合傳統(tǒng)PID和模型預(yù)測(cè)控制的優(yōu)點(diǎn),提出一種基于Laguerre函數(shù)模型的PID預(yù)測(cè)控制算法（LMPC-PID）。該控制策略以一種典型的預(yù)測(cè)控制為出發(fā)點(diǎn),采用對(duì)時(shí)延和結(jié)構(gòu)變化不敏感的Laguerre函數(shù)模型作為預(yù)測(cè)模型,利用帶遺忘因子的最小遞推二乘法在線辨識(shí)模型參數(shù),并進(jìn)一步將預(yù)測(cè)控制與PID控制控制相結(jié)合,將比例,積分和微分系數(shù)加入到滾動(dòng)優(yōu)化目標(biāo)中。通過MATLAB平臺(tái)進(jìn)行仿真分析,表明LMPC-PID控制方法具有優(yōu)良的控制品質(zhì);后又將滾動(dòng)優(yōu)化的性能指標(biāo)改成分?jǐn)?shù)階PID的結(jié)構(gòu)形式,提出了基于Laguerre函數(shù)模型的分?jǐn)?shù)階PID預(yù)測(cè)控制（LMPC-FOPID）策略,引入兩個(gè)參數(shù),增加了控制器的靈活性,結(jié)果更加接近預(yù)期的控制效果。最后繼續(xù)將其擴(kuò)展到多變量領(lǐng)域,提出一種基于Laguerre函數(shù)模型的多變量PID預(yù)測(cè)控制算法（MLMPC-PID）,以火電單元機(jī)組負(fù)荷系統(tǒng)模型為被控對(duì)象,通過實(shí)驗(yàn)仿真驗(yàn)證了該算法的有效性。
高耀巋[6]（2019）在《火電機(jī)組靈活運(yùn)行控制關(guān)鍵技術(shù)研究》文中認(rèn)為我國(guó)持續(xù)快速發(fā)展的新能源電力已遠(yuǎn)超出電網(wǎng)的承載能力,新能源電力的規(guī)?；{已成為我國(guó)電力系統(tǒng)面臨的主要問題,火電機(jī)組的靈活運(yùn)行是解決這一問題的重要途徑。傳統(tǒng)意義上,火電機(jī)組本身具有一定的靈活運(yùn)行能力,但在新能源電力系統(tǒng)的大環(huán)境下,面對(duì)現(xiàn)行電網(wǎng)的調(diào)度方式,其靈活運(yùn)行能力還遠(yuǎn)未達(dá)到實(shí)際需求。機(jī)組本體設(shè)備及輔助設(shè)備的設(shè)計(jì)與改造是提升火電機(jī)組靈活運(yùn)行能力的重要基礎(chǔ),運(yùn)行控制技術(shù)是深度挖掘火電機(jī)組靈活運(yùn)行能力,實(shí)現(xiàn)機(jī)組快速、深度變負(fù)荷的重要措施。本文研究的主要方向?yàn)榛痣姍C(jī)組的靈活運(yùn)行控制關(guān)鍵技術(shù),具體從制粉系統(tǒng)優(yōu)化控制、協(xié)調(diào)系統(tǒng)優(yōu)化控制、供熱機(jī)組熱電解耦控制以及供熱機(jī)組多能源協(xié)同控制等四個(gè)方面展開研究,主要內(nèi)容包括:1、適應(yīng)靈活運(yùn)行的制粉系統(tǒng)優(yōu)化控制?？紤]到制粉系統(tǒng)動(dòng)態(tài)特性是影響鍋爐響應(yīng)速率的重要因素,其典型的非線性、多變量、強(qiáng)耦合特性又是限制其快速響應(yīng)鍋爐指令的主要矛盾,為此本文從多變量解耦控制的全局出發(fā),首先在分析制粉系統(tǒng)的原理及特性的基礎(chǔ)上,基于質(zhì)量平衡和能量平衡,建立了制粉系統(tǒng)的非線性動(dòng)態(tài)模型,并利用實(shí)際歷史運(yùn)行數(shù)據(jù)完成了模型的辨識(shí)和驗(yàn)證;其次提出了一種以磨出口煤粉流量作為制粉系統(tǒng)出力控制的新方法,并以多變量預(yù)測(cè)控制算法為核心,融合磨出口煤粉流量預(yù)估補(bǔ)償控制和磨出口溫度定值節(jié)能最優(yōu)控制,構(gòu)建了制粉系統(tǒng)多變量?jī)?yōu)化控制方案,并驗(yàn)證了方案的有效性。最后在深入分析制粉系統(tǒng)動(dòng)態(tài)特性的基礎(chǔ)上,對(duì)經(jīng)典汽包爐模型進(jìn)行改進(jìn),并通過仿真驗(yàn)證表明一次風(fēng)流量動(dòng)態(tài)補(bǔ)償能夠提高協(xié)調(diào)控制系統(tǒng)的穩(wěn)定性。2、適應(yīng)靈活運(yùn)行的協(xié)調(diào)系統(tǒng)優(yōu)化控制。考慮到火電機(jī)組燃料量至主蒸汽壓力、中間點(diǎn)焓（直流爐）的響應(yīng)過程存在較大的遲延和慣性,常規(guī)的前饋+PID控制方式難以取得良好的控制性能,為了從根本上解決這類大遲延、大慣性系統(tǒng)的控制難題,本文以帶前饋的階梯式廣義預(yù)測(cè)控制算法為核心,并融合傳統(tǒng)的前饋控制和解耦控制理念,設(shè)計(jì)了火電機(jī)組協(xié)調(diào)系統(tǒng)優(yōu)化控制方案。以亞臨界汽包爐機(jī)組和超超臨界直流爐機(jī)組為例,從實(shí)際工程應(yīng)用出發(fā),在考慮機(jī)組動(dòng)態(tài)特性的基礎(chǔ)上,設(shè)計(jì)了各自的協(xié)調(diào)系統(tǒng)優(yōu)化控制方案。在實(shí)驗(yàn)室環(huán)境下驗(yàn)證了控制系統(tǒng)的有效性,研究成果已成功應(yīng)用于我國(guó)內(nèi)蒙古某電廠330MW汽包爐機(jī)組和福州某電廠660MW直流爐機(jī)組上,且已取得了良好的控制效果。3、適應(yīng)深度變負(fù)荷的供熱機(jī)組熱電解耦控制?？紤]到“以熱定電”是限制供熱機(jī)組深度變負(fù)荷能力的主要原因,“熱電解耦”是解決這一問題的重要途徑。為此本文在我國(guó)東北某電廠靈活性改造的基礎(chǔ)上,深入分析熱泵、兩級(jí)旁路以及儲(chǔ)熱罐等對(duì)機(jī)組熱電特性的影響,給出了供熱安全區(qū)的計(jì)算方法,并以此為依據(jù)分析了各輔助供熱方式下供熱機(jī)組的熱電解耦能力和深度調(diào)峰能力;然后基于質(zhì)量平衡和能量平衡,建立了各輔助供熱系統(tǒng)的非線性動(dòng)態(tài)模型,并根據(jù)該廠供熱原理將各系統(tǒng)串聯(lián)起來(lái),形成聯(lián)合供熱系統(tǒng)仿真模型;最后在所構(gòu)建模型的基礎(chǔ)上,提出一種深度熱電解耦控制系統(tǒng),完成了供熱機(jī)組常規(guī)、淺度、深度熱電解耦控制,提高了供熱機(jī)組的調(diào)峰能力。4、適應(yīng)快速變負(fù)荷的供熱機(jī)組多能源協(xié)同控制。考慮到供熱機(jī)組是一個(gè)集成鍋爐蓄能、熱網(wǎng)蓄能、儲(chǔ)熱罐蓄能等多種能源形式于一體的多能源轉(zhuǎn)換系統(tǒng),并且各蓄能之間存在一定的關(guān)聯(lián)和互補(bǔ)特性。為此本文在分析多能源系統(tǒng)特點(diǎn)及局限性的基礎(chǔ)上,提出了一種多能源協(xié)同控制全局優(yōu)化方案,該方案主要由多能源協(xié)同調(diào)度系統(tǒng)、分布式能源協(xié)同控制系統(tǒng)以及多能源在線評(píng)估系統(tǒng)構(gòu)成。然后詳細(xì)闡述了各系統(tǒng)的實(shí)現(xiàn)方法和主要任務(wù),其中多能源協(xié)同調(diào)度系統(tǒng)主要完成電負(fù)荷指令的處理和優(yōu)化分配;分布式能源協(xié)同控制系統(tǒng)主要完成各系統(tǒng)蓄能的協(xié)同控制;多能源在線評(píng)估系統(tǒng)主要完成各系統(tǒng)蓄能的在線評(píng)估。最后在聯(lián)合供熱系統(tǒng)仿真模型的基礎(chǔ)上,設(shè)計(jì)了多能源協(xié)同負(fù)荷控制系統(tǒng),驗(yàn)證表明該系統(tǒng)能夠有效協(xié)同各系統(tǒng)蓄能,在提升機(jī)組快速變負(fù)荷能力的同時(shí)保證了熱網(wǎng)供熱品質(zhì)。
韓四維[7]（2018）在《L1自適應(yīng)控制及其在熱工過程中的應(yīng)用研究》文中進(jìn)行了進(jìn)一步梳理在當(dāng)前新能源大量并入電網(wǎng)及煤電產(chǎn)能過剩的背景下,傳統(tǒng)火電機(jī)組持續(xù)低負(fù)荷運(yùn)行、頻繁變負(fù)荷及深度調(diào)峰正成為常態(tài),這對(duì)火電機(jī)組熱工過程控制系統(tǒng)的設(shè)計(jì)提出了新的要求?；痣姍C(jī)組熱工過程本質(zhì)上是存在高度不確定性的過程,其不確定性在機(jī)組變工況運(yùn)行時(shí)尤為突出,并呈現(xiàn)出非線性、純時(shí)滯、參數(shù)時(shí)變、變量約束等特性,這使得常規(guī)控制方法難以獲得滿意的效果。L1自適應(yīng)控制作為一種先進(jìn)的魯棒自適應(yīng)控制算法,對(duì)于不確定系統(tǒng)的控制問題具有性能優(yōu)良、魯棒性強(qiáng)等優(yōu)勢(shì),但其用于熱工過程的控制器設(shè)計(jì),仍存在方法及理論上的空白。本文針對(duì)熱工對(duì)象的特點(diǎn),對(duì)L1自適應(yīng)控制算法理論進(jìn)行了擴(kuò)展,并對(duì)其在熱工過程中的應(yīng)用進(jìn)行了研究,主要工作如下:1.將L1自適應(yīng)控制算法擴(kuò)展至多變量、輸出反饋的情形,分別針對(duì)具有微分同胚輸出映射與一般嚴(yán)真系統(tǒng)提出了適用于多變量輸出反饋系統(tǒng)的L1自適應(yīng)控制算法。對(duì)于具有微分同胚輸出映射的多變量系統(tǒng),利用微分幾何的相關(guān)結(jié)論,將輸出反饋控制問題轉(zhuǎn)化為等效的狀態(tài)反饋控制問題;對(duì)于一般嚴(yán)真的多變量系統(tǒng),首先設(shè)計(jì)輸出預(yù)測(cè)器及相應(yīng)的自適應(yīng)律對(duì)系統(tǒng)未知部分進(jìn)行動(dòng)態(tài)估計(jì),并在控制律中對(duì)被估計(jì)的未知?jiǎng)討B(tài)進(jìn)行補(bǔ)償,之后采用極點(diǎn)配置設(shè)計(jì)系統(tǒng)的閉環(huán)動(dòng)態(tài)性能。分別針對(duì)Bell-?str?m機(jī)組協(xié)調(diào)系統(tǒng)及300MW燃燒控制系統(tǒng)進(jìn)行了仿真實(shí)驗(yàn),證明了算法的有效性及優(yōu)越性。2.針對(duì)熱工過程中的純時(shí)滯帶不確定參數(shù)環(huán)節(jié),結(jié)合內(nèi)模原理提出了純時(shí)滯對(duì)象的L1自適應(yīng)控制算法。將對(duì)象的時(shí)滯信息加入L1自適應(yīng)控制狀態(tài)預(yù)測(cè)器中,以抵消純時(shí)滯對(duì)系統(tǒng)穩(wěn)定性的影響。分別針對(duì)一階慣性加純時(shí)滯及高階多變量純時(shí)滯對(duì)象,討論了純時(shí)滯條件下低通濾波器的設(shè)計(jì)方法。對(duì)于一階慣性加純時(shí)滯對(duì)象,給出了一種確定低通濾波器帶寬的解析設(shè)計(jì)方法,對(duì)于較為復(fù)雜的高階加純時(shí)滯對(duì)象,給出了一種搜索濾波器最低可行帶寬值的數(shù)值搜索方法。3.為將系統(tǒng)約束納入L1控制器的設(shè)計(jì)中,提出了將L1自適應(yīng)控制與滾動(dòng)時(shí)域優(yōu)化控制結(jié)合的控制器設(shè)計(jì)方法。在傳統(tǒng)L1自適應(yīng)控制設(shè)計(jì)的基礎(chǔ)上,利用L1自適應(yīng)控制中不確定補(bǔ)償部分與設(shè)定值跟蹤部分解耦的特點(diǎn),引入滾動(dòng)時(shí)域優(yōu)化的思想,將傳統(tǒng)L1自適應(yīng)控制中基于設(shè)定值前饋與靜態(tài)輸出反饋的跟蹤控制項(xiàng)替換為基于滾動(dòng)時(shí)域優(yōu)化、在線實(shí)時(shí)更新的優(yōu)化控制項(xiàng),通過調(diào)整合適的權(quán)重調(diào)整控制系統(tǒng)的性能與魯棒性。在過熱汽溫噴水減溫器大范圍參數(shù)變動(dòng)情形下的仿真實(shí)驗(yàn)驗(yàn)證了方法的有效性。4.進(jìn)一步將L1自適應(yīng)控制與經(jīng)濟(jì)性預(yù)測(cè)控制相結(jié)合,提出了一種用于超臨界火電機(jī)組機(jī)爐系統(tǒng)負(fù)荷跟蹤的經(jīng)濟(jì)性控制設(shè)計(jì)方案,首先采用L1自適應(yīng)控制器對(duì)系統(tǒng)中存在的不確定性進(jìn)行補(bǔ)償,使閉環(huán)系統(tǒng)的動(dòng)態(tài)有界逼近于給定的線性參考模型。之后采用線性參考模型設(shè)計(jì)以系統(tǒng)未來(lái)一段時(shí)間內(nèi)的經(jīng)濟(jì)性指標(biāo)為優(yōu)化目標(biāo)的線性經(jīng)濟(jì)性預(yù)測(cè)控制器,該算法面向熱工過程的經(jīng)濟(jì)性進(jìn)行設(shè)計(jì),同時(shí)兼顧了機(jī)爐系統(tǒng)的負(fù)荷跟蹤性能及運(yùn)行的經(jīng)濟(jì)性。
張婷[8]（2018）在《基于過程數(shù)據(jù)的熱工多變量系統(tǒng)建模與先進(jìn)控制研究》文中進(jìn)行了進(jìn)一步梳理熱工對(duì)象多是大慣性、非線性、耦合性非常強(qiáng)的復(fù)雜多變量系統(tǒng),多年來(lái),對(duì)熱工對(duì)象的建模和控制一直是研究的熱點(diǎn)?；诂F(xiàn)場(chǎng)數(shù)據(jù)的建模以及先進(jìn)控制更是具有非常重要的理論意義及實(shí)際價(jià)值。本文主要對(duì)熱工多變量系統(tǒng)基于現(xiàn)場(chǎng)數(shù)據(jù)的模型辨識(shí)方法以及先進(jìn)控制策略進(jìn)行研究。其中,模型辨識(shí)部分,針對(duì)熱工多變量系統(tǒng)的主要模型類型,研究了對(duì)輸入輸出模型的辨識(shí)方法和對(duì)狀態(tài)空間模型的辨識(shí)方法;先進(jìn)控制策略部分,考慮到工程實(shí)際存在的物理約束,主要對(duì)預(yù)測(cè)控制算法進(jìn)行了研究,對(duì)不同的被控對(duì)象和控制目標(biāo),設(shè)計(jì)不同的預(yù)測(cè)控制算法。最后,將這些辨識(shí)方法以及先進(jìn)控制策略應(yīng)用于火電機(jī)組協(xié)調(diào)系統(tǒng)和有機(jī)朗肯循環(huán)余熱利用系統(tǒng)中,對(duì)算法的可行性和有效性進(jìn)行了驗(yàn)證。本文的主要內(nèi)容主要有以下幾個(gè)方面:1.系統(tǒng)辨識(shí)的本質(zhì)是利用輸入輸出數(shù)據(jù)將模型參數(shù)估計(jì)問題轉(zhuǎn)化為優(yōu)化問題,提出一種基于精英選擇和反向搜索的分布估計(jì)算法作為系統(tǒng)辨識(shí)的優(yōu)化方法。該算法對(duì)目標(biāo)函數(shù)可行域的凸性以及目標(biāo)函數(shù)的連續(xù)性無(wú)要求,比傳統(tǒng)優(yōu)化方法適用性更強(qiáng),從選擇機(jī)制和搜索機(jī)制上對(duì)分布估計(jì)算法進(jìn)行了改進(jìn),精英選擇策略和反向搜索算子的加入,使得算法在兼顧種群多樣性的同時(shí)迭代導(dǎo)向性更強(qiáng),收斂到全局最優(yōu)解的速度更快。通過與其他分布估計(jì)算法和智能優(yōu)化算法在標(biāo)準(zhǔn)函數(shù)上的測(cè)試對(duì)比,表明改進(jìn)后的分布估計(jì)算法在同類智能優(yōu)化算法中具有出色的尋找到全局最優(yōu)解的能力和速度,為系統(tǒng)辨識(shí)算法的研究打下基礎(chǔ)。2.針對(duì)系統(tǒng)辨識(shí)的準(zhǔn)則問題,提出一種對(duì)非線性非高斯系統(tǒng)同樣具有普遍適用性的最小熵分布估計(jì)系統(tǒng)辨識(shí)方法。將最小誤差熵準(zhǔn)則作為系統(tǒng)辨識(shí)的準(zhǔn)則函數(shù),擴(kuò)展了對(duì)非線性非高斯系統(tǒng)辨識(shí)的適用性,基于精英選擇和反向搜索的分布估計(jì)算法,能夠以出色的速度和能力搜尋最優(yōu)參數(shù)估計(jì)值。通過對(duì)Benchmark非線性系統(tǒng)的辨識(shí),結(jié)果表明了該算法對(duì)于非線性系統(tǒng)的適用性。將該系統(tǒng)辨識(shí)算法應(yīng)用于基于現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù)的火電機(jī)組協(xié)調(diào)系統(tǒng)和基于階躍響應(yīng)實(shí)驗(yàn)的有機(jī)朗肯循環(huán)余熱利用系統(tǒng)的輸入輸出模型辨識(shí)中,仿真試驗(yàn)表明,該算法應(yīng)用于熱工系統(tǒng)辨識(shí)建模是可行和有效的。3.考慮到很多閉環(huán)子空間辨識(shí)算法應(yīng)用于實(shí)際大規(guī)模工業(yè)過程算法太過復(fù)雜,提出一種較為簡(jiǎn)便的基于新息估計(jì)的改進(jìn)閉環(huán)子空間辨識(shí)算法。在對(duì)矩陣結(jié)構(gòu)進(jìn)行分析的基礎(chǔ)上,規(guī)避了復(fù)雜的隨機(jī)實(shí)現(xiàn)和輔助變量的求取等過程,通過簡(jiǎn)單的矩陣行列元素的提取等運(yùn)算,獲得狀態(tài)空間模型的參數(shù)矩陣。將該算法應(yīng)用于基于現(xiàn)場(chǎng)閉環(huán)數(shù)據(jù)的火電機(jī)組協(xié)調(diào)系統(tǒng)狀態(tài)空間模型的辨識(shí)中,仿真試驗(yàn)表明了該方法對(duì)于熱工系統(tǒng)狀態(tài)空間模型辨識(shí)的可行性和有效性。4.針對(duì)工業(yè)控制系統(tǒng)由于模型失配或者被控對(duì)象特性在運(yùn)行過程中發(fā)生改變?cè)斐傻目刂菩阅芟陆祮栴},設(shè)計(jì)了基于數(shù)據(jù)驅(qū)動(dòng)的閉環(huán)子空間預(yù)測(cè)控制策略。將閉環(huán)子空間辨識(shí)算法與預(yù)測(cè)控制算法結(jié)合起來(lái),直接根據(jù)輸入輸出數(shù)據(jù)對(duì)系統(tǒng)未來(lái)輸出進(jìn)行預(yù)測(cè),避免了建模不準(zhǔn)確所造成誤差,提高了控制準(zhǔn)確性,且被控對(duì)象特性發(fā)生改變時(shí),能夠及時(shí)根據(jù)輸入輸出數(shù)據(jù)對(duì)控制器進(jìn)行調(diào)整,提高了系統(tǒng)的魯棒性。對(duì)火電機(jī)組協(xié)調(diào)系統(tǒng)的仿真試驗(yàn)表明,相較于基于模型的預(yù)測(cè)控制和傳統(tǒng)的PID控制,該算法能夠提高系統(tǒng)的設(shè)定值跟蹤性能和魯棒性能。5.針對(duì)熱工系統(tǒng)大范圍運(yùn)行工況問題,設(shè)計(jì)了基于辨識(shí)模型的多模型預(yù)測(cè)控制策略,并將其應(yīng)用于有機(jī)朗肯循環(huán)余熱利用系統(tǒng)。仿真試驗(yàn)表明,該控制策略能夠在保證輸入變量約束的基礎(chǔ)上,使得系統(tǒng)在大范圍工況運(yùn)行時(shí)具有良好的設(shè)定值跟蹤能力和抵抗擾動(dòng)的能力。
王伊明[9]（2016）在《模型參考自適應(yīng)控制的研究及其在熱工控制系統(tǒng)的應(yīng)用》文中研究指明我國(guó)的主力機(jī)組正向大容量和高參數(shù)的方向發(fā)展,對(duì)熱工控制系統(tǒng)有了更高的要求,需要更好的自動(dòng)化控制方法提高控制效果。本文詳細(xì)的分析了模型參考自適應(yīng)控制的研究現(xiàn)狀,可以看出,模型參考自適應(yīng)控制有很大的優(yōu)越性,且其本身仍然有很大的探索空間。因此,對(duì)模型參考自適應(yīng)控制進(jìn)行深入的研究有著重要的意義,可以預(yù)言,隨著模型參考自適應(yīng)控制理論研究的不斷深入和完善,其發(fā)展前景廣闊。本文主要在介紹和分析一階系統(tǒng)的模型參考自適應(yīng)控制的基礎(chǔ)上,研究了二階系統(tǒng)的模型參考自適應(yīng)控制,構(gòu)造了李雅普諾夫函數(shù)和自適應(yīng)律,證明了系統(tǒng)的穩(wěn)定性。參考模型通過期望極點(diǎn)法按設(shè)計(jì)者所期望的動(dòng)態(tài)特性設(shè)計(jì)傳遞函數(shù)的參數(shù)。然后對(duì)熱工控制系統(tǒng)進(jìn)行了分析,著重分析了熱工控制系統(tǒng)中的一個(gè)典型的二階系統(tǒng),即對(duì)汽包鍋爐水位系統(tǒng),采用二階系統(tǒng)的模型參考自適應(yīng)控制對(duì)水位控制進(jìn)行仿真實(shí)驗(yàn),并與傳統(tǒng)PID相比較。從仿真曲線中可以很明顯的看出,在模型參考自適應(yīng)控制下的系統(tǒng)響應(yīng)曲線具有更好的動(dòng)態(tài)性能,即使在被控對(duì)象參數(shù)發(fā)生很大變化的時(shí)候,模型參考自適應(yīng)控制系統(tǒng)仍然運(yùn)行良好,輸出曲線的動(dòng)態(tài)特性具有令人滿意的特性。
陳智軒[10]（2013）在《模型參考自適應(yīng)控制方法的研究及其在熱工過程控制中的應(yīng)用》文中研究說(shuō)明本文首先研究了一類有界干擾和未建模動(dòng)態(tài)影響下的直接模型參考自適應(yīng)控制算法?？紤]單輸入單輸出對(duì)象,給出Narendra提出的穩(wěn)定自適應(yīng)方案在具有未建模動(dòng)態(tài)下的誤差模型。重新選擇了一個(gè)李亞普諾夫函數(shù),根據(jù)李亞普諾夫穩(wěn)定性理論,采用啟發(fā)式的思路,推導(dǎo)出適合對(duì)象具有未建模動(dòng)態(tài)情況下的自適應(yīng)規(guī)律。將提出的模型參考自適應(yīng)控制方法應(yīng)用在大規(guī)模連續(xù)生產(chǎn)過程常見的重要設(shè)備,工業(yè)鍋爐和蒸發(fā)器的整體控制上。先進(jìn)控制算法比較復(fù)雜,計(jì)算代價(jià)比較大,要在一個(gè)采樣周期內(nèi)完成輸出量的計(jì)算,就不能采用太高的采樣速率。工業(yè)鍋爐和蒸發(fā)器都是多變量、強(qiáng)耦合、非線性、純滯后的復(fù)雜系統(tǒng),但是這類對(duì)象的參數(shù)變化往往相對(duì)緩慢,因此非常適合用來(lái)驗(yàn)證各類新型的先進(jìn)算法。本文的被控對(duì)象是高精度半實(shí)物仿真實(shí)驗(yàn)系統(tǒng)SMPT-100,以西門子PCS7系統(tǒng)和S7-400PLC組成控制系統(tǒng),完成了控制系統(tǒng)的組態(tài)。負(fù)荷變動(dòng)下的運(yùn)行情況顯示連續(xù)時(shí)間模型參考自適應(yīng)控制可以應(yīng)用計(jì)算機(jī)進(jìn)行閉環(huán)控制,熱量與工質(zhì)循環(huán)正常,燃燒穩(wěn)定。實(shí)驗(yàn)結(jié)果表明模型參考自適應(yīng)控制能滿足過程控制要求。將非線性反饋精確線性化方法和σ修正復(fù)合模型參考自適應(yīng)方法應(yīng)用于火力發(fā)電站單元機(jī)組的協(xié)調(diào)控制?？紤]了干擾和系統(tǒng)攝動(dòng),分析靜態(tài)精確反饋線性化解耦的魯棒性問題,提出利用控制器補(bǔ)償精確反饋線性化失效的影響。把耦合作為自適應(yīng)系統(tǒng)的干擾處理,設(shè)計(jì)了每個(gè)回路的σ修正復(fù)合模型參考自適應(yīng)控制器,闡述了根據(jù)匹配條件設(shè)計(jì)參考模型系統(tǒng)矩陣的方法。進(jìn)行了仿真和對(duì)比,表明在同樣基于反饋線性化的前提下,6修正復(fù)合模型參考自適應(yīng)方法優(yōu)于其它現(xiàn)有的方案。
二、分散自適應(yīng)控制及其在熱工控制中的應(yīng)用（論文開題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡(jiǎn)單簡(jiǎn)介論文所研究問題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁(yè)面大小,采用多級(jí)分層頁(yè)表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁(yè)表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過主支變革、控制研究對(duì)象來(lái)發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來(lái)獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來(lái)分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過創(chuàng)設(shè)一個(gè)與原型相似的模型來(lái)間接研究原型某種特性的一種形容方法。
三、分散自適應(yīng)控制及其在熱工控制中的應(yīng)用（論文提綱范文）
（1）火電機(jī)組熱工過程自抗擾控制的研究與應(yīng)用（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 研究背景和意義 |
| 1.2 研究進(jìn)展及現(xiàn)狀 |
| 1.2.1 熱工過程控制研究現(xiàn)狀 |
| 1.2.2 自抗擾控制理論的研究現(xiàn)狀 |
| 1.2.3 自抗擾控制理論的應(yīng)用現(xiàn)狀 |
| 1.3 目前存在的問題 |
| 1.4 本文研究?jī)?nèi)容和技術(shù)路線 |
| 第2章 廣義積分串聯(lián)型的相位分析 |
| 2.1 引言 |
| 2.2 自抗擾控制結(jié)構(gòu) |
| 2.2.1 被控系統(tǒng)描述 |
| 2.2.2 跟蹤微分器 |
| 2.2.3 擴(kuò)張狀態(tài)觀測(cè)器 |
| 2.2.4 狀態(tài)誤差反饋控制律 |
| 2.3 線性ESO的收斂性分析 |
| 2.4 廣義積分串聯(lián)型的相位分析 |
| 2.4.1 標(biāo)準(zhǔn)積分串聯(lián)型 |
| 2.4.2 無(wú)模型信息補(bǔ)償?shù)腅SO分析 |
| 2.4.3 帶模型信息補(bǔ)償?shù)腅SO分析 |
| 2.5 仿真研究 |
| 2.5.1 無(wú)模型信息補(bǔ)償?shù)腅SO |
| 2.5.2 帶模型信息補(bǔ)償?shù)腅SO |
| 2.6 本章小結(jié) |
| 第3章 基于擴(kuò)張狀態(tài)觀測(cè)器的模型參數(shù)智能辨識(shí) |
| 3.1 引言 |
| 3.2 零初始條件下的數(shù)據(jù)驅(qū)動(dòng)建模 |
| 3.2.1 連續(xù)系統(tǒng)的離散化 |
| 3.2.2 閉環(huán)擾動(dòng)數(shù)據(jù)辨識(shí)分析 |
| 3.3 零終止條件下的數(shù)據(jù)驅(qū)動(dòng)建模 |
| 3.4 基于ESO模型的參數(shù)智能辨識(shí)方法 |
| 3.4.1 熱工過程的ESO建模 |
| 3.4.2 ESO的離散化與條件穩(wěn)定 |
| 3.4.3 ESO參數(shù)的智能自尋優(yōu)辨識(shí) |
| 3.5 算例研究 |
| 3.5.1 零初始條件下的ESO參數(shù)辨識(shí) |
| 3.5.2 基于擾動(dòng)數(shù)據(jù)的ESO參數(shù)辨識(shí) |
| 3.5.3 多變量系統(tǒng)的ESO參數(shù)辨識(shí) |
| 3.6 本章小結(jié) |
| 第4章 基于相位補(bǔ)償?shù)慕惦A自抗擾控制設(shè)計(jì) |
| 4.1 引言 |
| 4.2 基于相位補(bǔ)償?shù)慕惦AADRC |
| 4.2.1 降階擴(kuò)張狀態(tài)觀測(cè)器 |
| 4.2.2 基于相位補(bǔ)償?shù)慕惦AADRC設(shè)計(jì) |
| 4.2.3 穩(wěn)定性分析 |
| 4.3 I_RADRC的二自由結(jié)構(gòu)分析 |
| 4.4 I_RADRC的參數(shù)整定與數(shù)值仿真 |
| 4.4.1 I_RADRC的參數(shù)對(duì)控制性能的影響 |
| 4.4.2 I_RADRC參數(shù)的整定步驟 |
| 4.4.3 數(shù)值仿真 |
| 4.5 多變量系統(tǒng)的分散式I_RADRC控制 |
| 4.5.1 分散式I_RADRC的解耦能力分析 |
| 4.5.2 算例研究 |
| 4.6 本章小結(jié) |
| 第5章 I_RADRC的工程應(yīng)用 |
| 5.1 引言 |
| 5.2 I_RADRC算法的工程化設(shè)計(jì) |
| 5.2.1 自動(dòng)跟蹤與無(wú)擾切換設(shè)計(jì) |
| 5.2.2 抗積分飽和方案 |
| 5.2.3 I_RADRC控制策略實(shí)現(xiàn) |
| 5.3 主汽溫系統(tǒng)的串級(jí)自抗擾控制 |
| 5.3.1 被控過程的描述 |
| 5.3.2 仿真平臺(tái)試驗(yàn) |
| 5.3.3 現(xiàn)場(chǎng)應(yīng)用 |
| 5.4 負(fù)荷系統(tǒng)的分散式自抗擾控制 |
| 5.4.1 被控過程描述 |
| 5.4.2 仿真平臺(tái)試驗(yàn) |
| 5.4.3 現(xiàn)場(chǎng)應(yīng)用 |
| 5.5 本章小結(jié) |
| 第6章 結(jié)論與展望 |
| 6.1 研究總結(jié) |
| 6.2 進(jìn)一步工作的建議與展望 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間發(fā)表的論文及其它成果 |
| 攻讀博士學(xué)位期間參加的科研工作 |
| 致謝 |
| 作者簡(jiǎn)介 |
（2）改進(jìn)型時(shí)間序列模型預(yù)測(cè)控制及其在熱工過程中的應(yīng)用（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題背景及研究意義 |
| 1.2 熱工過程常用控制策略簡(jiǎn)述 |
| 1.2.1 PID控制策略 |
| 1.2.2 預(yù)測(cè)控制策略 |
| 1.2.3 時(shí)間序列分析 |
| 1.3 本文主要研究?jī)?nèi)容及組織結(jié)構(gòu) |
| 第二章 預(yù)備知識(shí) |
| 2.1 PID及分?jǐn)?shù)階PID控制算法 |
| 2.1.1 PID控制算法 |
| 2.1.2 分?jǐn)?shù)階PID控制算法 |
| 2.2 預(yù)測(cè)控制 |
| 2.2.1 預(yù)測(cè)模型 |
| 2.2.2 反饋校正 |
| 2.2.3 滾動(dòng)優(yōu)化 |
| 2.3 Laguerre正交基及其函數(shù)模型 |
| 2.3.1 Laguerre正交基 |
| 2.3.2 線性系統(tǒng)Laguerre函數(shù)模型 |
| 2.4 離散時(shí)間序列模型 |
| 2.4.1 自回歸模型 |
| 2.4.2 滑動(dòng)平均模型 |
| 2.4.3 自回歸滑動(dòng)平均模型 |
| 2.4.4 ARX模型和ARMAX模型 |
| 2.5 本章小結(jié) |
| 第三章 改進(jìn)型多變量Laguerre函數(shù)模型預(yù)測(cè)控制及應(yīng)用 |
| 3.1 火電單元機(jī)組負(fù)荷控制系統(tǒng)流程及模型建立 |
| 3.1.1 火電單元機(jī)組工作流程 |
| 3.1.2 火電單元機(jī)組負(fù)荷控制數(shù)學(xué)模型 |
| 3.2 多變量Laguerre函數(shù)模型分?jǐn)?shù)階PID預(yù)測(cè)控制算法 |
| 3.2.1 MLMPC-FOPID算法推導(dǎo) |
| 3.2.2 仿真實(shí)驗(yàn) |
| 3.3 本章小結(jié) |
| 第四章 基于正交基優(yōu)化的ARX模型預(yù)測(cè)控制及應(yīng)用 |
| 4.1 過熱汽溫控制系統(tǒng)流程及模型建立 |
| 4.1.1 過熱汽溫控制流程 |
| 4.1.2 過熱汽溫控制數(shù)學(xué)模型 |
| 4.2 ARX-Laguerre模型PID預(yù)測(cè)控制算法 |
| 4.2.1 ARX-Laguerre模型 |
| 4.2.2 ALMPC-PID算法推導(dǎo) |
| 4.2.3 模型參數(shù)辨識(shí) |
| 4.2.4 穩(wěn)定性分析 |
| 4.2.5 仿真實(shí)驗(yàn) |
| 4.2.6 PID參數(shù)對(duì)算法性能的影響 |
| 4.3 ARX-Laguerre模型分?jǐn)?shù)階PID預(yù)測(cè)控制算法 |
| 4.3.1 ALMPC-FOPID算法推導(dǎo) |
| 4.3.2 仿真實(shí)驗(yàn) |
| 4.3.3 積分和微分階次對(duì)算法性能的影響 |
| 4.4 本章小結(jié) |
| 第五章 基于正交基優(yōu)化的ARMAX模型預(yù)測(cè)控制及應(yīng)用 |
| 5.1 循環(huán)流化床鍋爐主蒸汽壓力控制系統(tǒng)流程及模型建立 |
| 5.1.1 循環(huán)流化床鍋爐燃燒系統(tǒng) |
| 5.1.2 主蒸汽壓力控制數(shù)學(xué)模型 |
| 5.2 ARMAX-Laguerre模型PID預(yù)測(cè)控制算法 |
| 5.2.1 ARMAX-Laguerre模型 |
| 5.2.2 AMLMPC-PID算法推導(dǎo) |
| 5.3 基于差分進(jìn)化算法的參數(shù)尋優(yōu) |
| 5.3.1 差分進(jìn)化算法 |
| 5.3.2 AMLMPC-PID算法的參數(shù)尋優(yōu) |
| 5.4 仿真實(shí)驗(yàn) |
| 5.5 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 攻讀碩士學(xué)位期間完成的科研情況 |
（3）基于高斯過程回歸的熱工系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)建模研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 課題研究的背景及意義 |
| 1.2 熱工系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)建模方法研究現(xiàn)狀 |
| 1.2.1 統(tǒng)計(jì)建模方法 |
| 1.2.2 神經(jīng)網(wǎng)絡(luò)建模方法 |
| 1.2.3 模糊邏輯建模方法 |
| 1.2.4 混合建模方法 |
| 1.2.5 傳遞函數(shù)建模方法 |
| 1.3 熱工過程歷史運(yùn)行數(shù)據(jù)特性分析 |
| 1.4 高斯過程回歸的預(yù)備知識(shí) |
| 1.4.1 高斯過程回歸方法的研究現(xiàn)狀 |
| 1.4.2 高斯過程基本概念 |
| 1.4.3 高斯過程回歸 |
| 1.4.4 高斯模型的訓(xùn)練 |
| 1.5 本文主要研究?jī)?nèi)容和章節(jié)安排 |
| 第2章 熱工過程數(shù)據(jù)異常值處理方法研究 |
| 2.1 引言 |
| 2.2 異常值檢測(cè)及校正技術(shù) |
| 2.3 熱工過程歷史運(yùn)行數(shù)據(jù)異常值檢測(cè) |
| 2.3.1 經(jīng)驗(yàn)小波變換方法 |
| 2.3.2 局部離群因子算法 |
| 2.3.3 EWT-LOF異常值檢測(cè)方法 |
| 2.4 異常數(shù)據(jù)校正與缺失值補(bǔ)全 |
| 2.4.1 Nadaraya-Watson回歸 |
| 2.4.2 校正與補(bǔ)全方法 |
| 2.5 熱工過程數(shù)據(jù)實(shí)例 |
| 2.5.1 熱工過程數(shù)據(jù)異常值檢測(cè) |
| 2.5.2 熱工過程數(shù)據(jù)異常值校正與缺失值補(bǔ)全 |
| 2.6 本章小結(jié) |
| 第3章 熱工系統(tǒng)穩(wěn)態(tài)檢測(cè)方法研究 |
| 3.1 引言 |
| 3.1.1 穩(wěn)態(tài)工況的定義 |
| 3.1.2 現(xiàn)有穩(wěn)態(tài)檢測(cè)方法回顧 |
| 3.2 基于信號(hào)分解和R統(tǒng)計(jì)檢驗(yàn)法的穩(wěn)態(tài)檢測(cè)方法 |
| 3.2.1 R統(tǒng)計(jì)檢驗(yàn)法 |
| 3.2.2 穩(wěn)態(tài)檢測(cè)方法描述 |
| 3.2.3 仿真數(shù)據(jù)驗(yàn)證 |
| 3.3 熱工系統(tǒng)穩(wěn)態(tài)工況檢測(cè)實(shí)例 |
| 3.3.1 單變量穩(wěn)態(tài)檢測(cè) |
| 3.3.2 多變量系統(tǒng)穩(wěn)態(tài)檢測(cè) |
| 3.4 本章小結(jié) |
| 第4章 基于樣本稀疏化和特征變量選擇的GPR建模 |
| 4.1 引言 |
| 4.2 基于樣本稀疏化和特征變量選擇的GPR建模方法 |
| 4.2.1 基于相關(guān)系數(shù)的多測(cè)點(diǎn)數(shù)據(jù)融合 |
| 4.2.2 基于數(shù)據(jù)相似性和信息熵的樣本稀疏化方法 |
| 4.2.3 基于LARS的特征變量選擇 |
| 4.2.4 Pc-lars-s-GPR模型結(jié)構(gòu) |
| 4.3 煙氣含氧量的Pc-lars-s-GPR建模 |
| 4.3.1 建模數(shù)據(jù)準(zhǔn)備 |
| 4.3.2 樣本稀疏化與特征變量選擇 |
| 4.3.3 建模結(jié)果分析 |
| 4.4 本章小結(jié) |
| 第5章 考慮輸入時(shí)延的組合核函數(shù)動(dòng)態(tài)GPR建模 |
| 5.1 引言 |
| 5.2 動(dòng)態(tài)模型描述 |
| 5.3 考慮輸入時(shí)延的組合核函數(shù)動(dòng)態(tài)模型構(gòu)建 |
| 5.3.1 灰色關(guān)聯(lián)度分析 |
| 5.3.2 組合核函數(shù) |
| 5.3.3 GRA-CKDGPR模型結(jié)構(gòu) |
| 5.4 煙氣含氧量的GRA-CKDGPR建模 |
| 5.4.1 建模數(shù)據(jù)準(zhǔn)備 |
| 5.4.2 建模結(jié)果分析 |
| 5.5 本章小結(jié) |
| 第6章 基于自適應(yīng)模糊聚類的多模型動(dòng)態(tài)GPR建模 |
| 6.1 引言 |
| 6.1.1 多模型策略 |
| 6.1.2 數(shù)據(jù)劃分策略 |
| 6.1.3 模型合成策略 |
| 6.2 一種自適應(yīng)多目標(biāo)模糊聚類方法 |
| 6.2.1 算法基本原理 |
| 6.2.2 基于自適應(yīng)NSGA-II的動(dòng)態(tài)模糊聚類方法 |
| 6.2.3 算法流程及時(shí)間復(fù)雜度分析 |
| 6.2.4 聚類實(shí)例驗(yàn)證 |
| 6.3 基于多模型策略的動(dòng)態(tài)GPR建模方法 |
| 6.3.1 GPR動(dòng)態(tài)子模型構(gòu)建 |
| 6.3.2 子模型合成策略 |
| 6.3.3 基于自適應(yīng)模糊聚類的多模型動(dòng)態(tài)GPR模型結(jié)構(gòu) |
| 6.4 煙氣含氧量的多模型建模 |
| 6.4.1 建模數(shù)據(jù)準(zhǔn)備 |
| 6.4.2 建模結(jié)果分析 |
| 6.5 本章小結(jié) |
| 第7章 結(jié)論與展望 |
| 7.1 論文的主要工作和創(chuàng)新點(diǎn) |
| 7.2 后續(xù)工作展望 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間發(fā)表的論文及其它成果 |
| 攻讀博士學(xué)位期間參加的科研工作 |
| 致謝 |
| 作者簡(jiǎn)介 |
（4）熱工過程的多變量擾動(dòng)抑制控制方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 論文的研究背景及選題意義 |
| 1.2 擾動(dòng)抑制控制研究現(xiàn)狀 |
| 1.2.1 擾動(dòng)抑制補(bǔ)償方式 |
| 1.2.2 基于解耦的擾動(dòng)抑制控制 |
| 1.2.3 基于非解耦的多變量擾動(dòng)觀測(cè)器的控制策略 |
| 1.2.4 模型預(yù)測(cè)控制框架下的擾動(dòng)抑制 |
| 1.3 擾動(dòng)抑制控制方法在熱工過程控制中的應(yīng)用研究現(xiàn)狀 |
| 1.3.1 基于單一模型的熱工過程擾動(dòng)抑制控制 |
| 1.3.2 基于多模型的熱工過程擾動(dòng)抑制控制 |
| 1.4 存在的問題及本文研究工作 |
| 1.4.1 存在的問題 |
| 1.4.2 本文研究?jī)?nèi)容 |
| 第二章 基于熱工過程的解耦模型的擾動(dòng)抑制方法研究 |
| 2.1 引言 |
| 2.2 線性自抗擾控制 |
| 2.2.1 傳統(tǒng)線性自抗擾技術(shù) |
| 2.2.2 模型參考自抗擾控制技術(shù) |
| 2.3 基于機(jī)爐協(xié)調(diào)系統(tǒng)解耦模型的擾動(dòng)抑制控制方法研究 |
| 2.3.1 一種基于期望模型的解耦策略 |
| 2.3.2 基于解耦模型的自抗擾控制策略研究 |
| 2.3.3 所設(shè)計(jì)的控制器的魯棒性分析 |
| 2.4 基于機(jī)爐協(xié)調(diào)系統(tǒng)的解耦模型的擾動(dòng)抑制的仿真研究 |
| 2.4.1 控制器參數(shù)的確定以及魯棒性驗(yàn)證 |
| 2.4.2 機(jī)爐協(xié)調(diào)系統(tǒng)仿真實(shí)驗(yàn) |
| 2.5 本章小結(jié) |
| 第三章 機(jī)爐協(xié)調(diào)系統(tǒng)多變量擾動(dòng)抑制控制方法研究 |
| 3.1 引言 |
| 3.2 基于多變量擾動(dòng)觀測(cè)器的擾動(dòng)抑制方法 |
| 3.2.1 多變量擾動(dòng)觀測(cè)器方法的介紹 |
| 3.2.2 控制參數(shù)整定 |
| 3.2.3 改進(jìn)的多變量擾動(dòng)抑制策略 |
| 3.3 基于多變量擾動(dòng)觀測(cè)器的抗飽和跟蹤控制方法研究 |
| 3.3.1 系統(tǒng)總體設(shè)計(jì) |
| 3.3.2 基于多變量擾動(dòng)觀測(cè)器的跟蹤控制 |
| 3.3.3 基于擴(kuò)增狀態(tài)觀測(cè)器的Anti-windup控制策略研究 |
| 3.4 基于機(jī)爐系統(tǒng)的多變量擾動(dòng)觀測(cè)器的擾動(dòng)抑制控制仿真研究 |
| 3.4.1 實(shí)驗(yàn)一: 抗積分飽和補(bǔ)償測(cè)試 |
| 3.4.2 實(shí)驗(yàn)二: 擾動(dòng)抑制測(cè)試 |
| 3.5 本章小結(jié) |
| 第四章 具有擾動(dòng)抑制能力的機(jī)爐協(xié)調(diào)系統(tǒng)的非線性預(yù)測(cè)控制研究 |
| 4.1 引言 |
| 4.2 相關(guān)定義和引理 |
| 4.3 機(jī)爐協(xié)調(diào)系統(tǒng)的非線性動(dòng)力學(xué)分析 |
| 4.3.1 機(jī)爐協(xié)調(diào)系統(tǒng)的非線性數(shù)學(xué)模型 |
| 4.3.2 機(jī)爐協(xié)調(diào)系統(tǒng)非線性動(dòng)力學(xué)分析 |
| 4.3.3 擾動(dòng)特性的驗(yàn)證 |
| 4.4 擾動(dòng)抑制控制器設(shè)計(jì) |
| 4.4.1 機(jī)爐協(xié)調(diào)系統(tǒng)的T-S模糊模型 |
| 4.4.2 最小擾動(dòng)魯棒不變集 |
| 4.5 系統(tǒng)控制策略研究 |
| 4.5.1 模糊魯棒預(yù)測(cè)控制 |
| 4.5.2 雙模控制器策略 |
| 4.6 機(jī)爐協(xié)調(diào)系統(tǒng)的多模型預(yù)測(cè)控制仿真研究 |
| 4.6.1 參數(shù)設(shè)置及離線求解 |
| 4.6.2 仿真實(shí)驗(yàn) |
| 4.7 本章小結(jié) |
| 第五章 基于管道約束的多模型預(yù)測(cè)控制方法研究 |
| 5.1 引言 |
| 5.2 相關(guān)定義以及控制方案的結(jié)構(gòu) |
| 5.2.1 定義給出 |
| 5.2.2 研究模型 |
| 5.2.3 控制方案的結(jié)構(gòu) |
| 5.3 輔助控制器和離散模糊擾動(dòng)觀測(cè)器的綜合設(shè)計(jì) |
| 5.3.1 離散模糊DOB |
| 5.3.2 控制器參數(shù)綜合設(shè)計(jì) |
| 5.4 魯棒模糊預(yù)測(cè)控制 |
| 5.4.1 緊約束求解 |
| 5.4.2 Quasi-min-max FM PC |
| 5.4.3 跟蹤目標(biāo)值的極點(diǎn)說(shuō)明 |
| 5.5 仿真實(shí)驗(yàn) |
| 5.5.1 數(shù)值仿真案例 |
| 5.5.2 機(jī)爐協(xié)調(diào)系統(tǒng)的強(qiáng)魯棒的多模型預(yù)測(cè)控制仿真實(shí)驗(yàn) |
| 5.6 本章小結(jié) |
| 第六章 結(jié)束語(yǔ) |
| 6.1 論文主要工作 |
| 6.2 后續(xù)研究展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 作者簡(jiǎn)介 |
（5）基于Laguerre函數(shù)模型的改進(jìn)型預(yù)測(cè)控制及應(yīng)用研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題背景及研究意義 |
| 1.2 兩種典型熱工過程控制發(fā)展現(xiàn)狀 |
| 1.2.1 循環(huán)流化床鍋爐的控制策略發(fā)展現(xiàn)狀 |
| 1.2.2 火電單元機(jī)組負(fù)荷系統(tǒng)的控制策略發(fā)展現(xiàn)狀 |
| 1.3 PID控制和預(yù)測(cè)控制策略發(fā)展現(xiàn)狀 |
| 1.3.1 PID控制 |
| 1.3.2 預(yù)測(cè)控制 |
| 1.4 本文主要研究?jī)?nèi)容及組織結(jié)構(gòu) |
| 第二章 Laguerre函數(shù)模型及預(yù)測(cè)控制 |
| 2.1 Laguerre函數(shù)模型 |
| 2.1.1 Laguerre函數(shù) |
| 2.1.2 線性系統(tǒng)的Laguerre函數(shù)模型 |
| 2.2 預(yù)測(cè)控制 |
| 2.3 本章小結(jié) |
| 第三章 基于Laguerre函數(shù)模型的PID及分?jǐn)?shù)階PID預(yù)測(cè)控制 |
| 3.1 循環(huán)流化床鍋爐介紹及床溫模型的建立 |
| 3.1.1 CFB鍋爐工作原理 |
| 3.1.2 CFB鍋爐床溫?cái)?shù)學(xué)模型 |
| 3.2 PID控制 |
| 3.2.1 位置式PID控制算法 |
| 3.2.2 增量式PID控制算法 |
| 3.3 基于Laguerre函數(shù)模型的PID預(yù)測(cè)控制 |
| 3.3.1 基于Laguerre函數(shù)模型的預(yù)測(cè)控制 |
| 3.3.2 控制器設(shè)計(jì) |
| 3.3.3 模型參數(shù)辨識(shí) |
| 3.3.4 穩(wěn)定性分析 |
| 3.3.5 仿真分析 |
| 3.4 基于Laguerre函數(shù)模型的分?jǐn)?shù)階PID預(yù)測(cè)控制 |
| 3.4.1 分?jǐn)?shù)階PID控制 |
| 3.4.2 控制器設(shè)計(jì) |
| 3.4.3 仿真實(shí)驗(yàn) |
| 3.5 本章小結(jié) |
| 第四章 基于Laguerre函數(shù)模型的多變量PID預(yù)測(cè)控制 |
| 4.1 火電單元機(jī)組負(fù)荷系統(tǒng) |
| 4.2 控制算法設(shè)計(jì) |
| 4.2.1 控制量推導(dǎo) |
| 4.2.2 模型辨識(shí) |
| 4.3 仿真分析 |
| 4.4 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 攻讀碩士學(xué)位期間完成的科研情況 |
（6）火電機(jī)組靈活運(yùn)行控制關(guān)鍵技術(shù)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景與意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 制粉系統(tǒng)優(yōu)化控制研究現(xiàn)狀 |
| 1.2.2 協(xié)調(diào)系統(tǒng)優(yōu)化控制研究現(xiàn)狀 |
| 1.2.3 供熱機(jī)組熱電解耦研究現(xiàn)狀 |
| 1.2.4 供熱機(jī)組蓄能利用研究現(xiàn)狀 |
| 1.3 論文研究?jī)?nèi)容 |
| 第2章 適應(yīng)靈活運(yùn)行的制粉系統(tǒng)優(yōu)化控制 |
| 2.1 制粉系統(tǒng)工作原理及特性 |
| 2.2 制粉系統(tǒng)非線性動(dòng)態(tài)模型 |
| 2.2.1 一次風(fēng)非線性動(dòng)態(tài)方程 |
| 2.2.2 磨煤機(jī)非線性動(dòng)態(tài)方程 |
| 2.2.3 模型參數(shù)辨識(shí)及驗(yàn)證 |
| 2.3 制粉系統(tǒng)多變量?jī)?yōu)化控制 |
| 2.3.1 階梯式多變量廣義預(yù)測(cè)控制 |
| 2.3.2 基于多變量預(yù)測(cè)控制的制粉系統(tǒng)優(yōu)化控制 |
| 2.3.3 控制系統(tǒng)仿真及驗(yàn)證 |
| 2.4 制粉系統(tǒng)存粉深度利用控制 |
| 2.4.1 改進(jìn)的制粉系統(tǒng)最簡(jiǎn)模型 |
| 2.4.2 一次風(fēng)流量動(dòng)態(tài)補(bǔ)償控制 |
| 2.4.3 控制系統(tǒng)仿真及驗(yàn)證 |
| 2.5 本章小結(jié) |
| 第3章 適應(yīng)靈活運(yùn)行的協(xié)調(diào)系統(tǒng)優(yōu)化控制 |
| 3.1 階梯式廣義預(yù)測(cè)控制算法研究 |
| 3.1.1 預(yù)測(cè)控制與階梯式控制的基本原理 |
| 3.1.2 階梯式廣義預(yù)測(cè)控制算法 |
| 3.1.3 控制器跟蹤與無(wú)擾切換 |
| 3.2 汽包爐機(jī)組協(xié)調(diào)系統(tǒng)優(yōu)化控制 |
| 3.2.1 汽包爐機(jī)組動(dòng)態(tài)特性分析 |
| 3.2.2 汽包爐機(jī)組協(xié)調(diào)優(yōu)化控制 |
| 3.2.3 控制系統(tǒng)仿真驗(yàn)證 |
| 3.2.4 330MW級(jí)汽包爐機(jī)組控制驗(yàn)證 |
| 3.3 直流爐機(jī)組協(xié)調(diào)系統(tǒng)優(yōu)化控制 |
| 3.3.1 直流爐機(jī)組動(dòng)態(tài)特性分析 |
| 3.3.2 直流爐機(jī)組協(xié)調(diào)優(yōu)化控制 |
| 3.3.3 控制系統(tǒng)仿真驗(yàn)證 |
| 3.3.4 660MW級(jí)直流爐機(jī)組控制驗(yàn)證 |
| 3.4 本章小結(jié) |
| 第4章 適應(yīng)深度變負(fù)荷的供熱機(jī)組熱電解耦控制 |
| 4.1 抽汽供熱基本原理及特性分析 |
| 4.1.1 抽汽式供熱基本原理 |
| 4.1.2 抽汽式供熱安全區(qū)計(jì)算 |
| 4.2 吸收式熱泵輔助供熱模型研究 |
| 4.2.1 基本原理及特性分析 |
| 4.2.2 水和溴化鋰溶液物性特性 |
| 4.2.3 吸收式熱泵動(dòng)態(tài)模型 |
| 4.3 含兩級(jí)旁路供熱機(jī)組模型研究 |
| 4.3.1 基本原理及特性分析 |
| 4.3.2 含兩級(jí)旁路供熱機(jī)組動(dòng)態(tài)模型 |
| 4.4 儲(chǔ)熱罐輔助供熱模型研究 |
| 4.4.1 基本原理及特性分析 |
| 4.4.2 儲(chǔ)熱罐動(dòng)態(tài)模型 |
| 4.5 熱網(wǎng)系統(tǒng)計(jì)算模型研究 |
| 4.5.1 熱網(wǎng)熱負(fù)荷計(jì)算模型 |
| 4.5.2 供回水溫度計(jì)算模型 |
| 4.6 聯(lián)合供熱系統(tǒng)仿真模型 |
| 4.6.1 聯(lián)合供熱基本原理 |
| 4.6.2 聯(lián)合供熱仿真模型 |
| 4.7 深度熱電解耦控制系統(tǒng) |
| 4.7.1 控制系統(tǒng)設(shè)計(jì) |
| 4.7.2 控制系統(tǒng)仿真及驗(yàn)證 |
| 4.8 本章小結(jié) |
| 第5章 適應(yīng)快速變負(fù)荷的供熱機(jī)組多能源協(xié)同控制 |
| 5.1 多能源協(xié)同控制全局優(yōu)化方案 |
| 5.1.1 多能源系統(tǒng)特點(diǎn)及局限性 |
| 5.1.2 多能源協(xié)同控制全局優(yōu)化方案 |
| 5.2 多能源協(xié)同調(diào)度系統(tǒng) |
| 5.2.1 信號(hào)多尺度分解方法 |
| 5.2.2 控制系統(tǒng)性能評(píng)價(jià)指標(biāo) |
| 5.2.3 負(fù)荷指令處理和優(yōu)化分配 |
| 5.3 分布式能源協(xié)同控制系統(tǒng) |
| 5.3.1 鍋爐蓄能協(xié)同控制系統(tǒng) |
| 5.3.2 熱網(wǎng)蓄能協(xié)同控制系統(tǒng) |
| 5.3.3 儲(chǔ)熱罐蓄能協(xié)同控制系統(tǒng) |
| 5.4 多能源在線評(píng)估系統(tǒng) |
| 5.4.1 熱網(wǎng)蓄能評(píng)估 |
| 5.4.2 儲(chǔ)熱罐蓄能評(píng)估 |
| 5.5 多能源協(xié)同負(fù)荷控制系統(tǒng) |
| 5.5.1 控制系統(tǒng)設(shè)計(jì) |
| 5.5.2 控制系統(tǒng)仿真及驗(yàn)證 |
| 5.6 本章小結(jié) |
| 第6章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間發(fā)表的論文及其它成果 |
| 攻讀博士學(xué)位期間參加的科研工作 |
| 致謝 |
| 作者簡(jiǎn)介 |
（7）L1自適應(yīng)控制及其在熱工過程中的應(yīng)用研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 論文的研究背景及選題意義 |
| 1.2 熱工過程的幾個(gè)典型動(dòng)態(tài)模型及其數(shù)學(xué)特征 |
| 1.2.1 換熱器模型 |
| 1.2.2 鍋爐燃燒系統(tǒng) |
| 1.2.3 亞臨界機(jī)爐協(xié)調(diào)模型 |
| 1.2.4 超臨界機(jī)爐協(xié)調(diào)模型 |
| 1.3 魯棒自適應(yīng)控制與L_1自適應(yīng)控制 |
| 1.3.1 自適應(yīng)控制的發(fā)展歷史 |
| 1.3.2 L_1自適應(yīng)控制 |
| 1.3.3 L_1自適應(yīng)控制的發(fā)展現(xiàn)狀 |
| 1.4 熱工過程自適應(yīng)控制現(xiàn)狀 |
| 1.4.1 直接在線整定控制器參數(shù)的自適應(yīng)控制 |
| 1.4.2 在線實(shí)時(shí)更新模型的自適應(yīng)控制 |
| 1.5 目前存在的問題及本文研究工作 |
| 第二章 基于輸出反饋的多變量L_1自適應(yīng)控制研究 |
| 2.1 引言 |
| 2.2 具有微分同胚輸出映射系統(tǒng)的輸出反饋L_1自適應(yīng)控制 |
| 2.2.1 多變量輸出反饋L_1自適應(yīng)控制模型 |
| 2.2.2 L_1自適應(yīng)控制器 |
| 2.2.3 參數(shù)搜索邊界的確定 |
| 2.2.4 采用閥門反饋信號(hào)處理積分飽和 |
| 2.2.5 L_1自適應(yīng)控制器性能分析 |
| 2.3 基于嚴(yán)格正實(shí)（SPR）動(dòng)態(tài)補(bǔ)償?shù)妮敵龇答丩_1自適應(yīng)控制 |
| 2.3.1 一般系統(tǒng)的SPR動(dòng)態(tài)補(bǔ)償 |
| 2.3.2 L_1自適應(yīng)控制器設(shè)計(jì) |
| 2.3.3 L_1自適應(yīng)控制性能分析 |
| 2.4 多變量輸出反饋L_1自適應(yīng)控制的一般步驟 |
| 2.5 仿真實(shí)驗(yàn) |
| 2.5.1 基于輸出反饋的Bell-?str?m鍋爐-汽輪機(jī)系統(tǒng)L_1自適應(yīng)控制仿真研究 |
| 2.5.2 300MW單元機(jī)組的燃燒控制仿真研究 |
| 2.6 本章小結(jié) |
| 第三章 純時(shí)滯對(duì)象L_1自適應(yīng)控制研究 |
| 3.1 引言 |
| 3.2 純時(shí)滯對(duì)象L_1自適應(yīng)控制的設(shè)計(jì)及性能分析 |
| 3.2.1 純時(shí)滯對(duì)象L_1自適應(yīng)控制的基本框架 |
| 3.2.2 純時(shí)滯對(duì)象L_1自適應(yīng)控制的設(shè)計(jì) |
| 3.2.3 純時(shí)滯對(duì)象L_1自適應(yīng)控制的性能分析 |
| 3.3 純時(shí)滯對(duì)象L_1自適應(yīng)控制的濾波器設(shè)計(jì) |
| 3.3.1 一階慣性純時(shí)滯對(duì)象的低通濾波器設(shè)計(jì) |
| 3.3.2 高階慣性純時(shí)滯對(duì)象的低通濾波器參數(shù)數(shù)值搜索法 |
| 3.4 純時(shí)滯對(duì)象的L_1自適應(yīng)控制仿真研究 |
| 3.4.1 一階慣性純時(shí)滯對(duì)象 |
| 3.4.2 高階慣性純時(shí)滯對(duì)象 |
| 3.5 本章小結(jié) |
| 第四章 融合滾動(dòng)時(shí)域優(yōu)化控制思想的約束L_1自適應(yīng)控制 |
| 4.1 引言 |
| 4.2 預(yù)測(cè)控制與L_1自適應(yīng)控制融合算法 |
| 4.2.1 控制問題的分解 |
| 4.2.2 融合滾動(dòng)時(shí)域優(yōu)化思想的L_1自適應(yīng)控制基本框架 |
| 4.2.3 針對(duì)系統(tǒng)不確定性的L_1自適應(yīng)補(bǔ)償部分 |
| 4.2.4 滾動(dòng)時(shí)域優(yōu)化 |
| 4.2.5 系統(tǒng)的穩(wěn)定性討論 |
| 4.3 仿真實(shí)驗(yàn) |
| 4.4 本章小結(jié) |
| 第五章 超臨界機(jī)爐協(xié)調(diào)系統(tǒng)L_1自適應(yīng)-經(jīng)濟(jì)性預(yù)測(cè)融合控制 |
| 5.1 引言 |
| 5.2 超臨界機(jī)爐協(xié)調(diào)系統(tǒng)介紹 |
| 5.3 L_1自適應(yīng)-經(jīng)濟(jì)性預(yù)測(cè)融合控制算法 |
| 5.3.1 控制器基本框架 |
| 5.3.2 L_1控制器的設(shè)計(jì) |
| 5.3.3 基于實(shí)際經(jīng)濟(jì)性需求的經(jīng)濟(jì)性預(yù)測(cè)控制 |
| 5.4 1000MW超超臨界機(jī)爐協(xié)調(diào)系統(tǒng)仿真實(shí)驗(yàn) |
| 5.4.1 被控對(duì)象及優(yōu)化指標(biāo)的線性化擬合 |
| 5.4.2 跟蹤控制仿真實(shí)驗(yàn) |
| 5.4.3 抗擾仿真實(shí)驗(yàn) |
| 5.5 本章小結(jié) |
| 第六章 結(jié)束語(yǔ) |
| 6.1 論文主要工作 |
| 6.2 后續(xù)研究展望 |
| 參考文獻(xiàn) |
| 附錄 本文涉及的若干定義及引理 |
| 致謝 |
| 作者簡(jiǎn)介 |
（8）基于過程數(shù)據(jù)的熱工多變量系統(tǒng)建模與先進(jìn)控制研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 課題研究背景及意義 |
| 1.2 多變量系統(tǒng)模型辨識(shí) |
| 1.2.1 多變量系統(tǒng)模型 |
| 1.2.2 輸入輸出模型辨識(shí) |
| 1.2.3 子空間模型辨識(shí) |
| 1.3 先進(jìn)控制研究 |
| 1.3.1 先進(jìn)控制技術(shù) |
| 1.3.2 預(yù)測(cè)控制 |
| 1.3.3 預(yù)測(cè)控制在熱工系統(tǒng)中的應(yīng)用 |
| 1.4 本論文的主要研究?jī)?nèi)容 |
| 第2章 基于精英選擇和反向搜索的改進(jìn)分布估計(jì)算法 |
| 2.1 引言 |
| 2.2 基本分布估計(jì)算法 |
| 2.3 改進(jìn)分布估計(jì)算法 |
| 2.3.1 精英選擇 |
| 2.3.2 二次反向搜索 |
| 2.3.3 結(jié)合精英選擇和二次反向搜索的改進(jìn)EDA算法 |
| 2.4 數(shù)值算例 |
| 2.4.1 與其他分布估計(jì)算法的對(duì)比 |
| 2.4.2 與其他智能優(yōu)化算法的對(duì)比 |
| 2.5 本章小結(jié) |
| 第3章 基于最小熵分布估計(jì)算法辨識(shí)的熱工多變量系統(tǒng)建模 |
| 3.1 引言 |
| 3.2 最小熵分布估計(jì)算法系統(tǒng)辨識(shí) |
| 3.2.1 最小誤差熵準(zhǔn)則 |
| 3.2.2 最小熵分布估計(jì)算法系統(tǒng)辨識(shí) |
| 3.3 數(shù)值算例 |
| 3.3.1 對(duì)比試驗(yàn)一 |
| 3.3.2 對(duì)比試驗(yàn)二 |
| 3.4 熱工多變量系統(tǒng)建模應(yīng)用 |
| 3.4.1 火電機(jī)組協(xié)調(diào)系統(tǒng)辨識(shí)建模 |
| 3.4.2 有機(jī)朗肯循環(huán)余熱利用系統(tǒng)辨識(shí)建模 |
| 3.5 本章小結(jié) |
| 第4章 改進(jìn)閉環(huán)子空間辨識(shí)算法及其在熱工系統(tǒng)建模中的應(yīng)用 |
| 4.1 引言 |
| 4.2 基本開環(huán)子空間辨識(shí)算法 |
| 4.3 基于新息估計(jì)的改進(jìn)閉環(huán)子空間辨識(shí)算法 |
| 4.3.1 閉環(huán)辨識(shí)問題 |
| 4.3.2 算法描述 |
| 4.4 火電機(jī)組協(xié)調(diào)系統(tǒng)建模 |
| 4.4.1 模型建立 |
| 4.4.2 模型驗(yàn)證 |
| 4.5 本章小結(jié) |
| 第5章 改進(jìn)預(yù)測(cè)控制算法及其在熱工系統(tǒng)中的應(yīng)用 |
| 5.1 引言 |
| 5.2 預(yù)測(cè)控制的基本思想 |
| 5.3 基于子空間的數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)控制及其在協(xié)調(diào)系統(tǒng)中的應(yīng)用 |
| 5.3.1 閉環(huán)子空間數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)控制 |
| 5.3.2 閉環(huán)子空間數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)控制在協(xié)調(diào)系統(tǒng)中的應(yīng)用 |
| 5.4 基于辨識(shí)模型的多模型預(yù)測(cè)控制及其在ORC系統(tǒng)中的應(yīng)用 |
| 5.4.1 ORC余熱發(fā)電系統(tǒng)的運(yùn)行方式和控制目標(biāo) |
| 5.4.2 ORC余熱發(fā)電系統(tǒng)的多模型預(yù)測(cè)控制器設(shè)計(jì) |
| 5.4.3 ORC余熱發(fā)電系統(tǒng)的多模型預(yù)測(cè)控制應(yīng)用 |
| 5.5 本章小結(jié) |
| 本章附錄: ORC系統(tǒng)局部子模型 |
| 第6章 結(jié)論與展望 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間發(fā)表的論文及其它成果 |
| 攻讀博士學(xué)位期間參加的科研工作 |
| 致謝 |
| 作者簡(jiǎn)介 |
（9）模型參考自適應(yīng)控制的研究及其在熱工控制系統(tǒng)的應(yīng)用（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 引言 |
| 1.2 自適應(yīng)控制的概述 |
| 1.2.1 自適應(yīng)控制系統(tǒng)的分類 |
| 1.2.2 自適應(yīng)控制的發(fā)展概況與研究現(xiàn)狀 |
| 1.3 模型參考自適應(yīng)控制的研究現(xiàn)狀與發(fā)展 |
| 1.4 本文的主要工作 |
| 第2章 模型參考自適應(yīng)控制的研究 |
| 2.1 模型參考自適應(yīng)控制原理 |
| 2.2 一階系統(tǒng)模型參考自適應(yīng)控制 |
| 2.2.1 一階系統(tǒng)的模型參考自適應(yīng)控制律 |
| 2.2.2 穩(wěn)定性分析 |
| 2.3 二階系統(tǒng)模型參考自適應(yīng)控制分析 |
| 2.3.1 參考模型的選取 |
| 2.3.2 二階系統(tǒng)模型參考自適應(yīng)控制律 |
| 2.3.3 穩(wěn)定性分析 |
| 2.4 本章小結(jié) |
| 第3章 模型參考自適應(yīng)控制在水位控制系統(tǒng)的應(yīng)用 |
| 3.1 引言 |
| 3.2 汽包鍋爐水位自動(dòng)控制系統(tǒng) |
| 3.2.1 水位控制的任務(wù) |
| 3.2.2 水位控制對(duì)象的動(dòng)態(tài)特性 |
| 3.2.3 三沖量汽包水位的模型參考自適應(yīng)控制 |
| 3.3 仿真實(shí)驗(yàn)及分析 |
| 3.3.1 仿真實(shí)驗(yàn) |
| 3.3.2 模型參考自適應(yīng)控制與傳統(tǒng)PID控制仿真結(jié)果比較 |
| 3.4 本章小結(jié) |
| 第4章 結(jié)論與展望 |
| 4.1 本文總結(jié) |
| 4.2 研究展望 |
| 參考文獻(xiàn) |
| 致謝 |
（10）模型參考自適應(yīng)控制方法的研究及其在熱工過程控制中的應(yīng)用（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 課題的研究背景及意義 |
| 1.2 模型參考自適應(yīng)綜述 |
| 1.3 鍋爐控制方法綜述 |
| 1.4 蒸發(fā)器控制問題綜述 |
| 1.5 本文的內(nèi)容安排 |
| 第二章 模型參考自適應(yīng)改進(jìn)穩(wěn)定性的研究 |
| 2.1 引言 |
| 2.2 模型參考自適應(yīng)控制原理 |
| 2.2.1 局部參數(shù)優(yōu)化設(shè)計(jì)模型參考自適應(yīng)系統(tǒng) |
| 2.2.2 李亞普諾夫穩(wěn)定性理論設(shè)計(jì)模型參考自適應(yīng)系統(tǒng) |
| 2.3 穩(wěn)定自適應(yīng)控制方案的結(jié)構(gòu) |
| 2.4 自適應(yīng)律的修正 |
| 2.5 仿真分析 |
| 2.6 本章小結(jié) |
| 第三章 鍋爐系統(tǒng)的自適應(yīng)控制實(shí)驗(yàn) |
| 3.1 引言 |
| 3.2 工業(yè)鍋爐和控制回路方案 |
| 3.3 模型參考自適應(yīng)控制器在PLC上的實(shí)現(xiàn) |
| 3.3.1 PLC編程語(yǔ)言簡(jiǎn)介 |
| 3.3.2 模型參考自適應(yīng)控制的SCL語(yǔ)言編程 |
| 3.4 基于SIEMENS PCS7的控制系統(tǒng)的構(gòu)成 |
| 3.5 控制效果 |
| 3.6 本章小結(jié) |
| 第四章 蒸發(fā)器系統(tǒng)的自適應(yīng)控制實(shí)驗(yàn) |
| 4.1 引言 |
| 4.2 單效蒸發(fā)器和控制方案 |
| 4.3 基于SIEMENS PCS7的控制系統(tǒng)結(jié)構(gòu) |
| 4.4 控制系統(tǒng)運(yùn)行結(jié)果 |
| 4.5 本章小結(jié) |
| 第五章 單元機(jī)組的非線性自適應(yīng)控制 |
| 5.1 引言 |
| 5.2 汽包鍋爐渦輪機(jī)系統(tǒng)模型及其精確線性化解耦 |
| 5.3 靜態(tài)狀態(tài)反饋線性化的魯棒性和抗干擾能力 |
| 5.4 校正復(fù)合模型參考自適應(yīng)控制策略 |
| 5.4.1 控制方案 |
| 5.4.2 濾波器設(shè)計(jì) |
| 5.4.3 復(fù)合自適應(yīng)律 |
| 5.4.4 σ校正復(fù)合模型參考自適應(yīng)律 |
| 5.5 汽包鍋爐渦輪機(jī)系統(tǒng)控制器設(shè)計(jì) |
| 5.6 仿真驗(yàn)證 |
| 5.7 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 致謝 |
| 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文 |
四、分散自適應(yīng)控制及其在熱工控制中的應(yīng)用（論文參考文獻(xiàn)）
- [1]火電機(jī)組熱工過程自抗擾控制的研究與應(yīng)用[D]. 孫明. 華北電力大學(xué)(北京), 2021(01)
- [2]改進(jìn)型時(shí)間序列模型預(yù)測(cè)控制及其在熱工過程中的應(yīng)用[D]. 張鵬程. 南京信息工程大學(xué), 2020(02)
- [3]基于高斯過程回歸的熱工系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)建模研究[D]. 賈昊. 華北電力大學(xué)(北京), 2020(06)
- [4]熱工過程的多變量擾動(dòng)抑制控制方法研究[D]. 朱建忠. 東南大學(xué), 2019(01)
- [5]基于Laguerre函數(shù)模型的改進(jìn)型預(yù)測(cè)控制及應(yīng)用研究[D]. 喬?hào)|東. 南京信息工程大學(xué), 2019(03)
- [6]火電機(jī)組靈活運(yùn)行控制關(guān)鍵技術(shù)研究[D]. 高耀巋. 華北電力大學(xué)(北京), 2019(01)
- [7]L1自適應(yīng)控制及其在熱工過程中的應(yīng)用研究[D]. 韓四維. 東南大學(xué), 2018(05)
- [8]基于過程數(shù)據(jù)的熱工多變量系統(tǒng)建模與先進(jìn)控制研究[D]. 張婷. 華北電力大學(xué)(北京), 2018(05)
- [9]模型參考自適應(yīng)控制的研究及其在熱工控制系統(tǒng)的應(yīng)用[D]. 王伊明. 華北電力大學(xué), 2016(03)
- [10]模型參考自適應(yīng)控制方法的研究及其在熱工過程控制中的應(yīng)用[D]. 陳智軒. 廣西大學(xué), 2013(03)
標(biāo)簽：模型預(yù)測(cè)控制論文; 自適應(yīng)控制論文; 系統(tǒng)辨識(shí)論文; 過程控制論文; 系統(tǒng)仿真論文;