一、基于神经网络PID参数自学习的过热汽温Smith预估补偿控制（论文文献综述）
韦薇薇[1]（2021）在《火电厂热工时滞系统智能控制策略研究》文中指出随着人民生活水平的日益提高,用户对用电量的需求也逐步增大。我国煤炭资源丰富,尤其在北方地区,发电以火电为主。火电厂热工系统普遍带有大惯性、大滞后、时变和非线性的特性,导致部分控制系统控制效果不佳,直接影响了机组的安全、经济运行。火电厂过热汽温控制系统一直存在难于控制的问题。本文以主汽温控制为例,设计了两种智能控制策略方案,分别为基于Smith预估的模糊-神经网络PID复合控制和改进型深度确定性梯度（DDPG）自适应控制,力图提高控制系统控制品质。首先,针对时滞系统,在Smith预估控制的基础上,分别设计模糊控制器和神经网络PID控制器;利用权重分配器,构成模糊-神经网络PID复合控制器,实现协同控制。然后,对深度强化学习算法进行研究,对DDPG算法进行改进。针对DDPG算法本身存在噪声和系统存在迟延的问题,在DDPG算法中的Actor网络结构中加入了乘性因子,来消除控制过程中的小幅度高频振荡现象和纯迟延的影响。最后,利用某330MW机组的历史数据,采用带遗忘因子的递推最小二乘法辨识算法,建立了主汽温控制系统的对象模型;并在MATLAB和Python平台上,对前述两种控制算法进行仿真实验。仿真结果表明:本文提出的两种控制方案均优于传统的控制方案,有良好的控制品质和很强的鲁棒性。本文提出的改进型DDPG算法,为深度强化学习在火电厂热工对象的应用和推广提供了依据。
孙明[2]（2021）在《火电机组热工过程自抗扰控制的研究与应用》文中指出燃煤机组热工过程普遍具有高阶惯性、时滞、非线性、多扰动、回路耦合以及不确定性等特点,使得探索更为高效的建模方法和高性能的鲁棒控制算法成为一直以来的研究热点和难点。尤其是当前火电机组需要通过深度调峰来有效平衡间歇性的新能源电力高比例接入电网引起的系统波动,使得热工过程自动控制系统的可靠性和鲁棒性面临着更为严峻的挑战。此外,分散控制系统的历史数据库中存储了因扰动或不确定因素而产生的大量过程数据,可以充分利用这些过程扰动数据,进而增强控制器的模型信息以提升控制系统的设定值跟踪、扰动抑制以及鲁棒性等控制性能。因此,本文以线性扩张状态观测器为主线,开展了广义积分串联型系统的相位分析、扰动数据驱动的扩张状态观测器模型参数智能辨识方法以及基于相位补偿的降阶自抗扰控制器设计等方面的理论研究、算例仿真与工程实现。论文主要工作有:1)在频域内详细分析了线性扩张状态观测器对总扰动进行估计和前馈补偿后,虚拟控制量与系统输出以及估计输出两者之间的广义积分串联型传递函数特性。当采用全阶扩张状态观测器时,仿真并分析了广义积分串联型逼近标准积分器串联型的影响因素;当采用低阶扩张状态观测器时,为保证广义扩张状态观测器与广义被控对象在相位上的近似同步,提出了增加部分模型信息对扩张状态观测器进行相位补偿的设计方法,算例仿真验证了该方法的有效性。2)针对零初始条件下输出信号中可能存在外部扰动作用的分量而导致闭环数据驱动建模准确性降低的问题,提出了一种利用控制回路中干扰作用产生的动态过渡到稳态这一特征的过程数据驱动扩张状态观测器参数辨识的新方法,也就是将过程数据中扰动作用结束时刻点的状态初值估计和总扰动中的确定性模型信息估计相结合,进而通过群体智能算法对模型参数进行优化和聚类分析,得到最佳辨识参数,算例仿真验证了所提建模方法的有效性和准确性。3)为了提高一类具有大惯性、时滞等特点的热工过程对象设定值跟踪能力和抗干扰性能,提出了基于相位补偿的降阶自抗扰控制设计方法,并完成了稳定性分析。考虑到运用低阶自抗扰控制器时,控制量增益难以确定的问题,给出了新的参数整定方法。而对于热工过程的多变量系统,则采用分散式相位补偿型降阶自抗扰控制策略,并将控制系统在频域内进行等效变换,揭示了自抗扰控制技术框架下的逆解耦器特性。同时,为了增强其逆向解耦能力,推导出一种针对多变量系统的相位补偿环节设计方法。算例仿真验证了所提控制算法的优越性。4)研究并解决了基于相位补偿的降阶自抗扰控制算法的逻辑组态、抗降阶扩张状态观测器饱和以及无扰切换等工程化设计中的具体问题,进而在激励式仿真机上进行了控制策略的仿真与实现。进而将其应用于现役火电机组的主汽温系统和负荷控制系统。实施结果表明所提改进自抗扰控制算法的可行性、有效性以及优越性,展现了该算法良好的工业应用前景。
董静文[3]（2020）在《火电厂锅炉主蒸汽温度预测控制算法研究》文中进行了进一步梳理在当今这个能源短缺、市场竞争越来越激烈的时代,大型工业过程的控制研究已经成为控制工程科学的重点研究对象。锅炉的主汽温度是火电厂安全的重要指标,它的过高、过低甚至波动都会引起一系列的安全隐患问题。锅炉主汽温度具有非线性的特点,这使得热工过程难以控制,本文对其特点进行了分析。目前对这一被控对象的控制方法大多使用的是PID控制,当系统出现扰动时或者是遇到一些不确定因素发生的情形时,就会很难达到理想的设定效果。预测控制采用滚动优化、反馈校正的原理,因而可以适应复杂的控制系统以及一些不确定性的情况。传统的串级PID控制系统有一定的抗扰动的能力以及鲁棒性,但是依然不能满足系统的大扰动以及对负荷变化时的控制要求。本论文采用鲁棒性以及抗扰动性强的预测控制算法,并且在预测控制的基础之上进行了改进,提出改进隐式广义预测控制算法,无需递推丢番图方程,解决了原方法的求解复杂以及计算量特别大的问题,因此可以缩短在线计算的时间。此方法直接辨识控制器的参数,减少了计算的复杂性,同时对模型的参数变化有很好的鲁棒性。因此这种算法比其他算法简单了许多,在减小计算量的同时也确保了控制系统的快速性,还可以将输入输出控制在约束范围内,因此具有良好的控制性能和鲁棒性,可以很好地运用在对火电厂锅炉主汽温度的控制过程中。论文基于改进隐式广义预测控制算法控制器,对被控对象火电厂锅炉的主蒸汽温度的数学模型做了仿真。通过仿真结果得到结论,改进隐式广义预测控制的控制速度快,抗扰动能力强,对锅炉的主汽温度控制系统有着很理想的控制效果。同时还进行了对传统的串级PID与广义预测控制算法以及斯密斯预估控制法进行了加扰动以及改变设定值的试验,控制效果与其他方法对比也为最好。仿真结果表明,改进隐式广义预测控制法的控制响应速度快,鲁棒性强,运算复杂性低,同时具有良好的控制品质,对于火电厂锅炉这样具有多输入、大时滞、多输出、非线性、紧耦合的复杂工业过程的控制非常适合。在论文开始回顾了预测控制的国内外发展状况,论文主体部分包括改进隐式广义预测控制的算法、仿真试验等,结果表明改进隐式广义预测控制算法的控制效果更好,在本文最后还对改进隐式广义预测控制在复杂工业过程控制中的应用做了进一步的讨论。
任广山[4]（2020）在《火电厂过热汽温系统建模与控制研究》文中研究表明随着新能源发电系统并网比例逐步提高,电网的负荷需求峰谷差逐渐加大,火电机组越来越频繁地参与电网深度调峰,导致机组经常处于大范围变负荷的动态工况运行,对机组的控制品质提出了更高的要求。作为火电机组安全经济运行的关键蒸汽参数之一,过热汽温具有大迟延、大惯性、非线性以及时变等特性,传统控制策略难以保证机组参与电网深度调峰时的控制效果,经常出现温度波动范围大、调节滞后以及稳定性差等问题,既影响机组安全运行,又降低其使用寿命。因此,结合先进控制理论,应用先进的控制算法及技术提高过热汽温控制系统的控制品质是过热汽温控制的重要研究方向。本文基于开环前馈控制和闭环反馈控制相互结合的控制思路,主要围绕过热汽温系统建模、控制系统重构以及控制算法优化等方面展开相关研究,主要内容简要概括如下:1)通过对控制对象动态特性的深入分析,采用机理建模方法分别建立减温器和过热器的动态数学模型,并基于某电厂350MW机组运行规程数据借助Matlab Simulink仿真平台验证过热汽温系统机理模型的准确性。仿真结果表明,在机组各种运行工况下,过热汽温系统机理模型能够全面准确地描述系统的稳态特性和动态特性,模型物理含义明确,适用于全工况建模过程,为接下来对过热汽温系统进行控制策略设计与优化研究以及控制系统仿真验证提供了有力的研究基础。2)根据单元机组参与电网深度调峰的需要,在对过热汽温系统机理模型分析的基础上,依据机组负荷指令与过热汽温系统输入变量以及各种扰动变量之间的函数映射关系,基于开环前馈控制思想设计基于数据驱动的主调控制。该控制策略通过机组负荷指令变化超前调节减温水流量,从而减弱调节滞后,有效地控制过热汽温。通过借助过热汽温系统机理模型的Matlab仿真模型进行仿真试验可以发现,基于数据驱动的主调控制在机组负荷大范围变化的工况下基本可以有效地消除机组负荷变化以及各种扰动对过热汽温系统调节品质的综合影响,可以作为前馈控制环节引入闭环控制系统中实现超前粗调作用。3)通过线性化处理和Laplace变换将过热汽温系统机理模型转变成传递函数模型,设计基于阶跃响应模型的多模型动态矩阵控制（Dynamic Matrix Control,DMC）切换控制,实现机组在参与电网深度调峰时全工况范围内对过热汽温系统的闭环反馈控制,并且克服了火电机组运行现场不允许或者没有条件实施阶跃扰动实验的问题。该控制策略先在若干典型工况下建立局部传递函数模型,利用过热汽温系统不同典型工况处多个线性模型近似逼近系统的全工况动态特性,然后在多个阶跃响应模型的基础上单独设计每个DMC控制系统,最后通过设计的多模型DMC无扰切换策略将每个DMC控制系统的输出控制量映射成最优控制量并作用于整个系统。借助过热汽温系统机理模型的Matlab仿真模型,在基于数据驱动的主调控制基础上将多模型DMC切换控制引入到过热汽温系统中进行仿真试验,并与常规串级PID控制进行了控制性能比较。仿真结果表明,多模型DMC切换控制在各种工况下均具有较好的鲁棒性和稳定性,基于不同工况设计的多模型DMC控制系统可以根据运行工况变化进行平稳切换,实现了系统全工况运行下满意的控制品质,其控制效果明显优于常规串级PID控制系统,解决了过热汽温系统存在非线性以及参数时变等控制难题,为线性控制理论在非线性时变系统中的控制应用提供一条新思路。4)考虑到亟待实现在线运算量小和在线实施方便的控制策略,设计径向基函数（Radial Basis Function,RBF）神经网络预测控制,实现在不依赖于非参数模型的情况下对过热汽温系统的闭环反馈控制,并且避免了多模型DMC切换控制存在矩阵求逆和数值病态问题。该控制策略采用RBF神经网络预测模型对非线性时变系统进行在线建模和在线预测过热汽温系统在给定输入下未来时刻的输出,同时将神经网络预测模型与预测控制相结合,通过梯度寻优过程在线求解非线性优化问题,并结合误差校正环节在线修正预测模型,具有在线计算简单等特点,很适合实际工业过程的控制需要。借助过热汽温系统机理模型的Matlab仿真模型,在基于数据驱动的主调控制基础上将RBF神经网络预测控制引入到过热汽温系统中进行仿真试验,并与常规串级PID控制进行了控制性能比较。仿真结果表明,RBF神网络预测控制能够在机组连续大幅度升降负荷过程中很好地兼顾控制系统的稳定性和鲁棒性,能够根据机组运行工况的变化及时地调整控制系统的参数,使整个系统在各种工况下始终处于最优控制状态,其控制品质明显优于常规串级PID控制系统,具有一定的工程应用价值,为非线性预测控制在非线性时变系统中的控制应用提供一条新思路。
刘岩,郭琦,祖光鑫,贾长阁[5]（2017）在《超临界机组基于Smith预估的过热汽温控制策略》文中研究说明阐述了过热汽温串级控制系统及基于Smith预估计的过热汽温控制系统工作原理和实现方法。结合超临界单元机组过热汽温的控制特点,以常熟1 000 MW机组过热汽温控制策略为例,提出一种基于Smith预估计控制方法的过热汽温控制策略,实际应用中,该系统为单回路控制系统,结构简单,且可有效消除延迟环节对系统控制品质的影响。
万柳[6]（2016）在《过热汽温系统先进控制策略研究》文中研究指明过热汽温对机组安全、稳定、经济运行具有重要的意义,因而对其控制要求非常严格,一般在稳定情况下要求稳态偏差保持在??5C以内;动态偏差保持在??10C以内。但该系统具有大迟延、大惯性、时变、扰动因素多等特点,且随着机组的容量增大,惯性特征显着增强,被控对象更为复杂。传统的PID基于反馈原理,不能及时调节大迟延对象,往往会造成很大的超调量,而且固定参数的控制器在多变的生产环境中,控制效果也不够理想。因此对过热汽温系统先进控制策略进行研究具有重要意义。首先,本文总结建模的方法,根据华能天津某电厂#5机组（300MW亚临界直流炉）过热汽温系统现场采集的试验数据,选取适合的模型结构,用粒子群算法进行辨识,得到了过热汽温控制系统的传递函数模型。然后,对多种过热汽温先进控制策略进行了仿真研究和比较,选择了基于状态观测器的状态反馈先进控制策略,准备应用于实际控制方案当中。然后,本文以华能天津某电厂#5机组（300MW亚临界直流炉）过热汽温系统为研究对象进行控制策略的研究。按照电厂要求以原TELEPERM ME混合型分散控制系统为基础进行升级改造,完成了新的基于西门子SPPA-T3000系统的DCS组态设计。通过对原控制方案进行分析,发现其存在诸多不完善之处,且参数设置不合理,针对这些问题,本文提出了新的过热汽温控制系统优化措施,并在新的DCS中进行了组态和调试。新控制方案最终成功投入现场运行,从投运效果来看,运行状态稳定,取得了比较理想的控制效果,保证了机组的安全经济运行。最后,本文尝试用状态反馈-PID相结合的过热汽温先进控制策略对#5机组过热汽温系统进行优化控制,通过在辨识得到的实际传递函数模型上的仿真,证实了控制方案的可行性。同时对控制方案进行了DCS组态设计,但由于时间限制并未实际投运,等待合适的运行条件准备投入现场运行。
冯美方[7]（2016）在《超超临界二次再热机组过热汽温模型辨识及控制》文中研究表明二次再热是进一步提升大型超超临界机组运行参数、提高机组运行效率的一项关键技术。在国内该类机组的建设尚处于起步阶段,运行经验相对缺乏,因而了解二次再热机组运行的热工特性,以实现对过热蒸汽、再热蒸汽参数的精准控制是项重要的工作。在二次再热机组中,过热蒸汽仍作为吸热主体,会受到再热蒸汽调节手段的干扰,故本文以西安热工研究院开发的华能莱芜电厂2×1000MW机组仿真系统为平台,对二次再热机组的过热汽温被控对象进行了探索,并设计了具有更佳抗扰性能的控制方案。在华能莱芜电厂2×1000MW机组仿真系统的平台上,进行了两级喷水减温扰动试验、烟气再循环扰动试验,探究过热汽温的变化规律;继而采用改进型的粒子群算法,对过热汽温被控对象进行辨识得到过热汽温传递函数;以喷水减温作为调节手段,依据辨识所得模型,在Matlab中设计实现线性自抗扰-史密斯预估控制器的设计,并与串级Smith、串级PID两种方案进行对比;利用Matlab与电厂仿真系统Apros之间的OPC通讯,将线性自抗扰-史密斯预估控制应用于电厂仿真系统,与电厂仿真系统的原有串级PID控制效果相对比。结果表明,辨识中使用的改进型粒子群算法精度较高,得到的过热汽温被控对象模型可用于开展机组优化运行与优化控制的相关研究;控制效果对比显示,线性自抗扰控制器相比PID具有更强的鲁棒性及适应性,与Smith控制结合使用,能较好地应对模型变化和扰动情况,获得良好的控制品质。应用华能莱芜电厂2×1000MW机组仿真系统进行扰动试验并完成控制方案的测试,探究超超临界二次再热机组的过热汽温特性及相应的控制方法,对目前的工程实际具有重要的指导意义。
张丽香,陈凤兰[8]（2015）在《自适应Smith预估补偿的过热汽温控制系统》文中指出针对火电生产过程中过热汽温动态特性具有大延时、大惯性和高度非线性,提出一种自适应Smith预估补偿的过热汽温控制系统.该系统在改善闭环系统动态模型结构层面上建立优化系统,具有结构简单、参数整定方便和易于集散控制系统（DCS）组态实现等优点.仿真研究结果表明,该系统设定值跟踪性能和抗干扰能力都明显优于经典串级汽温控制系统以及建立在控制器参数优化基础上的自适应模糊汽温控制系统和改进型Smith预估复合模糊汽温控制系统.
张丽香,王晓伟,降爱琴[9]（2014）在《基于自适应Smith预估补偿的过热汽温控制系统研究》文中研究说明针对火电生产过程中过热汽温动态特性具有大延时、大惯性和高度非线性的特点,提出了一种自适应Smith预估补偿的过热汽温控制系统设计方法,这是一种建立在改善闭环系统动态模型结构层面上的系统优化方法。仿真结果表明,该系统无论是设定值跟踪性能,还是抗干扰能力都明显优于经典串级汽温控制系统,也优于建立在系统控制器参数优化基础上的自适应模糊汽温控制系统。本文所提方法具有系统结构简单,参数整定方便,易于DCS组态实现等优点。
杨旭红,严振杰[10]（2012）在《神经网络控制在火电机组的研究综述》文中研究表明介绍了神经网络控制技术的研究与发展,重点阐述神经网络控制系统在火力发电的主要控制系统中的研究,并简述了神经网络控制系统在火电中故障诊断与故障预测,以及系统模型识别的研究。
二、基于神经网络PID参数自学习的过热汽温Smith预估补偿控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于神经网络PID参数自学习的过热汽温Smith预估补偿控制（论文提纲范文）
（1）火电厂热工时滞系统智能控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究目的和意义 |
| 1.2 国内外发展现状 |
| 1.3 热工时滞系统控制策略 |
| 1.3.1 Simth预估控制 |
| 1.3.2 智能控制 |
| 1.3.3 深度学习和强化学习 |
| 1.4 论文主要研究内容 |
| 第2章 基于Smith预估的复合控制策略 |
| 2.1 Smith预估控制器及其改进 |
| 2.2 模糊—神经网络PID的复合控制器 |
| 2.2.1 模糊控制原理 |
| 2.2.2 神经网络控制原理 |
| 2.2.3 RBF神经网络PID控制原理 |
| 2.2.4 RBF神经网络控制算法改进 |
| 2.2.5 模糊-RBF神经网络PID复合控制器的设计 |
| 2.3 Smith预估补偿的复合控制 |
| 2.4 本章小结 |
| 第3章 基于深度强度学习的智能控制策略 |
| 3.1 人工智能的现状 |
| 3.2 深度强化学习 |
| 3.2.1 强化学习 |
| 3.2.2 DQN算法 |
| 3.3 基于策略梯度的深度强化学习 |
| 3.4 DDPG控制算法设计 |
| 3.5 DDPG算法验证 |
| 3.6 算法改进 |
| 3.6.1 原因分析 |
| 3.6.2 模型结构改进 |
| 3.6.3 奖励函数改进 |
| 3.7 本章小结 |
| 第4章 模型辨识及控制策略的应用 |
| 4.1 系统模型辨识 |
| 4.2 递推最小二乘法辨识 |
| 4.2.1 带遗忘因子的递推最小二乘法 |
| 4.2.2 热工时滞系统模型建立 |
| 4.3 控制算法的应用 |
| 4.3.1 基于Smith预估复合控制的热工时滞系统控制 |
| 4.3.2 基于DDPD的热工时滞系统控制 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究内容总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（2）火电机组热工过程自抗扰控制的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究进展及现状 |
| 1.2.1 热工过程控制研究现状 |
| 1.2.2 自抗扰控制理论的研究现状 |
| 1.2.3 自抗扰控制理论的应用现状 |
| 1.3 目前存在的问题 |
| 1.4 本文研究内容和技术路线 |
| 第2章 广义积分串联型的相位分析 |
| 2.1 引言 |
| 2.2 自抗扰控制结构 |
| 2.2.1 被控系统描述 |
| 2.2.2 跟踪微分器 |
| 2.2.3 扩张状态观测器 |
| 2.2.4 状态误差反馈控制律 |
| 2.3 线性ESO的收敛性分析 |
| 2.4 广义积分串联型的相位分析 |
| 2.4.1 标准积分串联型 |
| 2.4.2 无模型信息补偿的ESO分析 |
| 2.4.3 带模型信息补偿的ESO分析 |
| 2.5 仿真研究 |
| 2.5.1 无模型信息补偿的ESO |
| 2.5.2 带模型信息补偿的ESO |
| 2.6 本章小结 |
| 第3章 基于扩张状态观测器的模型参数智能辨识 |
| 3.1 引言 |
| 3.2 零初始条件下的数据驱动建模 |
| 3.2.1 连续系统的离散化 |
| 3.2.2 闭环扰动数据辨识分析 |
| 3.3 零终止条件下的数据驱动建模 |
| 3.4 基于ESO模型的参数智能辨识方法 |
| 3.4.1 热工过程的ESO建模 |
| 3.4.2 ESO的离散化与条件稳定 |
| 3.4.3 ESO参数的智能自寻优辨识 |
| 3.5 算例研究 |
| 3.5.1 零初始条件下的ESO参数辨识 |
| 3.5.2 基于扰动数据的ESO参数辨识 |
| 3.5.3 多变量系统的ESO参数辨识 |
| 3.6 本章小结 |
| 第4章 基于相位补偿的降阶自抗扰控制设计 |
| 4.1 引言 |
| 4.2 基于相位补偿的降阶ADRC |
| 4.2.1 降阶扩张状态观测器 |
| 4.2.2 基于相位补偿的降阶ADRC设计 |
| 4.2.3 稳定性分析 |
| 4.3 I_RADRC的二自由结构分析 |
| 4.4 I_RADRC的参数整定与数值仿真 |
| 4.4.1 I_RADRC的参数对控制性能的影响 |
| 4.4.2 I_RADRC参数的整定步骤 |
| 4.4.3 数值仿真 |
| 4.5 多变量系统的分散式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 本章小结 |
| 第5章 I_RADRC的工程应用 |
| 5.1 引言 |
| 5.2 I_RADRC算法的工程化设计 |
| 5.2.1 自动跟踪与无扰切换设计 |
| 5.2.2 抗积分饱和方案 |
| 5.2.3 I_RADRC控制策略实现 |
| 5.3 主汽温系统的串级自抗扰控制 |
| 5.3.1 被控过程的描述 |
| 5.3.2 仿真平台试验 |
| 5.3.3 现场应用 |
| 5.4 负荷系统的分散式自抗扰控制 |
| 5.4.1 被控过程描述 |
| 5.4.2 仿真平台试验 |
| 5.4.3 现场应用 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究总结 |
| 6.2 进一步工作的建议与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）火电厂锅炉主蒸汽温度预测控制算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 主蒸汽温度控制方法研究现状简介 |
| 1.2.1 经典控制理论基础上的主汽温度控制方法 |
| 1.2.2 以现代控制理论为基础的主汽温度控制方法 |
| 1.2.3 智能控制 |
| 1.3 预测控制的发展状况 |
| 1.3.1 线性与非线性预测控制 |
| 1.3.2 模型辨识技术 |
| 1.3.3 稳定性分析 |
| 1.3.4 参数优化设计 |
| 1.3.5 预测控制的发展 |
| 1.4 本文的主要工作 |
| 第2章 火电厂锅炉的主蒸汽温度控制方法研究 |
| 2.1 锅炉主蒸汽温度被控对象分析 |
| 2.1.1 锅炉的主蒸汽温度被控对象分析研究 |
| 2.1.2 火电厂锅炉的主蒸汽温度的控制难点 |
| 2.2 现有锅炉主蒸汽温度控制系统的应用介绍 |
| 2.2.1 锅炉主汽温度PID串级控制 |
| 2.2.2 锅炉主汽温度模糊神经网络控制 |
| 2.2.3 锅炉主汽温度神经网络控制 |
| 2.2.4 锅炉主汽温度预测控制 |
| 2.3 本章小结 |
| 第3章 基于改进隐式广义预测控制的锅炉主蒸汽温度控制 |
| 3.1 广义预测控制原理和算法 |
| 3.1.1 预测控制基本原理 |
| 3.1.2 广义预测控制算法基本原理 |
| 3.2 改进隐式广义预测控制算法 |
| 3.3 改进隐式广义预测控制的锅炉主气温度控制 |
| 3.3.1 改进隐式广义预测控制的锅炉主汽温度控制系统控制任务 |
| 3.3.2 改进隐式广义预测控制的锅炉主蒸汽温度控制系统 |
| 3.3.3 改进隐式广义预测控制的锅炉主蒸汽温度控制系统的控制过程 |
| 3.4 本章小结 |
| 第4章 仿真分析 |
| 4.1 正常情况下的仿真效果对比 |
| 4.2 加入扰动后的控制情况 |
| 4.3 改变系统主汽温度的给定值跟随仿真 |
| 4.4 运算时间对比 |
| 4.5 本章小结 |
| 第5章 结论 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（4）火电厂过热汽温系统建模与控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 过热汽温系统建模研究现状 |
| 1.2.2 过热汽温系统控制研究现状 |
| 1.3 主要工作和章节安排 |
| 第二章 预备知识 |
| 2.1 间壁式换热器的分布参数动力学模型 |
| 2.2 间壁式换热器的集总参数动力学模型 |
| 第三章 过热汽温系统机理建模与主调控制研究 |
| 3.1 过热汽温系统机理模型 |
| 3.1.1 详细建模过程 |
| 3.1.2 模型参数确定 |
| 3.1.3 模型仿真验证 |
| 3.2 基于数据驱动的主调控制在过热汽温控制系统中的应用 |
| 3.2.1 基于数据驱动的主调控制 |
| 3.2.2 基于数据驱动的主调控制在过热汽温系统中的仿真试验 |
| 3.3 本章小结 |
| 第四章 多模型DMC切换控制在过热汽温控制系统中的应用 |
| 4.1 多模型DMC切换控制 |
| 4.1.1 过热汽温系统传递函数模型 |
| 4.1.2 多模型DMC控制 |
| 4.1.3 多模型DMC无扰切换策略 |
| 4.1.4 多模型DMC参数选择 |
| 4.2 仿真试验 |
| 4.2.1 过热汽温系统传递函数模型仿真验证 |
| 4.2.2 多模型DMC切换控制在过热汽温系统中的仿真试验 |
| 4.3 本章小结 |
| 第五章 RBF神经网络预测控制在过热汽温控制系统中的应用 |
| 5.1 RBF神经网络预测控制 |
| 5.1.1 RBF神经网络预测模型 |
| 5.1.2 在线优化 |
| 5.1.3 误差校正 |
| 5.2 仿真试验 |
| 5.2.1 RBF神经网络预测模型仿真验证 |
| 5.2.2 RBF神经网络预测控制在过热汽温系统中的仿真试验 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）超临界机组基于Smith预估的过热汽温控制策略（论文提纲范文）
| 1 超临界单元机组过热汽温的控制特点及控制策略 |
| 1.1 过热汽温控制系统 |
| 1.2 串级过热汽温控制系统 |
| 1.3 基于Smith预估计器的过热汽温控制系统 |
| 2 过热汽温控制系统应用实例分析 |
| 2.1 机组简介 |
| 2.2 基于Smith预估计器过热汽温控制系统实例分析 |
| 2.2.1 过热器一级减温控制 |
| 2.2.2 过热器二级减温控制 |
| 3 结论 |
（6）过热汽温系统先进控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 过热汽温控制策略国内外研究现状 |
| 1.3 本文主要工作 |
| 第2章 过热汽温控制系统概述 |
| 2.1 过热汽温控制对象的静态和动态特性 |
| 2.2 过热汽温系统的常规调节方式 |
| 2.2.1 串级过热汽温控制系统 |
| 2.2.2 采用导前汽温微分信号的过热汽温控制系统 |
| 2.3 本章小结 |
| 第3章 300MW机组过热汽温对象辨识 |
| 3.1 数学模型与建模方法 |
| 3.2 模型结构 |
| 3.3 粒子群算法原理 |
| 3.4 标准粒子群算法 |
| 3.5 过热汽温系统模型 |
| 3.5.1 系统辨识数据的选取 |
| 3.5.2 采样周期的选择 |
| 3.5.3 数据预处理 |
| 3.5.4 过热汽温系统粒子群建模 |
| 3.6 本章小结 |
| 第4章 过热汽温先进控制策略及仿真研究 |
| 4.1 模型驱动PID控制 |
| 4.2 预测PID控制 |
| 4.3 增益自适应Smith预估控制 |
| 4.4 基于状态观测器的状态反馈控制 |
| 4.5 本章小结 |
| 第5章 300MW机组过热汽温控制系统工程实践 |
| 5.1 机组概况 |
| 5.2 原控制方案分析 |
| 5.3 控制方案优化设计 |
| 5.3.1 优化措施 |
| 5.3.2 DCS组态实现 |
| 5.3.3 控制画面简介 |
| 5.4 系统特性试验及现场调试 |
| 5.4.1 过热汽温控制系统特性试验 |
| 5.4.2 现场调试方案 |
| 5.4.3 变工况下过热汽温系统控制效果 |
| 5.5 状态反馈-PID相结合的控制方案的设计 |
| 5.5.1 控制方案原理和结构 |
| 5.5.2 控制方案应用仿真及组态设计 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和参加的科研情况 |
| 致谢 |
（7）超超临界二次再热机组过热汽温模型辨识及控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外发展现状及前景 |
| 1.2.1 二次再热技术的国内外发展现状 |
| 1.2.2 过热汽温的现有控制方案 |
| 1.3 本文主要工作 |
| 第2章 华能莱芜电厂2×1000MW超超临界二次再热机组及其仿真系统介绍 |
| 2.1 引言 |
| 2.2 华能莱芜电厂2×1000MW机组概况 |
| 2.2.1 机组总体布置 |
| 2.2.2 过热器及再热器系统 |
| 2.2.3 锅炉主要汽水参数 |
| 2.3 华能莱芜电厂的汽温控制方案 |
| 2.3.1 给水/燃料比率的控制 |
| 2.3.2 过热器喷水减温控制 |
| 2.4 华能莱芜电厂仿真系统 |
| 2.4.1 仿真系统的组成 |
| 2.4.2 仿真系统的验证 |
| 2.5 小结 |
| 第3章 过热汽温动态特性试验及模型辨识 |
| 3.1 引言 |
| 3.2 过热汽温对象特性 |
| 3.3 过热汽温动态特性试验设计及实施 |
| 3.3.1 试验前的准备工作 |
| 3.3.2 试验过程 |
| 3.4 模型辨识——改进型粒子群算法 |
| 3.5 模型辨识结果 |
| 3.5.1 传递函数 |
| 3.5.2 拟合图示 |
| 3.5.3 辨识结果可信度验证 |
| 3.6 小结 |
| 第4章 超超临界二次再热机组过热汽温的控制 |
| 4.1 引言 |
| 4.2 过热汽温的串级控制——传统控制策略 |
| 4.3 过热汽温的线性自抗扰-史密斯预估控制——改进控制策略 |
| 4.3.1 线性自抗扰控制 |
| 4.3.2 线性自抗扰控制的参数整定方法 |
| 4.3.3 线性自抗扰-史密斯预估控制 |
| 4.4 MATLAB仿真研究 |
| 4.4.1 跟踪性能仿真及对比分析 |
| 4.4.2 抗扰性能仿真及对比分析 |
| 4.5 电厂仿真系统测试 |
| 4.5.1 控制算法实现 |
| 4.5.2 控制效果对比分析 |
| 4.6 小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（8）自适应Smith预估补偿的过热汽温控制系统（论文提纲范文）
| 1 引言 |
| 2 自适应Smith预估补偿控制系统设计 |
| 2.1 Smith预估模型的确定 |
| 2.2 预估模型修正系数K1的形成 |
| 2.3 系统开环增益修正系数K2的确定 |
| 2.4 PID控制器参数的自调整 |
| 3 仿真分析 |
| 3.1 串级汽温控制系统 |
| 3.2 自适应Smith预估补偿控制系统 |
| 3.3 跟踪与抗干扰能力比较分析 |
| 4 结论 |
（10）神经网络控制在火电机组的研究综述（论文提纲范文）
| 1 神经网络在火电厂主要控制系统中的研究 |
| 1.1 单元机组协调控制系统 |
| 1.2 磨煤机控制系统 |
| 1.3 汽包水位控制系统 |
| 1.4 过热气温控制系统 |
| 1.5 再热气温控制系统 |
| 2 神经网络在火电故障诊断与故障预测中的研究 |
| 3 在火电厂系统模型识别中的应用研究 |
| 4 结束语 |
四、基于神经网络PID参数自学习的过热汽温Smith预估补偿控制（论文参考文献）
- [1]火电厂热工时滞系统智能控制策略研究[D]. 韦薇薇. 华北电力大学, 2021
- [2]火电机组热工过程自抗扰控制的研究与应用[D]. 孙明. 华北电力大学(北京), 2021(01)
- [3]火电厂锅炉主蒸汽温度预测控制算法研究[D]. 董静文. 沈阳工业大学, 2020(01)
- [4]火电厂过热汽温系统建模与控制研究[D]. 任广山. 西安电子科技大学, 2020(05)
- [5]超临界机组基于Smith预估的过热汽温控制策略[J]. 刘岩,郭琦,祖光鑫,贾长阁. 黑龙江电力, 2017(05)
- [6]过热汽温系统先进控制策略研究[D]. 万柳. 华北电力大学, 2016(03)
- [7]超超临界二次再热机组过热汽温模型辨识及控制[D]. 冯美方. 华北电力大学(北京), 2016(03)
- [8]自适应Smith预估补偿的过热汽温控制系统[J]. 张丽香,陈凤兰. 信息与控制, 2015(05)
- [9]基于自适应Smith预估补偿的过热汽温控制系统研究[A]. 张丽香,王晓伟,降爱琴. 第25届中国过程控制会议论文集, 2014
- [10]神经网络控制在火电机组的研究综述[J]. 杨旭红,严振杰. 电力学报, 2012(05)