双环直流脉宽调速系统动态模型辨识

本文应用系统辨识与参数估计理论对双环直流脉宽调速系统的速度环进行了现场辨识试验。文章详细讨论了试验信号选择、辨识算法以及数据处理等问题。结果表明在不同工况或电源电压变化时,系统具有不同的动态特性。文中还对电路进行了定性分析,证明两者结论相符。最后,由辨识结果给出了系统在各种不同情况下的传递函数G(z)和G(s)。

应用系统辨识技术确定水轮机蜗壳流量系数K值的新方法

本文在系统辨识原理的基础上,提出了一种在线确定水轮机蜗壳流量系数K的新方法,经计算机仿真试验检验,其精度不低于1.0％.通过水电厂的现场试验,说明本方法具有良好的实用前景.整个试验工作可在基本不影响机组正常运行的条件下进行,为原型水轮机的流量测量及效率试验开辟了一条新的简易途径. 文章分别研究了确定K值的两种工作方式,因此为各种运行情况下水轮机过流量的确定提供了现实可行的方案.

T_w>T_a类型水轮机调节系统的分析与综合

在水轮机调节系统中,水流惯性时间常数T_w与发电机时间常数T_a的相对关系,是影响系统动态特性的重要因素。以往对水轮机调节系统的分析、综合和设计,一般都是在T_w<T_a的情况下进行的。具有长引水道(无调压井)或短引水道贯流式机组的水电站,往往T_w>T_a。此类系统动态特性很差,实践证明,一般PI型调速器不能满足系统要求。本文剖析了此类系统的特点,通过理论分析和计算机仿真,论证在不少情况下如增加加速度反馈(PID调速器)只会使系统特性更为恶化。提出并经实践证实应采用滞后校正环节,即I—PI型调速器。本文为改造现有PI调速器以适应此类系统需要提出了技术途径,也为今后设计此类系统的新型调速器提供了理论依据。

模糊控制中的非线性问题

本文提出在自控系统中应用模糊控制器时,应考虑其非线性特性对闭环系统动态响应的影响,文章在快速富里(?)交换(FFT)的基础上,应用描述-函数法进行了此类问题的研究,指出了系统出现持续振荡(极限环)的可能性;并提出了在小偏差时转用PI控制的区域划分原则,经理论分析和工程实践的结果表明,这种研究方法是符合客观事实的。

水轮发电机组空载模型辨识及调节器PID参数整定

木文对应用最小二乘法估计水轮发电机组模型进行了研究，给出了某原型水轮发电机组空载工况下的数学模型。根据这一模型，用计算机仿真得到优化的调节器ＰＩＤ参数，为水轮机调速器空载参数的整定提供了一种有实用价值的方法。

水轮发电机组神经网络非线性建模研究

针对多层前向神经网络，运用递推预报误差（ＲＰＥ）算法对水轮发电机组进行非线性建模研究．研究结果表明，利用神经网络建立水轮发电机组非线性模型是有效的．

PLC 调速器中采样周期不等性问题研究

ＰＬＣ（可编程序控制器）水轮机调速器中控制调节的采样周期为其程序执行的扫描周期，存在不等性。仿真研究和实际投运表明，由此设计的ＰＬＣ调速器，仍可保证调节系统具有较好的动态品质。

对象参数摄动定位系统中离散滑模控制器的设计及其应用

由直流脉宽调速系统（PWM）和位置环构成的定位系统中，速度环的参数随负载特性；电网电压；给定工况而振动是不容忽视的．作者通过系统辨识建模也证实了这一事实[1，2]．因此在设计位置环的离散滑模控制时，必须针对速度环（即位置环的控制对象）的参数振动范围采用“对象参数振动离散滑模控制器的设计方法”，以确保系统在参数振动时的稳定性和快速、无超调、准确定位的优良动态品质。为剖析该设计方法的控制效果，本文作了对比性研究，并将该设计方法用于工业试验中，取得了满意的结果．

神经元水轮机PID调节器

采用单个神经元构成PID学习控制器,应用于水轮机调节系统,仿真结果表明控制算法具有强的鲁棒性。

水力机组动态特性参数测试仪

本文介绍对水力机组动态特性进行建模时的数据获取方法及测试仪的软硬件结构。

水电厂日优化调度和实时经济运行

本文介绍了水电厂日优化调度与厂内实时经济运行的软件及硬件系统。此项技术可在各类型水电厂中推广应用。

水轮机调节采用模糊控制的非线性问题

水轮机调节系统中采用模糊控制时,应考虑编制模糊控制表中的非线性特性对系统动态响应的影响。文章在快速富里哀变换(FFT)的基础上,应用描述函数法对此问题进行了研究,指出了系统出现持续振荡(极限环)的可能性。文中理论分析和仿真计算结果表明这种分析方法是可行的。

自校正PID水轮机调节器

提出了一种按连续系统稳定裕量设计的自校正ＰＩＤ水轮机调节器．仿真试验表明，自校正ＰＩＤ水轮机调节器有快的系统响应和好的鲁棒性．

基于模糊神经网络的转桨式水轮机数字协联

提出了一种新的有效的转桨式水轮机协联方式———基于模糊ＣＭＡＣ（小脑模型关节控制器）神经网络的数字协联．该协联方式不需对输入进行分区，允许完全的连续信号输入。

水轮发电机组神经网络建模研究

针对水轮发电机组存在的非线性，研究用神经网络建立其模型．分析网络初始权值的选取以及遗忘因子对网络权值学习收敛性的影响，并建立了一个真实水轮发电机组的神经网络模型．