单神经元无辨识自适应预估控制算法及在过热汽温控制中的仿真研究

为了实现非线性、大时滞系统的良好控制，提出了一种新型的无辨识自适应预估控制算法。该算法将神经元结合到无辨识自适应控制律中，借鉴推导无辨识自适应控制参数自校正算式的基本思想建立约束条件，据此选择适当的权值取代原控制参数，并用加入动量项的改进δ算法取代该参数的校正计算式，提高控制参数的自校正能力。将该算法应用于600MW超临界机组直流锅炉的过热汽温控制，进行仿真研究，结果表明该算法的有效性，并具有良好的控制品质，较强的鲁棒性和自适应能力；且该算法对预估模型的精度要求不高，控制参数容易整定，易于工程实现。

无辨识预估PSD控制

针对原无辨识PSD的不足,本文提出了PSD参数的同步自适应方法,计算量小,且对于均值为零的测量噪声具有更强的抗噪能力。为了更好地应用于时滞过程,利用无时滞PSD系统渐近稳定的特点,提出了无预估模型的PSD自适应预估控制算法。仿真和实验验证了算法的有效性。

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用。

焦炉加热过程无辨识自适应控制方法

针对焦炉火道温度直接影响焦炭质量和炉体寿命,而焦炉加热过程的大时滞、难以建立数学模型等特性造成焦炉加热过程火道温度控制十分困难的问题,提出一种具有专家修正的无辨识自适应控制方法。该方法不需要过程的数学模型,而是根据当前和过去的过程信息,基于专家规则估计过程未来的输出及变化趋势,对无辨识自适应控制的输出进行修正,获得过程控制所需的煤气流量设定值。仿真结果表明,该控制方法简单易行,有较好的鲁棒性,能比较好地控制焦炉加热过程火道温度。

无辨识自适应控制预估算法及应用

借助Ｓｍｉｔｈ预估思想，将无辨识自适应控制算法推广到大纯滞后系统．为解决Ｓｍｉｔｈ预估器对模型的依赖问题，引入搜寻算法，提高了预估算法的鲁棒性和适应能力．

过热汽温的无辨识自适应预估控制研究

由于电厂锅炉的过热汽温具有大惯性、大时滞和非线性等特性,对它的控制是困难的。为了能实现良好的控制,研究它的无辨识自适应预估控制方法。在分析预估模型误差对系统性能影响的基础上,建立预估模型参数自适应计算公式,并应用搜索算法估计滞后时间,从而构建了预估模型参数自调整的无辨识自适应预估控制算法。仿真试验结果表明,该算法适用于过热汽温系统,具有良好的控制品质和较强的自适应能力,易于工程实现。

PSD自适应控制算法应用于变频调速恒压供水系统中的研究

一种无需辨识模型的自适应PSD算法应用在变频调速恒压供水中，PSD算法可适应任何管网特性而具有良好的控制效果。

基于预估模型切换的过热汽温无辨识自适应控制

针对电厂锅炉的过热汽温系统具有大惯性、大时滞和多模型等特性,研究一种基于预估模型切换的无辨识自适应预估控制方法。该方法需设计一个无辨识自适应预估控制器和基于主蒸汽流量变化率的切换律,给出若干个一阶预估模型。在系统运行过程中,这些预估模型在切换律控制下根据运行工况按优化切换时间自适应地切换,而其中的优化切换时间是用切换系统优化理论计算得到的。仿真试验结果表明,该方法适用于过热汽温系统,具有良好的控制品质、较强的抗扰和自适应能力.且对预估模型的精度要求不高,控制参数容易整定,易于工程实现。

优化控制在135MW循环流化床锅炉的应用

目前国内的循环流化床自动化投入率普遍较低,对控制策略提出了更高的要求,以增强电厂的整体效益和竞争力。但由于循环流化床机组特有的燃烧特性,常规PID控制策略很难实现循环流化床锅炉燃烧自动控制,导致循环流化床锅炉机组的自动投入率低。优化控制系统在循环流化床锅炉燃烧控制的应用,为此提供了一种良好的解决途径。

优化控制在循环流化床锅炉的应用及实施

目前国内的循环流化床自动化投入率普遍较低,对分散控制系统提出了更高的控制要求,以增强电厂的整体效益和竞争力。但由于循环流化床机组的特有的燃烧特性,常规PID控制策略很难实现循环流化床锅炉燃烧自动控制,导致循环流化床锅炉机组的自动投入率低,机炉协调控制根本无法投运。优化控制系统在循环流化床锅炉燃烧控制的应用,为此提供了一种良好的解决途径。

基于IFAP的循环流化床锅炉燃烧系统应用研究

针对循环流化床锅炉动态特性复杂、参数强耦合的特点,提出利用无辨识自适合预估技术(IFAP)应用于其燃烧控制系统,对床温-主汽压子系统应用串级控制,主副调节器均采用IFAP控制器。同时采用300MW机组循环流化床锅炉进行试验研究,试验结果表明,应用IFAP技术具有较强的鲁棒性和适应性,控制系统具有优良的动态性能。

锅炉水循环系统的无模型自适应控制研究

为了保证软水循环系统的流动性以充分吸收燃气锅炉烟气余热,改造了锅炉水循环系统的控制策略。首先采用批量最小二乘法辨识出锅炉水循环系统保温水箱部件的输入输出关系,然后对辨识模型施加无模型自适应控制(MFAC)策略,再采用模式搜索算法对无模型自适应控制进行参数优化,最终对保温水箱进行基于模式搜索优化的无模型自适应控制。实验结果表明:所提出的控制策略能降低超调量和上升时间,减少相对稳态误差,降低平均抗扰动时间。

烟草制丝加料加香过程的无辨识自适应控制方案

烟草制丝过程中当烟丝流量波动较大时,采用传统PID控制方案的加料加香系统稳定性差,控制精度低,造成成品烟丝中辅料和香精分布不均,影响批次产品质量。为此,提出了无辨识自适应控制方案,控制算法简单且易于工程实现,可根据烟丝流量波动情况在线自动校正控制器参数,优化控制性能,实现快速调节和高精度控制。应用结果表明,采用无辨识自适应控制方案能有效提高加料加香过程控制的稳定性和控制精度,加料加香过程的瞬时比例标准偏差由0.05左右降低到0.01左右,最大控制误差由0.3以上降低到0.1以下。控制系统具有良好的鲁棒稳定性,保证了成品烟丝中辅料和香精比例的准确和均匀,提升了制丝生产过程的控制水平。

污水处理过程递推双线性子空间建模及无模型自适应控制

污水处理过程中,生化反应硝态氮浓度和溶解氧浓度是决定出水水质好坏的两个最关键变量,难以采用常规基于模型的方法进行有效控制.本文基于数据驱动建模与控制技术,提出一种污水处理过程递推双线性子空间辨识(Recursive bilinear subspace identification,RBLSI)建模和无模型自适应控制方法.首先,针对污水处理过程的非线性时变动态特性,采用最小二乘递推双线性子空间辨识方法建立污水处理生化反应过程具有参数自适应能力的递推双线性模型;其次,基于建立的数据驱动模型,采用基于多参数灵敏度分析(Multi-parameter sensitivity analysis,MPSA)和遗传粒子群优化(Genetic algorithm-particle swarm optimization,GA-PSO)算法的无模型自适应控制(Model-free adaptive control,MFAC)方法对硝态氮和溶解氧浓度进行直接数据驱动控制;最后,数据实验及其比较分析表明了所提方法的有效性和优越性.

循环流化床锅炉优化控制

根据与厦门大学建南科技工程有限公司合作开发的循环流化床锅炉优化控制系统在生产中实际运用,对循环流化床锅炉优化控制系统进行介绍。

面向直接示教的机器人负载自适应零力控制

相对于基于末端多维力传感器的直接示教工业机器人,基于关节扭矩传感器信息的机器人可接触范围大,且安全性更好.但在变负载的复杂工况下,加上受到机器人自身摩擦力、重力、惯性力的影响,示教效率受到制约.为此,本文提出了一种零力控制方法.首先,引入柔性关节机械臂的动力学模型作为被控对象,并分析了该模型中电机摩擦力、惯量以及机械臂重力在直接示教过程中的影响.然后,为精确补偿机器人自身的重力,基于QR分解与最小二乘理论进行参数辨识.而且针对机器人更换末端执行器或抓取物品后模型参数发生变化的情况,提出一种变负载自适应零力控制方法.最后,在自主研发的7自由度协作型机器人平台上进行了实验.机械臂自身重力参数辨识后的模型最大计算误差在关节额定力矩的4%以内,单关节力牵引实验中通过调节零力控制参数,牵引力矩可由约13 N·m下降到约2 N·m.变负载下的机器人牵引实验中,控制器能够在10 s内更新参数.实验结果表明,在负载变化的情况下,该控制方法可帮助操作者轻松地拖拽机器人进行精准、高效的直接示教.

自由漂浮空间机器人末端轨迹优化自适应控制

惯性参数不确定情况下的自由漂浮空间机器人(FFSR)轨迹跟踪控制是当前FFSR自主控制研究的重点与难点之一.针对该问题,提出一种FFSR末端轨迹优化自适应跟踪控制方法.该方法首先基于离散状态依赖黎卡提方程(DSDRE),设计两级DSDRE优化跟踪控制器,然后在控制器输出基础上,通过求解有约束条件下的非线性优化问题实现FFSR惯性参数的辨识,进而根据辨识结果调整控制器相关参数,实现FFSR末端轨迹的优化自适应跟踪控制.最后,采用平面两连杆FFSR模型进行仿真,验证了所提出方法的有效性.