模糊RBF自整定PID控制器在过热汽温控制中应用

过热汽温控制是电厂锅炉控制系统的一个重要环节。针对电厂过热汽温对象具有较大的惯性、时滞、非线性和动态特性随运行工况变化的特点,提出一种模糊径向基函数(RBF)神经网络的自整定PID控制器应用于过热汽温控制中,它结合了传统PID及神经网络和模糊控制的优点,可在线调整得到一组最优的PID控制参数。介绍了所提控制器在超临界机组过热汽温控制中的应用。对负荷为100%、88%、62%、44%的仿真结果表明,所提控制器能获得满意结果,优于PID控制器。

基于可变学习率BP算法的空调控制系统的研究

通过分析控制器参数学习率和控制器性能之间的关系,设计一种基于可变学习速率反向传播算法VLRBP和模糊神经元网络的变频空调控制系统。该系统不仅可以通过反传误差信号训练控制器参数,而且可以根据网络的当前状态朝最优化方向调整控制器参数的学习率。实验结果表明,该控制系统不仅比传统的空调PID控制器和模糊控制器具有更好的控制性能,而且相比基于标准BP算法和动量BP算法的模糊神经网络控制系统,也具有更快的收敛速度和更好的控制精确度。

采用神经网络优化调整因子的模糊温度控制器

含多个调整因子的模糊控制器的调整因子的确定是一个参数为避兔参数选择上的盲目性,本文采用BP神经网终对系统的调整因子进行了寻优,仿真及实际后的模糊控制器在对加热炉的温度实施控制时,性能得到很大改善,这说明利用神经网络对调整因子进行优化的方法有较高的应用价值。

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。

镁还原过程温度控制算法的研究

皮江法制镁中,镁还原罐的损耗使生产成本大大提高.而还原炉加热温度控制是还原炉失效的一个主要原因.本文对镁还原炉温度控制系统做了改善.提出了3种可应用在镁还原炉温度控制上的控制算法,并对3种算法进行了比较.经现场验证,效果良好.

基于权重因子自校正的主蒸汽温度外挂广义预测串级控制

针对电厂目前普遍采用PI-PI串级控制器调节锅炉主蒸汽温度系统,不能有效克服惯性、时滞和参数时变等问题的影响,本文提出了一种理想GPC(Generalized predictive control)-PI串级控制器.首先,该理想串级控制器不仅能抑制一次和二次扰动,而且外环GPC通过对主蒸汽温度的多步预测,并结合滚动优化技术能有效克服主蒸汽温度系统的惯性和时滞问题.另外,针对主蒸汽温度系统参数时变的特性,该理想控制器采用了T-S(Takagi-Sugeno)型模糊神经网络(Fuzzy neural network,FNN)作为主蒸汽温度模型,该模型能够通过反馈校正技术实时更新模型参数.同时,为了改善主蒸汽温度系统动态响应品质和稳定性,对外环GPC中的权重因子进行了模糊自校正设计,通过理论分析和对比仿真验证了该理想GPC-PI串级控制器优于权重因子固定的GPC-PI和PI-PI串级控制器.最后,考虑到直接将电厂集散控制系统(Distributed control system,DCS)中的PI-PI串级控制器升级为理想GPC-PI串级控制器存在安全以及风险责任等问题,故将电厂的传统PI-PI串级控制器升级成外挂的GPC-PI-PI串级控制器,既改善了锅炉主蒸汽温度的控制效果又规避了风险责任,实际应用验证了该方法的有效性.

改进的神经网络PID在空调温度控制中的应用

为提高候机楼中央空调温度控制水平,针对候机楼中央空调系统具有时滞性、扰动因素较多等特点,提出了一种基于改进天牛须搜索(IBAS,improved beetle antennae search)算法的模糊径向基函数(RBF,radial basis function)神经网络(PID,proportion integration differentiation)控制方法,建立了空调区域温度控制模型,通过模糊RBF神经网络实现PID参数在线整定,解决系统非线性、时变的问题。同时由于神经网络参数存在难以选取问题,提出利用天牛须搜索(BAS,beetle antennae search)算法优化模糊RBF神经网络参数的方法,并引入莱维飞行机制和变步长策略对BAS算法进行改进,提高其跳出局部最优的能力和稳定性。仿真结果表明,采用IBAS算法优化的模糊RBF神经网络PID控制方法有效提高了系统的鲁棒性和自适应能力,对候机楼中央空调系统具有良好的控制效果。