一、分散自适应控制及其在热工控制中的应用（论文文献综述）
孙明[1]（2021）在《火电机组热工过程自抗扰控制的研究与应用》文中认为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。
张鹏程[2]（2020）在《改进型时间序列模型预测控制及其在热工过程中的应用》文中提出在我国现阶段的能源结构中,火力发电仍旧占据着很大比重。随着电厂规模的不断扩大,如何保证热工过程的各个环节可以高质量、高经济效益、安全可靠地运行是电力行业健康发展的关键,其中热工过程的控制策略是研究的重点。PID算法因其结构简单、可靠性高,在热工过程控制中被广泛应用。然而,随着工业过程复杂程度的日趋增加,且发电过程中,设备的动态特性会随着负荷的变化而改变,使得系统具有非线性、时变性、滞后性等复杂特性,传统方法难以取得理想的控制效果。本文充分考虑热工过程的控制难点,提出基于Laguerre正交基优化的时间序列模型预测控制算法。在设计中结合算法融合的思想,借鉴传统控制策略的优势进行改进,将改进后的算法应用到典型的热工过程控制系统中,检验了控制效果。本文的主要工作及创新点包括:（1）将多变量Laguerre函数模型预测控制算法与增量式分数阶PID算法相结合,提出了一种具有分数阶PID结构特征的预测控制策略。该算法通过借鉴分数阶PID的控制结构来改进预测控制的性能指标。将所提出的算法应用到火电单元机组负荷控制的仿真实验中,结果表明,与其它算法相比,该方法具有更加出色的跟踪性能和鲁棒性,有效抑制了超调量,改善了系统的控制质量。（2）将带外部输入的自回归（Autoregressive with Exogenous Input,ARX）模型的系数通过Laguerre正交基进行展开,提出了基于ARX-Laguerre模型的预测控制方法,并分别将PID、分数阶PID控制器用于改进滚动优化的性能指标。将改进后的算法应用到过热汽温控制的仿真实验中,结果表明,两种算法均在不同程度上提高了过热汽温系统的控制品质。（3）将带外部输入的自回归滑动平均（Autoregressive Moving Average with Exogenous Input,ARMAX）模型进行Laguerre正交基展开,提出了基于ARMAX-Laguerre模型的预测控制算法,并将其与PID算法相结合,应用到循环流化床锅炉主蒸汽压力控制的仿真实验中,实现了对目标的精确跟踪,提高了系统的快速性和鲁棒性。在参数选定的问题上,为了解决依靠先验知识和人工调试带来的工作量大和取值不精确等问题,本文采用差分进化算法对PID参数进行寻优,使算法在参数整定方面更加智能。
贾昊[3]（2020）在《基于高斯过程回归的热工系统数据驱动建模研究》文中研究指明随着计算机、传感器网络、数据存储技术的快速发展及其在大型火电机组中的广泛应用,海量的历史运行数据得以保存。由于历史运行数据是对机组运行状况最直观的反映,并且随着电站信息化的发展使得数据获取变得十分容易、成本低廉,为构建数据驱动模型提供了良好的基础。但是,想要构建性能优异的模型往往并不容易,如何对建模数据进行选择和处理,选择哪种建模方法都会对模型最终的效果产生影响。也正是因为如此,基于数据驱动的建模方法才会成为研究热点,持续受到研究人员的关注。针对热工过程数据驱动建模过程中存在的一些问题,本文以基于历史运行数据的建模方法为研究主题,围绕数据预处理、稳态检测、静态模型和动态模型的构建、多模型建模方法等方面,开展了以下研究工作:（1）针对历史运行数据中存在数据异常和数据缺失的问题,对历史数据异常值检测和校正方法进行了研究。针对异常值检测,提出一种基于经验小波变换和局部异常因子相结合的异常值检测方法。该方法首先使用经验小波变换提取并去除数据的运行趋势;然后对去除趋势的序列求取局部异常值;最后采用箱型图对异常值进行自适应判别。针对数据中存在异常值和数据缺失的问题,采用基于滑动窗口和Nadaraya-Watson回归相结合的方法,对相关数据进行校正和补全。以某1000MW火电机组负荷数据和总风量数据为例,分别验证了所提方法的有效性。（2）针对历史运行数据中动态数据和稳态数据交替出现的现象,为了实现对不同数据的区分,提出了一种基于信号分解与统计检验方法相结合的热工过程稳态检测方法,用以对稳态工况样本进行筛选。首先采用经验小波变换对原始信号进行分解,得到原始信号的运行趋势和震荡信息;然后结合修改过的R统计检验法对热工过程数据进行稳态检测。以仿真数据和某1000MW火电机组协调控制系统数据为例,验证了方法的有效性。（3）针对热工过程稳态数据存在的数据量大、属性维度高、数据重复性大的特点,提出了一种基于样本稀疏化和特征变量选择的高斯过程回归建模方法。首先使用基于数据相似性和信息熵相结合的样本选择方法对稳态数据进行样本稀疏化处理;然后使用基于皮尔森相关系数和最小角回归算法相结合的方法对建模特征变量进行数据融合和特征选择;最后结合高斯过程回归方法建立系统模型。使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量静态模型。通过与其他方法对比,证明了使用该方法建立的模型具有更小的模型误差和更高的静态准确度,可以取得很好的预测效果。（4）针对动态过程中变量间存在强非线性、过程复杂多变、输入输出变量间存在时延的特点,提出一种考虑输入时延的组合核函数动态高斯过程回归建模方法。首先采用灰色关联度分析方法对变量的时延参数进行估计,根据估计值重新构造数据集;然后根据核函数闭包性质,将局部核函数和全局核函数组合起来构成新的核函数,构建组合核函数动态高斯过程回归模型;最后使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量的动态模型验证所提方法的有效性。实验结果表明,采用该方法建立的动态模型具有模型准确度高、泛化能力强的特点,可以满足实际需要。（5）针对热工过程中存在多种工况、工况变化范围大,采用单一模型描述生产过程特性时易导致训练过拟合、模型泛化能力差的问题,提出一种基于自适应模糊聚类的多模型动态高斯过程回归建模方法。使用提出的模糊聚类方法对数据集进行划分并根据划分的子数据集分别建立其动态高斯过程回归模型,然后采用基于预测方差的贝叶斯融合方法得到最终的输出模型。结合某1000MW火电机组历史运行数据建立锅炉烟气含氧量模型,通过与单一全局动态高斯过程回归模型和采用其他合成策略的多模型动态高斯过程回归模型进行对比,结果表明所提方法具有很好的模型预测精度和泛化能力。
朱建忠[4]（2019）在《热工过程的多变量扰动抑制控制方法研究》文中研究指明我国电力正经历着从传统能源向新能源的快速发展阶段,电力结构正不断优化。随着可再生能源不断接入电网,火电厂肩负起深度调峰的重担。而火电机组热工过程呈现出的非线性、控制约束、多变量强耦合等特性,使得传统控制系统在面对诸如燃料品质波动等不确定因素下难以获得满意效果。因而亟待设计出先进的扰动抑制控制策略,以提升火电机组的运行灵活性。本文的主要内容包括:1.针对热工过程存在的多变量耦合特性及非最小相位环节问题,设计出了能够补偿解耦的扰动抑制策略。在充分对模型分析的基础上,设计出了能够保留模型信息的解耦器,并通过泰勒公式将该解耦器展开,忽略高频成分,得到易于工程实施的比例-积分形式的补偿器。然后基于解耦模型的每一个通道提出了基于模型参考的自抗扰控制器,区别于传统自抗扰控制器,该控制器的设计充分考虑了解耦模型的信息以便获得更加优异的扰动抑制性能,并解决了输出跟踪问题。同时针对热工过程的输入约束,在该控制方案中设计了抗饱和补偿器。设计过程中,对解耦效果以及控制器的鲁棒性进行了分析。2.针对热工过程的多变量特性,引入多变量扰动观测器,实现了基于该观测器的多变量非解耦的设定值跟踪控制。面对系统的跟踪问题,在对系统进行二自由度分析的基础上,提出了可以实现零静差跟踪的设定值滤波器。通过对系统的数学变换,巧妙地处理了系统存在的非严格真问题,从而将输出扰动等效到输入扰动中。由于执行器约束的存在,引起输入饱和问题的积分作用从观测器中被揭示出来,从而为设计防饱和补偿器找到了理论根据。通过H∞理论设计了保证系统稳定的防饱和补偿器。3.基于机炉系统的非线性动力分析,提出了具有扰动抑制能力的预测控制系统。通过对机理建模获取的Bell-Astrom机炉协调模型的非线性动力学分析后,发现系统存在分叉和混沌现象,且该现象与扰动项的选择有关,因而,扰动模型的获取是建立在非线性动力学分析的基础上而不是通过事先假设的方式。当确定扰动模型后,在多模型策略的支撑下,基于input-to-state stability稳定理论设计出模糊鲁棒预测控制器,为了更进一步抑制系统出现的分叉和扰动,采用鲁棒不变集技术,将系统的稳定极限环约束在最小的扰动不变集中。为了减小计算量,采用双模式预测控制策略实现了对机炉协调系统的全局控制。4.为了提升火电机组的运行灵活性,热工过程需能承受未知强扰动的影响,同时为了应对大范围变工况运行下的非线性以及执行器约束,本文提出了具有增强鲁棒性能的模糊预测控制策略。设计中引入了多变量模糊扰动观测器以及辅助控制器,通过扰动观测器对系统的集总扰动进行估计并前馈补偿,产生的观测误差由辅助控制器进行反馈补偿,而系统的跟踪性能由则通过预测控制器来实现。通过将观测器和辅助控制融合设计,得到了具有约束力的扰动不变集以及用于预测控制的紧约束集。预测控制器的设计是在保证系统稳定及满足可回溯条件的前提下完成。在机炉协调系统上的仿真实验表明,该算法具有较强的扰动抑制能力,快速的跟踪能力。
乔东东[5]（2019）在《基于Laguerre函数模型的改进型预测控制及应用研究》文中认为近年来,随着经济和科技的快速发展,国家和人民对于电力供应的安全和稳定要求日益提升,使得热工过程控制愈加复杂,传统控制方法难以取得理想的控制效果。研究先进的控制策略,设计出满足热工过程控制的要求且性能优良的控制系统,将有助于提高热工过程自动化水平,也是热工控制领域的重要部分。由于PID控制算法结构直观易懂、便于操作,得到了广泛的应用。然而现代热力设备和热工过程日趋大型化和复杂化,控制要求不断提高,常规的线性PID控制策略难以满足。分数阶PID在整数阶PID的基础上多引入两个参数,控制器更加灵活,更能满足各种场合的控制要求。预测控制是上个世纪末出现的一类新型基于计算机平台的控制策略,经过20多年的理论研究和实践证明,预测控制具有良好的跟踪性、鲁棒性和适应性。如果将PID控制或者分数阶PID与预测控制相结合,研究出新型的控制算法并应用到热工控制中,将有助于改善热工过程自动化水平。本文先将循环流化床锅炉床温系统作为被控对象,分析了循环流化床锅炉系统结构及其床温数学模型。针对控制系统的要求,结合传统PID和模型预测控制的优点,提出一种基于Laguerre函数模型的PID预测控制算法（LMPC-PID）。该控制策略以一种典型的预测控制为出发点,采用对时延和结构变化不敏感的Laguerre函数模型作为预测模型,利用带遗忘因子的最小递推二乘法在线辨识模型参数,并进一步将预测控制与PID控制控制相结合,将比例,积分和微分系数加入到滚动优化目标中。通过MATLAB平台进行仿真分析,表明LMPC-PID控制方法具有优良的控制品质;后又将滚动优化的性能指标改成分数阶PID的结构形式,提出了基于Laguerre函数模型的分数阶PID预测控制（LMPC-FOPID）策略,引入两个参数,增加了控制器的灵活性,结果更加接近预期的控制效果。最后继续将其扩展到多变量领域,提出一种基于Laguerre函数模型的多变量PID预测控制算法（MLMPC-PID）,以火电单元机组负荷系统模型为被控对象,通过实验仿真验证了该算法的有效性。
高耀岿[6]（2019）在《火电机组灵活运行控制关键技术研究》文中认为我国持续快速发展的新能源电力已远超出电网的承载能力,新能源电力的规模化消纳已成为我国电力系统面临的主要问题,火电机组的灵活运行是解决这一问题的重要途径。传统意义上,火电机组本身具有一定的灵活运行能力,但在新能源电力系统的大环境下,面对现行电网的调度方式,其灵活运行能力还远未达到实际需求。机组本体设备及辅助设备的设计与改造是提升火电机组灵活运行能力的重要基础,运行控制技术是深度挖掘火电机组灵活运行能力,实现机组快速、深度变负荷的重要措施。本文研究的主要方向为火电机组的灵活运行控制关键技术,具体从制粉系统优化控制、协调系统优化控制、供热机组热电解耦控制以及供热机组多能源协同控制等四个方面展开研究,主要内容包括:1、适应灵活运行的制粉系统优化控制。考虑到制粉系统动态特性是影响锅炉响应速率的重要因素,其典型的非线性、多变量、强耦合特性又是限制其快速响应锅炉指令的主要矛盾,为此本文从多变量解耦控制的全局出发,首先在分析制粉系统的原理及特性的基础上,基于质量平衡和能量平衡,建立了制粉系统的非线性动态模型,并利用实际历史运行数据完成了模型的辨识和验证;其次提出了一种以磨出口煤粉流量作为制粉系统出力控制的新方法,并以多变量预测控制算法为核心,融合磨出口煤粉流量预估补偿控制和磨出口温度定值节能最优控制,构建了制粉系统多变量优化控制方案,并验证了方案的有效性。最后在深入分析制粉系统动态特性的基础上,对经典汽包炉模型进行改进,并通过仿真验证表明一次风流量动态补偿能够提高协调控制系统的稳定性。2、适应灵活运行的协调系统优化控制。考虑到火电机组燃料量至主蒸汽压力、中间点焓（直流炉）的响应过程存在较大的迟延和惯性,常规的前馈+PID控制方式难以取得良好的控制性能,为了从根本上解决这类大迟延、大惯性系统的控制难题,本文以带前馈的阶梯式广义预测控制算法为核心,并融合传统的前馈控制和解耦控制理念,设计了火电机组协调系统优化控制方案。以亚临界汽包炉机组和超超临界直流炉机组为例,从实际工程应用出发,在考虑机组动态特性的基础上,设计了各自的协调系统优化控制方案。在实验室环境下验证了控制系统的有效性,研究成果已成功应用于我国内蒙古某电厂330MW汽包炉机组和福州某电厂660MW直流炉机组上,且已取得了良好的控制效果。3、适应深度变负荷的供热机组热电解耦控制。考虑到“以热定电”是限制供热机组深度变负荷能力的主要原因,“热电解耦”是解决这一问题的重要途径。为此本文在我国东北某电厂灵活性改造的基础上,深入分析热泵、两级旁路以及储热罐等对机组热电特性的影响,给出了供热安全区的计算方法,并以此为依据分析了各辅助供热方式下供热机组的热电解耦能力和深度调峰能力;然后基于质量平衡和能量平衡,建立了各辅助供热系统的非线性动态模型,并根据该厂供热原理将各系统串联起来,形成联合供热系统仿真模型;最后在所构建模型的基础上,提出一种深度热电解耦控制系统,完成了供热机组常规、浅度、深度热电解耦控制,提高了供热机组的调峰能力。4、适应快速变负荷的供热机组多能源协同控制。考虑到供热机组是一个集成锅炉蓄能、热网蓄能、储热罐蓄能等多种能源形式于一体的多能源转换系统,并且各蓄能之间存在一定的关联和互补特性。为此本文在分析多能源系统特点及局限性的基础上,提出了一种多能源协同控制全局优化方案,该方案主要由多能源协同调度系统、分布式能源协同控制系统以及多能源在线评估系统构成。然后详细阐述了各系统的实现方法和主要任务,其中多能源协同调度系统主要完成电负荷指令的处理和优化分配;分布式能源协同控制系统主要完成各系统蓄能的协同控制;多能源在线评估系统主要完成各系统蓄能的在线评估。最后在联合供热系统仿真模型的基础上,设计了多能源协同负荷控制系统,验证表明该系统能够有效协同各系统蓄能,在提升机组快速变负荷能力的同时保证了热网供热品质。
韩四维[7]（2018）在《L1自适应控制及其在热工过程中的应用研究》文中进行了进一步梳理在当前新能源大量并入电网及煤电产能过剩的背景下,传统火电机组持续低负荷运行、频繁变负荷及深度调峰正成为常态,这对火电机组热工过程控制系统的设计提出了新的要求。火电机组热工过程本质上是存在高度不确定性的过程,其不确定性在机组变工况运行时尤为突出,并呈现出非线性、纯时滞、参数时变、变量约束等特性,这使得常规控制方法难以获得满意的效果。L1自适应控制作为一种先进的鲁棒自适应控制算法,对于不确定系统的控制问题具有性能优良、鲁棒性强等优势,但其用于热工过程的控制器设计,仍存在方法及理论上的空白。本文针对热工对象的特点,对L1自适应控制算法理论进行了扩展,并对其在热工过程中的应用进行了研究,主要工作如下:1.将L1自适应控制算法扩展至多变量、输出反馈的情形,分别针对具有微分同胚输出映射与一般严真系统提出了适用于多变量输出反馈系统的L1自适应控制算法。对于具有微分同胚输出映射的多变量系统,利用微分几何的相关结论,将输出反馈控制问题转化为等效的状态反馈控制问题;对于一般严真的多变量系统,首先设计输出预测器及相应的自适应律对系统未知部分进行动态估计,并在控制律中对被估计的未知动态进行补偿,之后采用极点配置设计系统的闭环动态性能。分别针对Bell-?str?m机组协调系统及300MW燃烧控制系统进行了仿真实验,证明了算法的有效性及优越性。2.针对热工过程中的纯时滞带不确定参数环节,结合内模原理提出了纯时滞对象的L1自适应控制算法。将对象的时滞信息加入L1自适应控制状态预测器中,以抵消纯时滞对系统稳定性的影响。分别针对一阶惯性加纯时滞及高阶多变量纯时滞对象,讨论了纯时滞条件下低通滤波器的设计方法。对于一阶惯性加纯时滞对象,给出了一种确定低通滤波器带宽的解析设计方法,对于较为复杂的高阶加纯时滞对象,给出了一种搜索滤波器最低可行带宽值的数值搜索方法。3.为将系统约束纳入L1控制器的设计中,提出了将L1自适应控制与滚动时域优化控制结合的控制器设计方法。在传统L1自适应控制设计的基础上,利用L1自适应控制中不确定补偿部分与设定值跟踪部分解耦的特点,引入滚动时域优化的思想,将传统L1自适应控制中基于设定值前馈与静态输出反馈的跟踪控制项替换为基于滚动时域优化、在线实时更新的优化控制项,通过调整合适的权重调整控制系统的性能与鲁棒性。在过热汽温喷水减温器大范围参数变动情形下的仿真实验验证了方法的有效性。4.进一步将L1自适应控制与经济性预测控制相结合,提出了一种用于超临界火电机组机炉系统负荷跟踪的经济性控制设计方案,首先采用L1自适应控制器对系统中存在的不确定性进行补偿,使闭环系统的动态有界逼近于给定的线性参考模型。之后采用线性参考模型设计以系统未来一段时间内的经济性指标为优化目标的线性经济性预测控制器,该算法面向热工过程的经济性进行设计,同时兼顾了机炉系统的负荷跟踪性能及运行的经济性。
张婷[8]（2018）在《基于过程数据的热工多变量系统建模与先进控制研究》文中进行了进一步梳理热工对象多是大惯性、非线性、耦合性非常强的复杂多变量系统,多年来,对热工对象的建模和控制一直是研究的热点。基于现场数据的建模以及先进控制更是具有非常重要的理论意义及实际价值。本文主要对热工多变量系统基于现场数据的模型辨识方法以及先进控制策略进行研究。其中,模型辨识部分,针对热工多变量系统的主要模型类型,研究了对输入输出模型的辨识方法和对状态空间模型的辨识方法;先进控制策略部分,考虑到工程实际存在的物理约束,主要对预测控制算法进行了研究,对不同的被控对象和控制目标,设计不同的预测控制算法。最后,将这些辨识方法以及先进控制策略应用于火电机组协调系统和有机朗肯循环余热利用系统中,对算法的可行性和有效性进行了验证。本文的主要内容主要有以下几个方面:1.系统辨识的本质是利用输入输出数据将模型参数估计问题转化为优化问题,提出一种基于精英选择和反向搜索的分布估计算法作为系统辨识的优化方法。该算法对目标函数可行域的凸性以及目标函数的连续性无要求,比传统优化方法适用性更强,从选择机制和搜索机制上对分布估计算法进行了改进,精英选择策略和反向搜索算子的加入,使得算法在兼顾种群多样性的同时迭代导向性更强,收敛到全局最优解的速度更快。通过与其他分布估计算法和智能优化算法在标准函数上的测试对比,表明改进后的分布估计算法在同类智能优化算法中具有出色的寻找到全局最优解的能力和速度,为系统辨识算法的研究打下基础。2.针对系统辨识的准则问题,提出一种对非线性非高斯系统同样具有普遍适用性的最小熵分布估计系统辨识方法。将最小误差熵准则作为系统辨识的准则函数,扩展了对非线性非高斯系统辨识的适用性,基于精英选择和反向搜索的分布估计算法,能够以出色的速度和能力搜寻最优参数估计值。通过对Benchmark非线性系统的辨识,结果表明了该算法对于非线性系统的适用性。将该系统辨识算法应用于基于现场运行数据的火电机组协调系统和基于阶跃响应实验的有机朗肯循环余热利用系统的输入输出模型辨识中,仿真试验表明,该算法应用于热工系统辨识建模是可行和有效的。3.考虑到很多闭环子空间辨识算法应用于实际大规模工业过程算法太过复杂,提出一种较为简便的基于新息估计的改进闭环子空间辨识算法。在对矩阵结构进行分析的基础上,规避了复杂的随机实现和辅助变量的求取等过程,通过简单的矩阵行列元素的提取等运算,获得状态空间模型的参数矩阵。将该算法应用于基于现场闭环数据的火电机组协调系统状态空间模型的辨识中,仿真试验表明了该方法对于热工系统状态空间模型辨识的可行性和有效性。4.针对工业控制系统由于模型失配或者被控对象特性在运行过程中发生改变造成的控制性能下降问题,设计了基于数据驱动的闭环子空间预测控制策略。将闭环子空间辨识算法与预测控制算法结合起来,直接根据输入输出数据对系统未来输出进行预测,避免了建模不准确所造成误差,提高了控制准确性,且被控对象特性发生改变时,能够及时根据输入输出数据对控制器进行调整,提高了系统的鲁棒性。对火电机组协调系统的仿真试验表明,相较于基于模型的预测控制和传统的PID控制,该算法能够提高系统的设定值跟踪性能和鲁棒性能。5.针对热工系统大范围运行工况问题,设计了基于辨识模型的多模型预测控制策略,并将其应用于有机朗肯循环余热利用系统。仿真试验表明,该控制策略能够在保证输入变量约束的基础上,使得系统在大范围工况运行时具有良好的设定值跟踪能力和抵抗扰动的能力。
王伊明[9]（2016）在《模型参考自适应控制的研究及其在热工控制系统的应用》文中研究指明我国的主力机组正向大容量和高参数的方向发展,对热工控制系统有了更高的要求,需要更好的自动化控制方法提高控制效果。本文详细的分析了模型参考自适应控制的研究现状,可以看出,模型参考自适应控制有很大的优越性,且其本身仍然有很大的探索空间。因此,对模型参考自适应控制进行深入的研究有着重要的意义,可以预言,随着模型参考自适应控制理论研究的不断深入和完善,其发展前景广阔。本文主要在介绍和分析一阶系统的模型参考自适应控制的基础上,研究了二阶系统的模型参考自适应控制,构造了李雅普诺夫函数和自适应律,证明了系统的稳定性。参考模型通过期望极点法按设计者所期望的动态特性设计传递函数的参数。然后对热工控制系统进行了分析,着重分析了热工控制系统中的一个典型的二阶系统,即对汽包锅炉水位系统,采用二阶系统的模型参考自适应控制对水位控制进行仿真实验,并与传统PID相比较。从仿真曲线中可以很明显的看出,在模型参考自适应控制下的系统响应曲线具有更好的动态性能,即使在被控对象参数发生很大变化的时候,模型参考自适应控制系统仍然运行良好,输出曲线的动态特性具有令人满意的特性。
陈智轩[10]（2013）在《模型参考自适应控制方法的研究及其在热工过程控制中的应用》文中研究说明本文首先研究了一类有界干扰和未建模动态影响下的直接模型参考自适应控制算法。考虑单输入单输出对象,给出Narendra提出的稳定自适应方案在具有未建模动态下的误差模型。重新选择了一个李亚普诺夫函数,根据李亚普诺夫稳定性理论,采用启发式的思路,推导出适合对象具有未建模动态情况下的自适应规律。将提出的模型参考自适应控制方法应用在大规模连续生产过程常见的重要设备,工业锅炉和蒸发器的整体控制上。先进控制算法比较复杂,计算代价比较大,要在一个采样周期内完成输出量的计算,就不能采用太高的采样速率。工业锅炉和蒸发器都是多变量、强耦合、非线性、纯滞后的复杂系统,但是这类对象的参数变化往往相对缓慢,因此非常适合用来验证各类新型的先进算法。本文的被控对象是高精度半实物仿真实验系统SMPT-100,以西门子PCS7系统和S7-400PLC组成控制系统,完成了控制系统的组态。负荷变动下的运行情况显示连续时间模型参考自适应控制可以应用计算机进行闭环控制,热量与工质循环正常,燃烧稳定。实验结果表明模型参考自适应控制能满足过程控制要求。将非线性反馈精确线性化方法和σ修正复合模型参考自适应方法应用于火力发电站单元机组的协调控制。考虑了干扰和系统摄动,分析静态精确反馈线性化解耦的鲁棒性问题,提出利用控制器补偿精确反馈线性化失效的影响。把耦合作为自适应系统的干扰处理,设计了每个回路的σ修正复合模型参考自适应控制器,阐述了根据匹配条件设计参考模型系统矩阵的方法。进行了仿真和对比,表明在同样基于反馈线性化的前提下,6修正复合模型参考自适应方法优于其它现有的方案。
二、分散自适应控制及其在热工控制中的应用（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、分散自适应控制及其在热工控制中的应用（论文提纲范文）
（1）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 |
（2）改进型时间序列模型预测控制及其在热工过程中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 热工过程常用控制策略简述 |
| 1.2.1 PID控制策略 |
| 1.2.2 预测控制策略 |
| 1.2.3 时间序列分析 |
| 1.3 本文主要研究内容及组织结构 |
| 第二章 预备知识 |
| 2.1 PID及分数阶PID控制算法 |
| 2.1.1 PID控制算法 |
| 2.1.2 分数阶PID控制算法 |
| 2.2 预测控制 |
| 2.2.1 预测模型 |
| 2.2.2 反馈校正 |
| 2.2.3 滚动优化 |
| 2.3 Laguerre正交基及其函数模型 |
| 2.3.1 Laguerre正交基 |
| 2.3.2 线性系统Laguerre函数模型 |
| 2.4 离散时间序列模型 |
| 2.4.1 自回归模型 |
| 2.4.2 滑动平均模型 |
| 2.4.3 自回归滑动平均模型 |
| 2.4.4 ARX模型和ARMAX模型 |
| 2.5 本章小结 |
| 第三章 改进型多变量Laguerre函数模型预测控制及应用 |
| 3.1 火电单元机组负荷控制系统流程及模型建立 |
| 3.1.1 火电单元机组工作流程 |
| 3.1.2 火电单元机组负荷控制数学模型 |
| 3.2 多变量Laguerre函数模型分数阶PID预测控制算法 |
| 3.2.1 MLMPC-FOPID算法推导 |
| 3.2.2 仿真实验 |
| 3.3 本章小结 |
| 第四章 基于正交基优化的ARX模型预测控制及应用 |
| 4.1 过热汽温控制系统流程及模型建立 |
| 4.1.1 过热汽温控制流程 |
| 4.1.2 过热汽温控制数学模型 |
| 4.2 ARX-Laguerre模型PID预测控制算法 |
| 4.2.1 ARX-Laguerre模型 |
| 4.2.2 ALMPC-PID算法推导 |
| 4.2.3 模型参数辨识 |
| 4.2.4 稳定性分析 |
| 4.2.5 仿真实验 |
| 4.2.6 PID参数对算法性能的影响 |
| 4.3 ARX-Laguerre模型分数阶PID预测控制算法 |
| 4.3.1 ALMPC-FOPID算法推导 |
| 4.3.2 仿真实验 |
| 4.3.3 积分和微分阶次对算法性能的影响 |
| 4.4 本章小结 |
| 第五章 基于正交基优化的ARMAX模型预测控制及应用 |
| 5.1 循环流化床锅炉主蒸汽压力控制系统流程及模型建立 |
| 5.1.1 循环流化床锅炉燃烧系统 |
| 5.1.2 主蒸汽压力控制数学模型 |
| 5.2 ARMAX-Laguerre模型PID预测控制算法 |
| 5.2.1 ARMAX-Laguerre模型 |
| 5.2.2 AMLMPC-PID算法推导 |
| 5.3 基于差分进化算法的参数寻优 |
| 5.3.1 差分进化算法 |
| 5.3.2 AMLMPC-PID算法的参数寻优 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间完成的科研情况 |
（3）基于高斯过程回归的热工系统数据驱动建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 热工系统数据驱动建模方法研究现状 |
| 1.2.1 统计建模方法 |
| 1.2.2 神经网络建模方法 |
| 1.2.3 模糊逻辑建模方法 |
| 1.2.4 混合建模方法 |
| 1.2.5 传递函数建模方法 |
| 1.3 热工过程历史运行数据特性分析 |
| 1.4 高斯过程回归的预备知识 |
| 1.4.1 高斯过程回归方法的研究现状 |
| 1.4.2 高斯过程基本概念 |
| 1.4.3 高斯过程回归 |
| 1.4.4 高斯模型的训练 |
| 1.5 本文主要研究内容和章节安排 |
| 第2章 热工过程数据异常值处理方法研究 |
| 2.1 引言 |
| 2.2 异常值检测及校正技术 |
| 2.3 热工过程历史运行数据异常值检测 |
| 2.3.1 经验小波变换方法 |
| 2.3.2 局部离群因子算法 |
| 2.3.3 EWT-LOF异常值检测方法 |
| 2.4 异常数据校正与缺失值补全 |
| 2.4.1 Nadaraya-Watson回归 |
| 2.4.2 校正与补全方法 |
| 2.5 热工过程数据实例 |
| 2.5.1 热工过程数据异常值检测 |
| 2.5.2 热工过程数据异常值校正与缺失值补全 |
| 2.6 本章小结 |
| 第3章 热工系统稳态检测方法研究 |
| 3.1 引言 |
| 3.1.1 稳态工况的定义 |
| 3.1.2 现有稳态检测方法回顾 |
| 3.2 基于信号分解和R统计检验法的稳态检测方法 |
| 3.2.1 R统计检验法 |
| 3.2.2 稳态检测方法描述 |
| 3.2.3 仿真数据验证 |
| 3.3 热工系统稳态工况检测实例 |
| 3.3.1 单变量稳态检测 |
| 3.3.2 多变量系统稳态检测 |
| 3.4 本章小结 |
| 第4章 基于样本稀疏化和特征变量选择的GPR建模 |
| 4.1 引言 |
| 4.2 基于样本稀疏化和特征变量选择的GPR建模方法 |
| 4.2.1 基于相关系数的多测点数据融合 |
| 4.2.2 基于数据相似性和信息熵的样本稀疏化方法 |
| 4.2.3 基于LARS的特征变量选择 |
| 4.2.4 Pc-lars-s-GPR模型结构 |
| 4.3 烟气含氧量的Pc-lars-s-GPR建模 |
| 4.3.1 建模数据准备 |
| 4.3.2 样本稀疏化与特征变量选择 |
| 4.3.3 建模结果分析 |
| 4.4 本章小结 |
| 第5章 考虑输入时延的组合核函数动态GPR建模 |
| 5.1 引言 |
| 5.2 动态模型描述 |
| 5.3 考虑输入时延的组合核函数动态模型构建 |
| 5.3.1 灰色关联度分析 |
| 5.3.2 组合核函数 |
| 5.3.3 GRA-CKDGPR模型结构 |
| 5.4 烟气含氧量的GRA-CKDGPR建模 |
| 5.4.1 建模数据准备 |
| 5.4.2 建模结果分析 |
| 5.5 本章小结 |
| 第6章 基于自适应模糊聚类的多模型动态GPR建模 |
| 6.1 引言 |
| 6.1.1 多模型策略 |
| 6.1.2 数据划分策略 |
| 6.1.3 模型合成策略 |
| 6.2 一种自适应多目标模糊聚类方法 |
| 6.2.1 算法基本原理 |
| 6.2.2 基于自适应NSGA-II的动态模糊聚类方法 |
| 6.2.3 算法流程及时间复杂度分析 |
| 6.2.4 聚类实例验证 |
| 6.3 基于多模型策略的动态GPR建模方法 |
| 6.3.1 GPR动态子模型构建 |
| 6.3.2 子模型合成策略 |
| 6.3.3 基于自适应模糊聚类的多模型动态GPR模型结构 |
| 6.4 烟气含氧量的多模型建模 |
| 6.4.1 建模数据准备 |
| 6.4.2 建模结果分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 论文的主要工作和创新点 |
| 7.2 后续工作展望 |
| 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 |
（4）热工过程的多变量扰动抑制控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景及选题意义 |
| 1.2 扰动抑制控制研究现状 |
| 1.2.1 扰动抑制补偿方式 |
| 1.2.2 基于解耦的扰动抑制控制 |
| 1.2.3 基于非解耦的多变量扰动观测器的控制策略 |
| 1.2.4 模型预测控制框架下的扰动抑制 |
| 1.3 扰动抑制控制方法在热工过程控制中的应用研究现状 |
| 1.3.1 基于单一模型的热工过程扰动抑制控制 |
| 1.3.2 基于多模型的热工过程扰动抑制控制 |
| 1.4 存在的问题及本文研究工作 |
| 1.4.1 存在的问题 |
| 1.4.2 本文研究内容 |
| 第二章 基于热工过程的解耦模型的扰动抑制方法研究 |
| 2.1 引言 |
| 2.2 线性自抗扰控制 |
| 2.2.1 传统线性自抗扰技术 |
| 2.2.2 模型参考自抗扰控制技术 |
| 2.3 基于机炉协调系统解耦模型的扰动抑制控制方法研究 |
| 2.3.1 一种基于期望模型的解耦策略 |
| 2.3.2 基于解耦模型的自抗扰控制策略研究 |
| 2.3.3 所设计的控制器的鲁棒性分析 |
| 2.4 基于机炉协调系统的解耦模型的扰动抑制的仿真研究 |
| 2.4.1 控制器参数的确定以及鲁棒性验证 |
| 2.4.2 机炉协调系统仿真实验 |
| 2.5 本章小结 |
| 第三章 机炉协调系统多变量扰动抑制控制方法研究 |
| 3.1 引言 |
| 3.2 基于多变量扰动观测器的扰动抑制方法 |
| 3.2.1 多变量扰动观测器方法的介绍 |
| 3.2.2 控制参数整定 |
| 3.2.3 改进的多变量扰动抑制策略 |
| 3.3 基于多变量扰动观测器的抗饱和跟踪控制方法研究 |
| 3.3.1 系统总体设计 |
| 3.3.2 基于多变量扰动观测器的跟踪控制 |
| 3.3.3 基于扩增状态观测器的Anti-windup控制策略研究 |
| 3.4 基于机炉系统的多变量扰动观测器的扰动抑制控制仿真研究 |
| 3.4.1 实验一: 抗积分饱和补偿测试 |
| 3.4.2 实验二: 扰动抑制测试 |
| 3.5 本章小结 |
| 第四章 具有扰动抑制能力的机炉协调系统的非线性预测控制研究 |
| 4.1 引言 |
| 4.2 相关定义和引理 |
| 4.3 机炉协调系统的非线性动力学分析 |
| 4.3.1 机炉协调系统的非线性数学模型 |
| 4.3.2 机炉协调系统非线性动力学分析 |
| 4.3.3 扰动特性的验证 |
| 4.4 扰动抑制控制器设计 |
| 4.4.1 机炉协调系统的T-S模糊模型 |
| 4.4.2 最小扰动鲁棒不变集 |
| 4.5 系统控制策略研究 |
| 4.5.1 模糊鲁棒预测控制 |
| 4.5.2 双模控制器策略 |
| 4.6 机炉协调系统的多模型预测控制仿真研究 |
| 4.6.1 参数设置及离线求解 |
| 4.6.2 仿真实验 |
| 4.7 本章小结 |
| 第五章 基于管道约束的多模型预测控制方法研究 |
| 5.1 引言 |
| 5.2 相关定义以及控制方案的结构 |
| 5.2.1 定义给出 |
| 5.2.2 研究模型 |
| 5.2.3 控制方案的结构 |
| 5.3 辅助控制器和离散模糊扰动观测器的综合设计 |
| 5.3.1 离散模糊DOB |
| 5.3.2 控制器参数综合设计 |
| 5.4 鲁棒模糊预测控制 |
| 5.4.1 紧约束求解 |
| 5.4.2 Quasi-min-max FM PC |
| 5.4.3 跟踪目标值的极点说明 |
| 5.5 仿真实验 |
| 5.5.1 数值仿真案例 |
| 5.5.2 机炉协调系统的强鲁棒的多模型预测控制仿真实验 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 论文主要工作 |
| 6.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）基于Laguerre函数模型的改进型预测控制及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 两种典型热工过程控制发展现状 |
| 1.2.1 循环流化床锅炉的控制策略发展现状 |
| 1.2.2 火电单元机组负荷系统的控制策略发展现状 |
| 1.3 PID控制和预测控制策略发展现状 |
| 1.3.1 PID控制 |
| 1.3.2 预测控制 |
| 1.4 本文主要研究内容及组织结构 |
| 第二章 Laguerre函数模型及预测控制 |
| 2.1 Laguerre函数模型 |
| 2.1.1 Laguerre函数 |
| 2.1.2 线性系统的Laguerre函数模型 |
| 2.2 预测控制 |
| 2.3 本章小结 |
| 第三章 基于Laguerre函数模型的PID及分数阶PID预测控制 |
| 3.1 循环流化床锅炉介绍及床温模型的建立 |
| 3.1.1 CFB锅炉工作原理 |
| 3.1.2 CFB锅炉床温数学模型 |
| 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函数模型的PID预测控制 |
| 3.3.1 基于Laguerre函数模型的预测控制 |
| 3.3.2 控制器设计 |
| 3.3.3 模型参数辨识 |
| 3.3.4 稳定性分析 |
| 3.3.5 仿真分析 |
| 3.4 基于Laguerre函数模型的分数阶PID预测控制 |
| 3.4.1 分数阶PID控制 |
| 3.4.2 控制器设计 |
| 3.4.3 仿真实验 |
| 3.5 本章小结 |
| 第四章 基于Laguerre函数模型的多变量PID预测控制 |
| 4.1 火电单元机组负荷系统 |
| 4.2 控制算法设计 |
| 4.2.1 控制量推导 |
| 4.2.2 模型辨识 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间完成的科研情况 |
（6）火电机组灵活运行控制关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 制粉系统优化控制研究现状 |
| 1.2.2 协调系统优化控制研究现状 |
| 1.2.3 供热机组热电解耦研究现状 |
| 1.2.4 供热机组蓄能利用研究现状 |
| 1.3 论文研究内容 |
| 第2章 适应灵活运行的制粉系统优化控制 |
| 2.1 制粉系统工作原理及特性 |
| 2.2 制粉系统非线性动态模型 |
| 2.2.1 一次风非线性动态方程 |
| 2.2.2 磨煤机非线性动态方程 |
| 2.2.3 模型参数辨识及验证 |
| 2.3 制粉系统多变量优化控制 |
| 2.3.1 阶梯式多变量广义预测控制 |
| 2.3.2 基于多变量预测控制的制粉系统优化控制 |
| 2.3.3 控制系统仿真及验证 |
| 2.4 制粉系统存粉深度利用控制 |
| 2.4.1 改进的制粉系统最简模型 |
| 2.4.2 一次风流量动态补偿控制 |
| 2.4.3 控制系统仿真及验证 |
| 2.5 本章小结 |
| 第3章 适应灵活运行的协调系统优化控制 |
| 3.1 阶梯式广义预测控制算法研究 |
| 3.1.1 预测控制与阶梯式控制的基本原理 |
| 3.1.2 阶梯式广义预测控制算法 |
| 3.1.3 控制器跟踪与无扰切换 |
| 3.2 汽包炉机组协调系统优化控制 |
| 3.2.1 汽包炉机组动态特性分析 |
| 3.2.2 汽包炉机组协调优化控制 |
| 3.2.3 控制系统仿真验证 |
| 3.2.4 330MW级汽包炉机组控制验证 |
| 3.3 直流炉机组协调系统优化控制 |
| 3.3.1 直流炉机组动态特性分析 |
| 3.3.2 直流炉机组协调优化控制 |
| 3.3.3 控制系统仿真验证 |
| 3.3.4 660MW级直流炉机组控制验证 |
| 3.4 本章小结 |
| 第4章 适应深度变负荷的供热机组热电解耦控制 |
| 4.1 抽汽供热基本原理及特性分析 |
| 4.1.1 抽汽式供热基本原理 |
| 4.1.2 抽汽式供热安全区计算 |
| 4.2 吸收式热泵辅助供热模型研究 |
| 4.2.1 基本原理及特性分析 |
| 4.2.2 水和溴化锂溶液物性特性 |
| 4.2.3 吸收式热泵动态模型 |
| 4.3 含两级旁路供热机组模型研究 |
| 4.3.1 基本原理及特性分析 |
| 4.3.2 含两级旁路供热机组动态模型 |
| 4.4 储热罐辅助供热模型研究 |
| 4.4.1 基本原理及特性分析 |
| 4.4.2 储热罐动态模型 |
| 4.5 热网系统计算模型研究 |
| 4.5.1 热网热负荷计算模型 |
| 4.5.2 供回水温度计算模型 |
| 4.6 联合供热系统仿真模型 |
| 4.6.1 联合供热基本原理 |
| 4.6.2 联合供热仿真模型 |
| 4.7 深度热电解耦控制系统 |
| 4.7.1 控制系统设计 |
| 4.7.2 控制系统仿真及验证 |
| 4.8 本章小结 |
| 第5章 适应快速变负荷的供热机组多能源协同控制 |
| 5.1 多能源协同控制全局优化方案 |
| 5.1.1 多能源系统特点及局限性 |
| 5.1.2 多能源协同控制全局优化方案 |
| 5.2 多能源协同调度系统 |
| 5.2.1 信号多尺度分解方法 |
| 5.2.2 控制系统性能评价指标 |
| 5.2.3 负荷指令处理和优化分配 |
| 5.3 分布式能源协同控制系统 |
| 5.3.1 锅炉蓄能协同控制系统 |
| 5.3.2 热网蓄能协同控制系统 |
| 5.3.3 储热罐蓄能协同控制系统 |
| 5.4 多能源在线评估系统 |
| 5.4.1 热网蓄能评估 |
| 5.4.2 储热罐蓄能评估 |
| 5.5 多能源协同负荷控制系统 |
| 5.5.1 控制系统设计 |
| 5.5.2 控制系统仿真及验证 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 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 |
（7）L1自适应控制及其在热工过程中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景及选题意义 |
| 1.2 热工过程的几个典型动态模型及其数学特征 |
| 1.2.1 换热器模型 |
| 1.2.2 锅炉燃烧系统 |
| 1.2.3 亚临界机炉协调模型 |
| 1.2.4 超临界机炉协调模型 |
| 1.3 鲁棒自适应控制与L_1自适应控制 |
| 1.3.1 自适应控制的发展历史 |
| 1.3.2 L_1自适应控制 |
| 1.3.3 L_1自适应控制的发展现状 |
| 1.4 热工过程自适应控制现状 |
| 1.4.1 直接在线整定控制器参数的自适应控制 |
| 1.4.2 在线实时更新模型的自适应控制 |
| 1.5 目前存在的问题及本文研究工作 |
| 第二章 基于输出反馈的多变量L_1自适应控制研究 |
| 2.1 引言 |
| 2.2 具有微分同胚输出映射系统的输出反馈L_1自适应控制 |
| 2.2.1 多变量输出反馈L_1自适应控制模型 |
| 2.2.2 L_1自适应控制器 |
| 2.2.3 参数搜索边界的确定 |
| 2.2.4 采用阀门反馈信号处理积分饱和 |
| 2.2.5 L_1自适应控制器性能分析 |
| 2.3 基于严格正实（SPR）动态补偿的输出反馈L_1自适应控制 |
| 2.3.1 一般系统的SPR动态补偿 |
| 2.3.2 L_1自适应控制器设计 |
| 2.3.3 L_1自适应控制性能分析 |
| 2.4 多变量输出反馈L_1自适应控制的一般步骤 |
| 2.5 仿真实验 |
| 2.5.1 基于输出反馈的Bell-?str?m锅炉-汽轮机系统L_1自适应控制仿真研究 |
| 2.5.2 300MW单元机组的燃烧控制仿真研究 |
| 2.6 本章小结 |
| 第三章 纯时滞对象L_1自适应控制研究 |
| 3.1 引言 |
| 3.2 纯时滞对象L_1自适应控制的设计及性能分析 |
| 3.2.1 纯时滞对象L_1自适应控制的基本框架 |
| 3.2.2 纯时滞对象L_1自适应控制的设计 |
| 3.2.3 纯时滞对象L_1自适应控制的性能分析 |
| 3.3 纯时滞对象L_1自适应控制的滤波器设计 |
| 3.3.1 一阶惯性纯时滞对象的低通滤波器设计 |
| 3.3.2 高阶惯性纯时滞对象的低通滤波器参数数值搜索法 |
| 3.4 纯时滞对象的L_1自适应控制仿真研究 |
| 3.4.1 一阶惯性纯时滞对象 |
| 3.4.2 高阶惯性纯时滞对象 |
| 3.5 本章小结 |
| 第四章 融合滚动时域优化控制思想的约束L_1自适应控制 |
| 4.1 引言 |
| 4.2 预测控制与L_1自适应控制融合算法 |
| 4.2.1 控制问题的分解 |
| 4.2.2 融合滚动时域优化思想的L_1自适应控制基本框架 |
| 4.2.3 针对系统不确定性的L_1自适应补偿部分 |
| 4.2.4 滚动时域优化 |
| 4.2.5 系统的稳定性讨论 |
| 4.3 仿真实验 |
| 4.4 本章小结 |
| 第五章 超临界机炉协调系统L_1自适应-经济性预测融合控制 |
| 5.1 引言 |
| 5.2 超临界机炉协调系统介绍 |
| 5.3 L_1自适应-经济性预测融合控制算法 |
| 5.3.1 控制器基本框架 |
| 5.3.2 L_1控制器的设计 |
| 5.3.3 基于实际经济性需求的经济性预测控制 |
| 5.4 1000MW超超临界机炉协调系统仿真实验 |
| 5.4.1 被控对象及优化指标的线性化拟合 |
| 5.4.2 跟踪控制仿真实验 |
| 5.4.3 抗扰仿真实验 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 论文主要工作 |
| 6.2 后续研究展望 |
| 参考文献 |
| 附录 本文涉及的若干定义及引理 |
| 致谢 |
| 作者简介 |
（8）基于过程数据的热工多变量系统建模与先进控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 多变量系统模型辨识 |
| 1.2.1 多变量系统模型 |
| 1.2.2 输入输出模型辨识 |
| 1.2.3 子空间模型辨识 |
| 1.3 先进控制研究 |
| 1.3.1 先进控制技术 |
| 1.3.2 预测控制 |
| 1.3.3 预测控制在热工系统中的应用 |
| 1.4 本论文的主要研究内容 |
| 第2章 基于精英选择和反向搜索的改进分布估计算法 |
| 2.1 引言 |
| 2.2 基本分布估计算法 |
| 2.3 改进分布估计算法 |
| 2.3.1 精英选择 |
| 2.3.2 二次反向搜索 |
| 2.3.3 结合精英选择和二次反向搜索的改进EDA算法 |
| 2.4 数值算例 |
| 2.4.1 与其他分布估计算法的对比 |
| 2.4.2 与其他智能优化算法的对比 |
| 2.5 本章小结 |
| 第3章 基于最小熵分布估计算法辨识的热工多变量系统建模 |
| 3.1 引言 |
| 3.2 最小熵分布估计算法系统辨识 |
| 3.2.1 最小误差熵准则 |
| 3.2.2 最小熵分布估计算法系统辨识 |
| 3.3 数值算例 |
| 3.3.1 对比试验一 |
| 3.3.2 对比试验二 |
| 3.4 热工多变量系统建模应用 |
| 3.4.1 火电机组协调系统辨识建模 |
| 3.4.2 有机朗肯循环余热利用系统辨识建模 |
| 3.5 本章小结 |
| 第4章 改进闭环子空间辨识算法及其在热工系统建模中的应用 |
| 4.1 引言 |
| 4.2 基本开环子空间辨识算法 |
| 4.3 基于新息估计的改进闭环子空间辨识算法 |
| 4.3.1 闭环辨识问题 |
| 4.3.2 算法描述 |
| 4.4 火电机组协调系统建模 |
| 4.4.1 模型建立 |
| 4.4.2 模型验证 |
| 4.5 本章小结 |
| 第5章 改进预测控制算法及其在热工系统中的应用 |
| 5.1 引言 |
| 5.2 预测控制的基本思想 |
| 5.3 基于子空间的数据驱动预测控制及其在协调系统中的应用 |
| 5.3.1 闭环子空间数据驱动预测控制 |
| 5.3.2 闭环子空间数据驱动预测控制在协调系统中的应用 |
| 5.4 基于辨识模型的多模型预测控制及其在ORC系统中的应用 |
| 5.4.1 ORC余热发电系统的运行方式和控制目标 |
| 5.4.2 ORC余热发电系统的多模型预测控制器设计 |
| 5.4.3 ORC余热发电系统的多模型预测控制应用 |
| 5.5 本章小结 |
| 本章附录: ORC系统局部子模型 |
| 第6章 结论与展望 |
| 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 |
（9）模型参考自适应控制的研究及其在热工控制系统的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 自适应控制的概述 |
| 1.2.1 自适应控制系统的分类 |
| 1.2.2 自适应控制的发展概况与研究现状 |
| 1.3 模型参考自适应控制的研究现状与发展 |
| 1.4 本文的主要工作 |
| 第2章 模型参考自适应控制的研究 |
| 2.1 模型参考自适应控制原理 |
| 2.2 一阶系统模型参考自适应控制 |
| 2.2.1 一阶系统的模型参考自适应控制律 |
| 2.2.2 稳定性分析 |
| 2.3 二阶系统模型参考自适应控制分析 |
| 2.3.1 参考模型的选取 |
| 2.3.2 二阶系统模型参考自适应控制律 |
| 2.3.3 稳定性分析 |
| 2.4 本章小结 |
| 第3章 模型参考自适应控制在水位控制系统的应用 |
| 3.1 引言 |
| 3.2 汽包锅炉水位自动控制系统 |
| 3.2.1 水位控制的任务 |
| 3.2.2 水位控制对象的动态特性 |
| 3.2.3 三冲量汽包水位的模型参考自适应控制 |
| 3.3 仿真实验及分析 |
| 3.3.1 仿真实验 |
| 3.3.2 模型参考自适应控制与传统PID控制仿真结果比较 |
| 3.4 本章小结 |
| 第4章 结论与展望 |
| 4.1 本文总结 |
| 4.2 研究展望 |
| 参考文献 |
| 致谢 |
（10）模型参考自适应控制方法的研究及其在热工过程控制中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 模型参考自适应综述 |
| 1.3 锅炉控制方法综述 |
| 1.4 蒸发器控制问题综述 |
| 1.5 本文的内容安排 |
| 第二章 模型参考自适应改进稳定性的研究 |
| 2.1 引言 |
| 2.2 模型参考自适应控制原理 |
| 2.2.1 局部参数优化设计模型参考自适应系统 |
| 2.2.2 李亚普诺夫稳定性理论设计模型参考自适应系统 |
| 2.3 稳定自适应控制方案的结构 |
| 2.4 自适应律的修正 |
| 2.5 仿真分析 |
| 2.6 本章小结 |
| 第三章 锅炉系统的自适应控制实验 |
| 3.1 引言 |
| 3.2 工业锅炉和控制回路方案 |
| 3.3 模型参考自适应控制器在PLC上的实现 |
| 3.3.1 PLC编程语言简介 |
| 3.3.2 模型参考自适应控制的SCL语言编程 |
| 3.4 基于SIEMENS PCS7的控制系统的构成 |
| 3.5 控制效果 |
| 3.6 本章小结 |
| 第四章 蒸发器系统的自适应控制实验 |
| 4.1 引言 |
| 4.2 单效蒸发器和控制方案 |
| 4.3 基于SIEMENS PCS7的控制系统结构 |
| 4.4 控制系统运行结果 |
| 4.5 本章小结 |
| 第五章 单元机组的非线性自适应控制 |
| 5.1 引言 |
| 5.2 汽包锅炉涡轮机系统模型及其精确线性化解耦 |
| 5.3 静态状态反馈线性化的鲁棒性和抗干扰能力 |
| 5.4 校正复合模型参考自适应控制策略 |
| 5.4.1 控制方案 |
| 5.4.2 滤波器设计 |
| 5.4.3 复合自适应律 |
| 5.4.4 σ校正复合模型参考自适应律 |
| 5.5 汽包锅炉涡轮机系统控制器设计 |
| 5.6 仿真验证 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
四、分散自适应控制及其在热工控制中的应用（论文参考文献）
- [1]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)
- [2]改进型时间序列模型预测控制及其在热工过程中的应用[D]. 张鹏程. 南京信息工程大学, 2020(02)
- [3]基于高斯过程回归的热工系统数据驱动建模研究[D]. 贾昊. 华北电力大学(北京), 2020(06)
- [4]热工过程的多变量扰动抑制控制方法研究[D]. 朱建忠. 东南大学, 2019(01)
- [5]基于Laguerre函数模型的改进型预测控制及应用研究[D]. 乔东东. 南京信息工程大学, 2019(03)
- [6]火电机组灵活运行控制关键技术研究[D]. 高耀岿. 华北电力大学(北京), 2019(01)
- [7]L1自适应控制及其在热工过程中的应用研究[D]. 韩四维. 东南大学, 2018(05)
- [8]基于过程数据的热工多变量系统建模与先进控制研究[D]. 张婷. 华北电力大学(北京), 2018(05)
- [9]模型参考自适应控制的研究及其在热工控制系统的应用[D]. 王伊明. 华北电力大学, 2016(03)
- [10]模型参考自适应控制方法的研究及其在热工过程控制中的应用[D]. 陈智轩. 广西大学, 2013(03)