典型文献
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
文献摘要：
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.
文献关键词：
主蒸汽温度;广义预测控制;模糊神经网络;权重因子;自校正;串级控制
中图分类号：
作者姓名：
王懋譞;王永富;柴天佑;张晓宇
作者机构：
东北大学机械工程与自动化学院 沈阳110819;东北大学流程工业综合自动化国家重点实验室 沈阳110819;国家能源投资集团 北京100011
文献出处：
引用格式：
[1]王懋譞;王永富;柴天佑;张晓宇-.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)[J].自动化学报,2022(02):418-433
A类：
B类：
权重因子,自校正,主蒸汽温度,度外,外挂,串级控制,控制器调节,锅炉,时滞,GPC,Generalized,predictive,control,多步预测,滚动优化,优化技术,系统参数,Takagi,Sugeno,模糊神经网络,Fuzzy,neural,network,FNN,温度模型,反馈校正,校正技术,实时更新,更新模型,动态响应,仿真验证,集散控制系统,Distributed,system,DCS,升级成,应用验证,广义预测控制
AB值：
0.23952
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
