针对污水处理中和反应过程pH值控制具有强干扰和模型参数易变等特点,利用内模控制方法的设定值响应和干扰响应之间相互独立的优点,提出一种基于内模控制和神经网络逆模型相结合的pH值优化控制策略.通过在系统中插入低通滤波器,并采用RBF神经网络在线辨识被控对象的逆模型,提高污水处理pH值控制的鲁棒性和抗干扰能力,有效解决中和反应pH值控制过程中模型参数易变的问题.MATLAB仿真结果表明:与常规PID控制和不带滤波器的神经内模控制策略相比,提出的优化控制策略超调量最多降低17.4％,调节时间最多减少113.6 s,有效提高了系统鲁棒性和抗干扰能力.工程应用表明:使用所提策略后,pH值控制偏差在±0.2以内,系统的控制精度和稳定性显著提高.

针对火力发电机组燃气锅炉主汽温控制系统存在的强干扰和不确定性问题,利用滑模控制对系统参数变化和扰动不灵敏的优点,提出一种基于反演滑模控制和自适应算法相结合的主汽温优化控制策略.将主汽温控制过程中存在的干扰和不确定性归结为系统的总干扰,通过设计李雅普诺夫函数和虚拟控制量,逐步回推出反演滑模控制一级减温粗调控制器;在此基础上,采用自适应算法对系统总干扰进行估计,并设计出自适应反演滑模控制二级减温细调控制器.MATLAB仿真结果表明:与常规PID和反演滑模控制策略相比,所提策略的调节时间可减少126.9 s,超调量可降低20.1％,系统抗干扰及鲁棒性能得到有效提升.工程应用结果表明:所提策略的主汽温控制偏差小于±4℃,系统稳定性和抗干扰能力显著提高.

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.

针对高炉热风炉拱顶温度控制的大惯性、纯滞后和超调大的特点,提出一种模糊自适应滑模控制策略.将滑模控制强鲁棒性的特点与模糊自适应控制的良好逼近能力相结合,并考虑到系统不确定项和外部干扰会使系统状态偏离滑模面,引入附加控制项使系统轨迹能够在有限时间内趋向滑模面;利用模糊自适应控制逼近系统未知参数和不确定项,抵消由建模误差和外部扰动对系统的影响,实现对逼近误差的修正和补偿;借助Lyapunov方法导出模糊自适应律,通过调节自适应权重保证整个闭环系统的收敛性和稳定性.仿真结果表明:模糊自适应滑模控制策略与PID和常规滑模控制相比,加入干扰后调节时间最多减少35 s,超调量最多降低12.1％,系统抖振较常规滑模控制最多降低16％.工程应用表明:使用所提策略后,拱顶温度上下波动幅度小,偏差小于±5℃,系统稳定性和抗干扰能力显著提高,表明该模糊自适应滑模控制器具有抖振小、响应快、精度高的特点.

针对燃气发电锅炉主汽压控制的非线性、纯滞后和强干扰特点,提出了 一阶时延模型的主汽压滑模预测优化控制策略.利用广义预测控制对滑模控制器的增益及主汽压作出实时预测,根据主汽压预测偏差对滑模增益进行反馈校正和滚动优化,以降低滑模控制系统的抖振.对煤气调节阀的流量特性进行非线性补偿,通过优化目标函数求出离散形式的最佳控制律.仿真结果表明:与常规PID、滑模控制和动态矩阵控制相比,模型适配时所提出的控制策略使调节时间最多减少19.1 s,超调量最多降低16.4％;滑模函数抖振小,系统抗干扰及鲁棒性良好.工程应用表明:使用所提策略后,系统抖振比单一滑模控制的降低60％,主汽压控制偏差小于±0.05 MPa,系统稳定性和抗干扰能力明显提高.

针对火电机组燃煤锅炉系统的大惯性、大滞后和强耦合等特点,提出了一种基于隐式广义预测控制(Implicit generalized predictive control,IGPC)的火电机组多目标协同燃烧优化控制策略.以主蒸汽压力、炉膛负压和烟气含氧量为被控量,以燃料量、引风量和送风量为操纵量,设计基于IGPC解耦控制的多输入多输出燃烧优化控制系统,通过PID神经网络对多输入多输出预测模型进行解耦,利用滚动优化实时对目标函数进行寻优,并引入基于误差的反馈校正算法,使各控制量输出达到设定值.仿真结果表明:IGPC解耦控制策略与常规PID和IGPC未解耦控制策略相比,施加扰动的情况下,主汽压、烟气含氧量和炉膛负压调节时间分别最多可减少141s、210s和162s,超调量分别最多可减少18.2％、4％和9.3％.工程应用表明:主汽压、烟气含氧量和炉膛负压控制偏差分别低于?0.15MPa、3％和?0.7Pa,各被控量波动范围小,具有良好的控制效果.

针对燃气锅炉主汽压控制的非线性、干扰大和模型参数易变的特点,常规比例积分微分(PID)控制方法难以取得满意的控制效果.利用滑模控制对系统参数变化和扰动不灵敏的优点,提出一种基于神经网络和滑模控制相结合的主汽压优化控制策略.采用径向基函数(RBF)神经网络调节滑模控制器的切换增益以降低其在平衡点的抖振,并通过在系统中设计干扰观测器实现对扰动的补偿.结果表明:与常规滑模控制和常规PID控制相比,不同工况下本文提出的控制策略超调量最多减少6.62％,调节时间最多减少57.45 s,且系统抖振小,跟随性能、抗干扰能力和鲁棒性能良好;工程实例表明,采用所提控制策略后,系统抖振比常规滑模控制降低33％,主汽压波动范围在-0.04～0.1 MPa,控制系统抗干扰能力得到显著提高.

Aiming at the problems of non-linearity and variable model parameters of the main steam pressure control system of gas-fired power generation boiler, an improved implicit generalized predictive control strategy was proposed. First, the forgetting factor recursive least square method was used to identify the model parameters, and a discrete mathematical model of the main steam pressure was established. Second, an implicit generalized predictive control system for main steam pressure was established on the basis of conventional generalized predictive control theory, which simplified the control algorithm and improved the robustness of the system by adding a PI structure to the objective function. The simulation results show that, compared with the cascade PID and conventional implicit generalized predictive control, the proposed control strategy reduces the adjustment time by 20 s at most when the model is adapted; the overshoot decreases by up to 5.08% and the adjustment time decreases by up to 36 s when the model is mismatched, and the system robustness and anti-interference ability are improved. The engineering application shows that the main steam pressure control deviation is within ±0.2 MPa, and the control accuracy is significantly improved in the proposed strategy. The improved implicit generalized predictive control has high research and application value in the main steam pressure control in industrial production.

针对火力发电锅炉主蒸汽温度控制对象具有时变、强耦合、非线性和扰动大等特点,将改进的广义预测控制应用于其控制系统中.该方法不仅保留了广义预测控制算法的基本特征和优点,而且算法更简单,不必进行矩阵的大量计算,从而减小了在线计算量,确保了系统的快速性,并能够将输入很好地控制在约束范围之内,最后通过仿真分析与工程应用验证.改进的广义预测控制超调量小、调节时间短、抗干扰能力强,有效的提高了主蒸汽温度控制系统的稳定性.