ALSTOM气化炉的分散PID控制

针对ALSTOM气化炉的非线性、多变量动态特性,提出了2种基于常规PID控制器的气化炉多变量控制方案.方案1首先通过相对增益矩阵分析法确定气化炉输入变量与输出变量之间的关联程度,然后确定多变量控制方案;而方案2是对国外学者提出的一种不能满足全部测试要求的方案的改进.对2种控制方案进行了详细的多工况仿真测试,测试结果表明:方案1只要在适当放宽煤量改变速率限制的情况下,不仅可以满足ALSTOM气化炉的基准测试要求,而且各项控制指标均优于方案2;方案2能严格满足各项基准测试要求,但系统总的动态控制品质逊于方案1.与许多复杂控制算法如模型预测控制不同,控制方案基于常规PID控制,便于工程实现,对工业应用具有更好的指导意义.     

一种基于遗传算法的多模型预测控制方案

针对时滞系统的特点,提出一种基于遗传算法的多模型预测控制方法.利用多个模型逼近整个被控对象的动态特性,针对每个子模型,设计相应的子控制器,通过加权的方式,将有限个控制量映射成最终的控制量;子控制器采用预测控制算法,利用遗传算法得到权值的全局最优解;比较该控制方案和PID控制在时滞系统中的应用效果.仿真结果表明：该算法不但克服了建模的不精确性和参数的时变性,使系统具有良好的控制性能,而且具有较强的鲁棒性.     

ALSTOM气化炉的适应性非线性控制

针对ALSTOM气化炉控制基准问题,结合输入输出约束,设计了一种适应性非线性控制器。该控制器以反馈线性化的思想处理非线性,并将耦合和未知扰动等均视为外扰进行观测和补偿,从而具有结构简单,控制参数物理意义明确,强适应性和抗干扰性的特点。动态测试结果表明,基于非线性模型的适应性非线性控制,优化后的系统满足所有的控制要求;负荷从50%增加到100%时,能迅速跟踪负荷变化,并对于煤质扰动具有一定的适应性。     

ALSTOM气化炉的适应性非线性控制

针对ALSTOM气化炉控制基准问题,结合输入输出约束,设计了一种适应性非线性控制器。该控制器以反馈线性化的思想处理非线性,并将耦合和未知扰动等均视为外扰进行观测和补偿,从而具有结构简单,控制参数物理意义明确,强适应性和抗干扰性的特点。动态测试结果表明,基于非线性模型的适应性非线性控制,优化后的系统满足所有的控制要求;负荷从50%增加到100%时,能迅速跟踪负荷变化,并对于煤质扰动具有一定的适应性。     

多模型内模PID控制

对于参数时变的时滞过程,较大的模型失配会使系统的动态特性和控制质量变坏甚至造成系统失稳。针对这一问题,本文提出一种新的多个PID控制器协作的内模控制方法,每个模型将来时刻的输出量由以前对应时刻的输入和输出值预测得到,再通过每个预测误差计算出各个控制器输出量的权值,多个控制器输出量的加权和作为现在时刻的控制量。这种方法克服了参数摄动对系统性能的影响。仿真结果说明了这些方法的有效性。     

联合粉磨系统基于T-S模糊模型广义预测控制

针对磨机负荷多变量、强耦合、大滞后的控制难题,利用磨机电流的历史数据进行T-S模糊建模,对所建模型设计广义预测控制器,采用对控制器模糊加权的方法调节控制器输出,通过Matlab进行仿真比较。结果表明:广义预测控制达到稳态所需时间约为25 s,而PID控制需要约90 s,广义预测控制跟踪设定值的快速性更好,能更快达到控制要求;该方法避免了反复求解不同丢番图方程的繁琐过程,简化了控制器运算步骤。     

基于数据的多模型分数阶PID控制方法

针对复杂非线性系统,将多模型建模与分数阶PID控制相结合,设计了一种完全基于输入-输出数据的多模型在线建模控制方法.首先,利用输入-输出数据对非线性系统进行在线多模型建模;然后,针对所建立的多个局部模型,基于加权控制方式设计分数阶PID控制器.该方法将对系统的建模与控制器的设计包含在一个控制系统设计框架以内,对系统模型的不确定性具有更好的鲁棒性,仿真实验的结果表明了该方法的有效性.     

时变遗忘因子的子空间辨识及预测控制器设计

针对线性时变多变量系统,在存在不可测干扰及系统动态特性变化较大的情况下,不需要已知系统先验结构信息,不需要辨识出系统参数矩阵,提出一种完全数据驱动的具有变遗忘因子子空间辨识的预测控制器设计方法.预测控制是一种基于模型的控制方法,为了更好地建立被控系统模型,在已有的在线辨识基础上,根据实测输出值与预测输出值的误差构造变遗忘因子,以调整采集数据的权重,提高辨识灵敏度和控制效果.最后通过实例仿真验证算法的有效性.     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法(MPC),提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.     

子空间预测控制方法在线性变参数系统中的应用

提出了一种针对线性变参数系统的新型子空间预测控制方法。该方法首先通过子空间辨识算法获得线性变参数系统的子空间预测输出。然后,对构造的输入输出矩阵进行QR分解得到子空间预估器,将子空间预估器用于设计模型预测控制器。该控制器包含了积分作用,可消除稳态误差。最后,通过风机扑翼动力学系统的仿真实验,证明了该方法的有效性。