一、智能控制在锅炉过热汽温控制中的应用研究（论文文献综述）
王彦波[1]（2021）在《多变量广义预测控制算法在锅炉减温水控制中的应用研究》文中研究说明当前,传统的火电机组在我国能源产业发展、电力能源供应等方面仍然占据着重要地位,受电网调频、AGC调节、电网深度调峰等要求,对火电机组控制品质也提出了更高要求。锅炉过热汽温由于受入炉煤质、锅炉燃烧特性、机组协调控制等多重扰动的影响,使得其一直滞后于机组负荷响应,惯性较大,同时在不同机组负荷下,主蒸汽温度模型变化也较大。机组安全、经济运行发电是火力企业的一个根本,而锅炉主蒸汽温度作为火电机组主要控制参数之一,保证锅炉过热汽温在正常范围内对于机组意义重大。本文首先介绍了火电厂锅炉减温水系统,研究分析了锅炉减温水系统的动态、静态特性,通过分析得出三个影响过热汽温变化的主要的影响因素。利用递推最小二乘法辨识现场的实际输入输出数据,结合日常工作实践建立了锅炉过热汽温系统在50%BMCR（锅炉最大连续蒸发量工况）、70%BMCR以及100%BMCR3个常见工况下的系统模型,并验证了模型的准确度。鉴于传统PID控制以及单变量广义预测控制难以适应锅炉减温水控制系统多变量、大延迟等的控制要求,基于辨识的系统模型,依托广义预测控制算法,构建了改进的两级联动多变量广义预测控制优化策略。将该策略应用于某热电公司330MW亚临界、一次中间过热、自然循环汽包炉,将过热汽温在锅炉稳定负荷工况以及变负荷工况下的控制情况与原有PID控制调节效果比较。经过DCS系统实际应用对比分析,无论在调节的精度、调节的灵敏度及减温水用量方面,优化控制策略的实际应用效果均能很好地满足控制要求,提升了锅炉安全、经济运行水平,取得了良好的实际控制应用效果。
孔令超[2]（2020）在《锅炉主蒸汽温度优化控制方法研究》文中认为锅炉在火力发电厂、化工厂、各类设备制造厂以及石油等重工业领域发挥着重要作用。锅炉主蒸汽温度在锅炉运行过程中,是一项至关重要的控制测点,同时也是锅炉汽水通道当中温度达到最大值的点,并且对发电机组的安全稳定运行起到积极的作用。伴随着锅炉机组朝着大容量与大参数的方向过渡,并且主蒸汽温度被控对象有着较大的惯性与非线性等一系列的特点,所以,以往PID策略已经无法满足高性能的控制水平与要求。近些年来,伴随着智能控制理论的持续研究,相关工作者在以往控制方法的基础上,增加了部分新的智能控制措施,针对复杂问题进行求解。以往的控制方法要求务必建立相关的数学模型,针对主蒸汽温度控制系统这类有着非线性、时变性、较长迟延性以及较大惯性等典型特点的复杂系统,控制效果相对较差。而智能控制着眼于系统的功能以及全局优化的视角对系统进行综合性的分析,在被控对象的数学模型方面没有过多依赖,能够有效缓解此类难题,对复杂的系统予以全局性的高效控制。所以,将智能控制用在锅炉主汽温控制当中,属于客观的发展趋势。当前应用在电厂锅炉主蒸汽温度控制系统的常用智能控制方法,主要包括PID控制、模糊控制以及神经网络控制等等。本文首先分析不同位置下的过热器静态特性及原理,重点分析主蒸汽分别在蒸汽流量变化、烟气热量变化和减温水流量变化等几种扰动情况下对应过热汽温的动态特性,确定各扰动变化与主蒸汽温度之间的关系。其次,设计出了模糊自适应PID控制基础上的主蒸汽温度-给煤量优化系统。探讨了模糊控制系统的有关机构,并设计出主蒸汽温度-给煤量优化系统当中的相关模糊自适应PID控制器,通过二维模糊控制器的实际输出,对PID控制器的参数进行在线修正,在这样的基础上,进一步设计出基于PSO的模糊自适应PID控制系统。从而在模糊自适应PID控制器的基础上具备更加优越的动态性、抗干扰性和鲁棒性。最后采用MATLAB软件中的simulink工具建立了锅炉主蒸汽控制器仿真模型,仿真结果表明:基于PSO的模糊自适应PID控制方法具有较好的动态性能及稳态性能。
高锦[3]（2020）在《基于动态矩阵控制的锅炉主气温预测控制系统研究应用》文中研究指明主蒸汽温度是火力发电锅炉的一个重要被控参数,其稳定性直接关系到整个机组的安全经济运行,因而对其控制要求非常严格,通常控制在设定值的±5℃以内。由于常规PID控制器原理简单,易于操作,目前在发电锅炉控制中广泛被采用。但主蒸汽温度具有大惯性、大延迟和非线性等特点,并且在实际运行中干扰因素较多,常规PID控制很难达到满意的效果。因此,本文基于动态矩阵预测控制算法具有较强的稳定性和鲁棒性特点,将其应用于主蒸汽温度控制系统具有重要意义。本文以涟钢150t燃气锅炉为研究对象,首先介绍燃气锅炉的工艺以及锅炉主蒸汽温度的控制原理和动态性能,并在现有控制方案的基础上,提出了基于动态矩阵的主蒸汽温度控制方案。然后对动态矩阵控制算法进行设计,详述了主要参数的选取对系统的影响,并从其内模控制结构出发,对系统的稳定性和鲁棒性进行分析。在此基础上,采用粒子群算法辨识出主蒸汽温度导前区和惰性区的传递函数,再用MATLAB软件对主汽温控制系统进行干扰和模型失配状况下的仿真,验证控制策略的有效性。最后,本文在原系统的控制基础上,采用力控工业组态软件设计燃气锅炉主蒸汽温度动态矩阵控制系统,并进行了相关硬件配置和软件开发,现场投运结果表明:与常规PID控制以及Smith预估方案相比,基于动态矩阵控制的主蒸汽温度波动范围更小,运行更稳定,减少了系统的调节时间和超调量,有效的提高了主蒸汽温度控制的稳定性和鲁棒性。
燕梦[4]（2020）在《基于神经网络的过热汽温控制算法及工程应用研究》文中研究说明600MW及以上大容量燃煤机组已成为我国电力行业发展的主力机组,而锅炉过热汽温作为衡量机组运行水平的重要参数,过高、过低都会对机组的安全经济性构成威胁,因此过热汽温平稳控制是实现锅炉高效安全运行的重要因素。喷水减温作为过热汽温控制的常见手段,由于锅炉结构复杂、系统庞大、汽温对象具有强非线性、大迟延、大惯性等特点,为取得好的控制效果,喷水减温多采用串级PID控制。目前大机组普遍参与电网一次调频和自动发电控制（AGC）,经常处于快速、深度和频繁的变负荷工况。为满足―两个细则‖的考核要求,机组的煤、水、风等子系统调节均有所加快,而且锅炉燃煤品种多变,使得现有的串级汽温控制往往不适合这种变化,导致过热汽温波动较大,经常大幅偏离设定值。为维持汽温不超限,运行人员需频繁干预喷水减温的汽温设定值（或偏置）,增加了工作强度,电厂对喷水减温控制进行优化的需求十分迫切。为此,本文将传统的PID控制技术与人工神经网络（Artificial neural network,ANN）逆控制方法结合,提出两种过热器喷水减温智能控制策略:其一为神经网络前馈逆控制+PID补偿控制策略,另一种为外环神经网络逆控制+内环PID的串级控制策略。针对两种算法,利用600MW超临界火电机组全范围仿真机开展详细的控制仿真实验研究,验证两种方法的有效性。在此基础上,结合工程项目的实施,将外环神经网络逆+内环PID控制的串级智能控制策略分别应用于两台实际投运的600MW超临界机组、600MW亚临界机组,以实现喷水减温系统的实时优化控制。实际应用结果表明,采用该过热汽温控制策略后,有效提高了动态变工况下过热汽温的控制品质,汽温设定值跟踪性能、抗干扰性能均得到较大改善,有效减少了运行人员对汽温设定值的干预,减轻了工作强度。本文工作对将神经网络智能控制技术尝试应用于实际火电机组具有一定的参考意义。
王维[5]（2020）在《滑模变结构控制及其在超临界火电机组中的应用研究》文中研究说明滑模变结构控制具有响应速度快、对系统参数变化和外部扰动不灵敏、鲁棒性强等优点,因此在实际工程中获得了广泛的应用,尤其是近些年来在电力生产过程中的应用。作为锅炉主要性能参数,主蒸汽温度的调节和控制对电厂的安全、经济、高效运行具有重大的意义。锅炉主汽温这一控制对象往往表现出大惯性、多容、大迟延特性,还有一定的时变性和非线性,传统串级PID控制很难保持良好的控制品质。本文针对某电厂超临界直流锅炉,设计了一种基于改进超螺旋算法的滑模变结构控制方法。主要工作如下:（1）本文介绍了超临界直流锅炉的结构和特点。针对主汽温被控对象具有大惯性、大迟延、非线性及时变性的特点,在分析其在蒸汽流量、烟气流量、减温水三种扰动下静态、动态特性的基础上,阐述了过热器汽温调节的基本原则,进而引出了常用的串级PID控制。（2）研究了一般滑模变结构控制的设计及相关应用,着重介绍了滑模变结构控制的定义、滑模面的参数设计,并分析了滑模控制抖振问题出现的原因及解决办法,此外还介绍了超螺旋算法并给出相应的改进建议。（3）提出了一种基于改进超螺旋算法的积分滑模变结构控制,将积分环节引入到滑模控制中来消除误差,将改进后的超螺旋算法引入到滑模控制中来减弱抖振。详细介绍了该控制的设计方案,给出了参数滑模面σ、辅助输出函数ξ、等效控制律ueq、切换控制律usw的计算方法,证明了系统Lyapunov稳定性。（4）根据建立的直流锅炉主汽温动态模型传递函数,在Simulink仿真平台上搭建了主汽温滑模变结构控制模型,比较了其与串级PID控制、一般滑模变结构控制的控制效果。仿真结果表明,基于改进超螺旋算法的滑模变结构控制方法调节速度快,超调量小,抗干扰能力和鲁棒性也得到了很大的提高。
孟庆喜[6]（2019）在《改进自抗扰控制器在锅炉汽温控制系统中的应用》文中进行了进一步梳理主蒸汽温度是火力发电锅炉的一个重要被控参数,其稳定性影响到发电机组运行的经济性和可靠性。锅炉的正常运行通常要求主汽温在设定值的±5℃范围内变化。由于锅炉汽温对象具有的大惯性、大延迟、不确定性和干扰因素多的特点,尤其是在燃料量波动非常大且不受控制的冶金行业煤气发电锅炉中,常规PID控制算法无法满足实际控制需求,经常需要人工进行干预。因此,设计一种结构简单、易于实现且具有更强的抗干扰和鲁棒性的控制算法对于实现发电机组的安全稳定运行具有重要意义。本文以涟源钢铁公司F3#150t燃气发电锅炉为对象,研究了自抗扰控制技术的实现过程和控制机理,针对其可调参数多且不易整定的问题,结合线性自抗扰控制理论提出了基于RBF神经网络在线辨识的单神经元改进线性自抗扰控制方法。论文在详细分析燃气锅炉过热汽温控制系统和影响因素的基础上,利用最小二乘法辨识过热蒸汽导前区和惰性区汽温对象的多输入单输出仿真模型,并利用RBF神经网络辨识器对仿真模型的Jacobian矩阵进行在线辨识,以实现神经元改进线性自抗扰控制器对控制量加权系数的在线优化。仿真结果表明:RBF神经元改进线性自抗扰控制器拥有最少的控制器参数且获得了比自抗扰控制器更好的控制性能。最后将该控制算法应用于发电锅炉现场的智能优化控制系统,实现对锅炉主汽温的调节,应用结果表明:与原前馈PID控制系统相比,RBF神经元改进线性自抗扰控制算法进一步减小了主气温波动范围,提高了主气温参数的动态控制品质,缩短了系统调节时间。
赵东华[7]（2019）在《600MW超临界机组再热汽温全程控制》文中研究说明随着现代化大型火电机组向大容量、高参数的方向发展,对热工控制系统的控制品质与自动化程度的要求越来越高。再热汽温作为火电机组热工控制系统的重要组成部分,要求能够稳定在给定值范围内,其控制品质的优劣会直接影响到机组运行的安全性与经济性。火电厂再热汽温被控对象普遍具有大迟延、时变、非线性等特性,目前的常规PID控制难以取得满意的控制效果,系统调节时间长、易产生超调等,再热汽温系统的控制品质有待进一步提升。超临界机组发电效率高、煤耗低,是我国大型机组的发展现状与趋势。论文简要阐述了 600MW超临界机组再热汽温被控对象的静、动态特性及再热器复杂结构,详细介绍了再热器烟气挡板控制系统的工作原理。在通过对再热器合理的简化设定后运用机理建模得到再热汽温在烟气挡板扰动作用下四个典型负荷处的数学模型,并通过曲线辨识和拟合得到再热汽温被控对象的一阶加纯滞后模型。针对再热汽温系统特点,该文就常规PID控制存在的不足设计了一种DMC优化控制方案。分别对四个典型负荷处的子系统进行DMC控制器参数整定和MATLAB仿真研究,仿真结果表明动态矩阵控制具有更快的响应速度和较强的抗干扰能力,对小幅度工况变化有良好的适应性。为了实现再热汽温发生大幅工况变化时的有效控制,该文提出一种基于综合加权多模型的再热汽温改进预测函数控制算法。在控制过程中,首先根据局部模型利用改进预测函数控制算法设计出相应的子控制器,再通过求取所有控制器的综合加权系数,得到实际控制器的输出。仿真结果表明:该文提出的基于加权多模型的再热汽温改进预测函数控制策略能够适应不同负荷的变化,控制性能明显优于常规PID控制及动态矩阵控制,可以有效克服模型失配,提高对再热汽温的控制品质,具有较高的实用价值。
李倩倩[8]（2019）在《过热汽温设定值智能补偿优化研究》文中提出超（超）临界燃煤发电机组由于具有环保、高效等优势,已成为我国电网的主力机组。在当前新能源消纳问题日益严峻及以电网为中心的负荷调度体制下,大容量火电机组高频率深度调峰变负荷运行已成为常态,这对机组的热工控制水平提出了更高的要求。过热汽温作为影响锅炉安全经济性的重要参数,过高、过低或波动太大都会影响机组正常运行。喷水减温是目前最常用的过热汽温控制手段,由于过热蒸汽系统的非线性、大惯性、大迟延等特点,在机组负荷大幅度变化时,固定参数的串级PID控制往往不能达到要求的汽温控制效果,而PID参数的在线整定又费时费力,实际运行时较难实现。为此,本文针对过热汽温喷水减温系统,基于机组的历史运行数据和神经网络建模方法,在汽温控制回路的顶层对汽温设定值进行实时的动态智能补偿优化,以期在不改变PID本身参数的前提下,改善过热汽温的控制效果。本文深入研究了基于神经网络预测模型的过热汽温设定值补偿优化方案,并借助仿真机进行详细的实验研究。文中首先介绍了神经网络的工作原理、BP算法以及在MATLAB中的实现,阐述了过热蒸汽系统的特性和过热汽温的影响因素。在此基础上采用神经网络方法建立了一级、二级过热汽温特性的神经网络预测模型,并对模型进行了验证。在不改变原汽温控制逻辑和PID参数的前提下,在汽温控制回路顶层设计了基于预测模型的前馈补偿和误差反馈补偿相结合的设定值动态优化补偿策略。基于MATLAB编制了汽温设定值实时优化补偿算法,并借助超临界机组仿真系统进行了详细的控制仿真实验。结果表明,与机组原控制相比,增加设定值智能优化补偿方案后,无论从超调量还是调节时间看,过热汽温的控制品质均得到明显提升,达到了预期效果。
吕正鑫[9]（2019）在《模糊控制算法研究及在火电厂主汽温控制的应用》文中提出在火电厂单元机组运行中,主蒸汽温度是一项非常重要的参数,对火电厂运行的安全性和经济性具有很大的影响。但由于过热蒸汽对象大迟延、大惯性、多扰动的特性,可能会产生较大的超调量和较长的调节时间,这使得常规PID控制变得越发困难,所以主蒸汽温度控制一直是火电厂运行控制研究的热点,同时也是难点。目前常见的控制方法如预测控制、自适应控制以及状态变量控制等基于现代控制理论的控制方法由于其算法存在缺陷,导致很少能在现场使用。与此同时,智能控制方法如模糊控制、神经网络控制等在飞速发展,本文针对此情况展开研究,主要研究工作如下:（1）将长短期记忆（LSTM）神经网络引入主蒸汽温度的预测,因其算法本身具有时序性的特点,将主蒸汽温度也作为输入变量之一参与预测,并使用火电厂实际数据对一天的主蒸汽温度进行预测,通过预测结果证明了该算法在主蒸汽温度预测中的可行性和准确性。（2）对模糊控制中用来平衡偏差和偏差变化率的权重因子的取值进行改进。根据模糊控制思想,使得权重因子根据偏差和偏差变化率的等级量取值,并使用拉格朗日插值方法对权重因子进行代数插值,使其可以连续变化,从而使模糊控制具有了自适应能力。（3）提出一种基于长短期记忆神经网络算法预测的模糊控制方法,使用长短期记忆神经网络对下一时刻主蒸汽温度进行预测,得到下一时刻主蒸汽温度的值与当前时刻的主蒸汽温度作为控制器校正环节的输入,控制器校正环节也是模糊控制,以主汽温度变化的偏差和偏差的变化率为输入,同时此时的主蒸汽温度与设定值差值的正负对应不同的校正环节的取值规则,最后将校正环节的输出与原模糊控制取和共同作用于喷水减温阀来控制主蒸汽温度。经过仿真实验验证了该方法在主蒸汽温度控制中的有效性和安全性。
姚伟[10]（2019）在《过热蒸汽温度的自寻优模糊PID控制》文中研究说明锅炉过热器回收锅炉烟气能量加热锅炉出来的蒸汽,使其变为过热蒸汽,以提高锅炉热效率,同时使蒸汽轮机避免水击。由于大型火电机组中的过热器管道通常工作在临界温度,所以对过热蒸汽温度进行监测是保证火电厂安全生产的重要步骤。在运行中必须保证过热蒸汽温度在运行范围内。过热蒸汽温度过高,将会引起爆管,影响机组的安全运行;过热蒸汽温度过低,则将使机组处于低效率运行状态,且会使汽轮机出口蒸汽湿度过高,影响汽轮机的安全。为了保证火电厂的安全经济运行,需要过热蒸汽温度控制系统具有良好的控制品质,能够适应机组负荷的变化以及外界干扰因素带来的影响。通过对过热器工作流程和过热蒸汽温度被控对象的动静态特性的分析,明确了过热蒸汽温度控制系统的要求,将工程上经常采用的串级PID控制方案作为论文的基本控制方案,以快速消除内扰,同时发挥PID控制器的控制精度高,适应性强的特点。在PID控制器的基础上,引入了模糊控制的思想,设计了模糊PID控制器,给出了模糊PID控制器的模型结构,并分析了模糊控制算法中比例因子和量化因子的作用,介绍了工程上整定比例因子和量化因子的经验公式。针对经验公式唯一确定的参数取值无法适应复杂工况的问题,提出了一种由智能优化算法寻优量化因子和比例因子的算法思路。采用模拟退火算法改进粒子群算法,以克服粒子群算法在求解问题时易于陷入局部最优的问题。数值仿真实验验证了优化后的粒子群算法的寻优收敛性和搜索能力。将优化后的粒子群算法运用到模糊PID控制器控制参数即量化因子和比例因子整定上。仿真对比模糊PID控制器量化因子和比例因子寻优前和寻优后的控制效果,发现寻优后的模糊PID控制器比未寻优的模糊PID器和串级普通PID控制器表现出较好的给定值跟随性能,也具有良好的抗干扰性和负荷适应性。
二、智能控制在锅炉过热汽温控制中的应用研究（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、智能控制在锅炉过热汽温控制中的应用研究（论文提纲范文）
（1）多变量广义预测控制算法在锅炉减温水控制中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究目的 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的 |
| 1.2 课题研究现状 |
| 1.2.1 电厂锅炉过热汽温控制研究现状 |
| 1.2.2 广义预测控制研究现状 |
| 1.3 研究内容 |
| 1.4 论文主要结构 |
| 第二章 锅炉减温水控制系统 |
| 2.1 锅炉过热器减温水系统工作流程 |
| 2.1.1 锅炉过热器对流、辐射换热特性 |
| 2.1.2 锅炉过热器减温控制系统结构 |
| 2.2 锅炉过热汽温度动静态特性 |
| 2.2.1 静态特性 |
| 2.2.2 动态特性 |
| 2.3 影响锅炉过热器减温水控制系统的主要因素 |
| 2.3.1 过热器减温水流量 |
| 2.3.2 主蒸汽流量 |
| 2.3.3 总燃料量 |
| 2.4 本章小结 |
| 第三章 锅炉过热器减温水控制系统模型在线辨识 |
| 3.1 系统模型建立基本方法 |
| 3.2 递推式最小二乘法 |
| 3.3 锅炉过热器减温水控制系统模型 |
| 3.4 锅炉过热器减温水控制系统模型准确度评价 |
| 3.5 本章小结 |
| 第四章 多变量广义预测控制优化策略 |
| 4.1 多变量广义预测控制算法基本原理 |
| 4.1.1 预测模型 |
| 4.1.2 滚动优化 |
| 4.1.3 反馈校正 |
| 4.2 多变量广义预测控制优化策略 |
| 4.3 两级联动多变量广义预测控制优化策略 |
| 4.4 本章小结 |
| 第五章 广义预测控制算法在锅炉减温水控制中的应用分析 |
| 5.1 广义预测控制算法与原PID算法应用结果对比分析 |
| 5.1.1 机组稳定负荷条件下对比 |
| 5.1.2 机组变负荷条件下对比 |
| 5.2 采用广义预测控制算法过热器汽温控制安全性分析 |
| 5.3 采用广义预测控制算法过热器汽温控制经济性分析 |
| 5.4 本章小结 |
| 第六章 结论和展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（2）锅炉主蒸汽温度优化控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文的章节安排 |
| 第2章 相关理论基础 |
| 2.1 PID控制介绍 |
| 2.1.1 PID控制算法 |
| 2.1.2 PID控制原理 |
| 2.2 模糊自适应PID控制 |
| 2.2.1 模糊控制系统的特征 |
| 2.2.2 模糊控制系统融合模式 |
| 2.2.3 模糊自适应PID控制系统原理 |
| 2.3 PSO介绍 |
| 2.3.1 PSO算法改进思路 |
| 2.3.2 基于改进的PSO算法模型的构建 |
| 2.3.3 基于PSO优化的模糊自适应PID控制 |
| 2.4 本章小结 |
| 第3章 锅炉主蒸汽温度动态特征分析 |
| 3.1 蒸汽侧扰动作用下主蒸汽温度的动态特性 |
| 3.2 烟气侧扰动情况下主蒸汽温度的动态特性 |
| 3.3 减温水侧扰动情况下主蒸汽温度的动态特性 |
| 3.4 燃烧产物及空气焓对主蒸汽温度影响 |
| 3.5 本章小结 |
| 第4章 模糊自适应PID在主蒸汽温度控制中的应用 |
| 4.1 MATLAB/SIMULINK简介 |
| 4.2 仿真实验模型的建立 |
| 4.2.1 仿真环境的搭建 |
| 4.2.2 传统PID控制系统的仿真研究 |
| 4.3 模糊自适应PID控制系统的仿真研究 |
| 4.3.1 模糊自适应PID仿真实验模型 |
| 4.3.2 主蒸汽温度在模糊自适应PID控制系统的仿真研究 |
| 4.3.3 模糊自适应PID控制系统的设计 |
| 4.4 本章小结 |
| 第5章 基于PSO优化的模糊自适应PID控制系统仿真实验研究 |
| 5.1 基于PSO优化的模糊自适应PID控制系统设计 |
| 5.2 系统仿真分析对比 |
| 5.3 基于PSO的模糊自适应PID控制仿真验证 |
| 5.3.1 给煤量的扰动实验 |
| 5.3.2 给定值的扰动实验 |
| 5.3.3 减温水的扰动实验 |
| 5.3.4 考虑化石能转化为热能的加纯滞后函数 |
| 5.3.5 仿真实验结论 |
| 5.4 仿真与性能分析 |
| 5.4.1 阶跃响应分析 |
| 5.4.2 鲁棒性分析 |
| 5.4.3 抗干扰分析 |
| 5.5 基于PSO的模糊自适应PID控制系统与常规PID控制系统区别 |
| 5.6 基于PSO的模糊自适应PID控制的实际应用 |
| 5.6.1 控制系统的设计要求 |
| 5.6.2 优化控制系统的软件设计 |
| 5.6.3 控制系统的应用状况研究 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（3）基于动态矩阵控制的锅炉主气温预测控制系统研究应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 锅炉主汽温控制研究现状 |
| 1.2.2 预测控制研究现状 |
| 1.3 课题来源及研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 本文主要内容 |
| 第二章 燃气发电锅炉主汽温控制特性分析 |
| 2.1 燃气锅炉工作原理 |
| 2.2 主汽温控制系统设计的目标及重要性 |
| 2.2.1 主汽温控制系统的主要目标 |
| 2.2.2 主汽温控制系统设计的重要性及难点 |
| 2.3 过热器特性分析 |
| 2.4 主汽温控制系统分析 |
| 2.5 主汽温动态特性分析 |
| 2.5.1 蒸汽流量扰动的主汽温特性 |
| 2.5.2 烟气热量扰动的主汽温特性 |
| 2.5.3 减温水流量扰动的主汽温特性 |
| 2.6 本章小结 |
| 第三章 主汽温控制动态矩阵预测控制策略 |
| 3.1 现有主汽温控制系统分析 |
| 3.1.1 主汽温串级控制系统 |
| 3.1.2 Smith预估补偿控制系统 |
| 3.2 燃气锅炉主汽温DMC控制系统设计 |
| 3.2.1 预测模型 |
| 3.2.2 滚动优化 |
| 3.2.3 反馈校正 |
| 3.3 DMC控制参数化选择 |
| 3.4 DMC控制性能分析 |
| 3.4.1 DMC在模型精确时的稳定性 |
| 3.4.2 DMC在模型失配时的稳定性 |
| 3.5 本章小结 |
| 第四章 主汽温控制系统仿真分析 |
| 4.1 基于粒子群算法的主汽温控制对象辨识 |
| 4.1.1 粒子群算法 |
| 4.1.2 主汽温系统辨识 |
| 4.2 主汽温控制系统仿真分析 |
| 4.2.1 主蒸汽对象动态模型 |
| 4.2.2 仿真分析 |
| 4.3 本章小结 |
| 第五章 燃气锅炉主汽温控制系统设计与实现 |
| 5.1 控制系统设计要求 |
| 5.2 控制系统硬件设计 |
| 5.2.1 硬件结构 |
| 5.2.2 PLC硬件配置 |
| 5.3 控制系统软件设计 |
| 5.4 控制系统监控画面设计 |
| 5.5 控制系统投运效果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录 A 部分辨识数据 |
| 附录 B 部分MATLAB程序 |
| 附录 C 插图清单 |
| 附录 D 表格清单 |
| 攻读学位期间已发表论文 |
| 致谢 |
（4）基于神经网络的过热汽温控制算法及工程应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及重要意义 |
| 1.2 神经网络控制的发展历史和研究现状 |
| 1.3 锅炉过热汽温控制方法的发展现状 |
| 1.4 本论文的主要工作 |
| 第2章 锅炉过热汽温影响因素及串级控制系统分析 |
| 2.1 过热汽温控制的任务 |
| 2.2 过热汽温的影响因素 |
| 2.3 过热汽温的调节方法 |
| 2.4 过热蒸汽温度串级控制系统 |
| 2.5 本章小结 |
| 第3章 神经网络及其逆系统原理 |
| 3.1 BP神经网络原理及训练算法 |
| 3.2 神经网络逆系统 |
| 3.2.1 逆系统方法的原理 |
| 3.2.2 神经网络逆系统的结构 |
| 3.2.3 神经网络逆系统的学习训练 |
| 3.3 非线性动态系统逆模型与辨识 |
| 3.4 本章小结 |
| 第4章 两种基于神经网络的智能控制策略仿真研究 |
| 4.1 600MW超临界机组锅炉对象简介 |
| 4.2 具有PID补偿的神经网络逆控制方案设计与仿真 |
| 4.2.1 PID补偿神经网络前馈逆控制方案设计 |
| 4.2.2 喷水减温系统逆模型建立与验证 |
| 4.2.3 控制方案实现及仿真研究 |
| 4.3 神经网络串级控制方案设计与仿真 |
| 4.3.1 过热汽温智能串级控制方案设计 |
| 4.3.2 过热器汽温特性逆模型建立与验证 |
| 4.3.3 控制方案实现及仿真实验研究 |
| 4.4 本章小结 |
| 第5章 神经网络串级逆控制在超临界机组中的应用 |
| 5.1 神经网络串级逆控制在超临界机组中的应用 |
| 5.1.1 超临界机组简介 |
| 5.1.2 超临界机组喷水减温控制逻辑分析 |
| 5.1.3 超临界机组控制方案现场实现 |
| 5.1.4 过热汽温系统逆模型建立与验证 |
| 5.1.5 过热汽温智能优化控制现场应用效果 |
| 5.2 神经网络串级逆控制在亚临界机组中的应用 |
| 5.2.1 亚临界机组锅炉对象简介 |
| 5.2.2 亚临界机组汽温优化控制方案具体实现及实施 |
| 5.2.3 过热汽温系统逆模型建立与验证 |
| 5.2.4 过热汽温智能优化控制现场初步应用效果 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（5）滑模变结构控制及其在超临界火电机组中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 直流炉主蒸汽温度控制方法的研究现状 |
| 1.2.2 滑模变结构控制国内外研究现状 |
| 1.3 论文的主要工作 |
| 第2章 超临界直流锅炉与主汽温动态特性 |
| 2.1 超临界直流炉的结构和特点 |
| 2.1.1 直流锅炉的整体布置 |
| 2.1.2 直流锅炉的特点 |
| 2.2 过热器系统 |
| 2.3 主蒸汽温度调节的基本原则 |
| 2.4 主蒸汽温度对象的动态特性 |
| 2.5 超临界锅炉主蒸汽温度对象数学模型 |
| 2.6 本章小结 |
| 第3章 滑模变结构控制算法的设计 |
| 3.1 滑模变结构控制基本原理 |
| 3.1.1 滑动模态定义及数学表达 |
| 3.1.2 滑模变结构控制的定义 |
| 3.1.3 切换面的设计 |
| 3.2 滑模变结构控制的抖振问题 |
| 3.3 一般滑模变结构控制器 |
| 3.4 本章小结 |
| 第4章 滑模变结构控制算法的改进 |
| 4.1 普通滑模变结构控制的缺陷 |
| 4.2 滑模变结构控制算法的改进措施 |
| 4.3 改进滑模变结构控制算法的设计 |
| 4.4 本章小结 |
| 第5章 改进滑模控制算法在锅炉主汽温中的应用 |
| 5.1 基于改进超螺旋算法的主汽温滑模控制器的设计 |
| 5.2 阶跃响应与扰动检验 |
| 5.3 模型参数失配检验 |
| 5.4 鲁棒性检验 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（6）改进自抗扰控制器在锅炉汽温控制系统中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 研究现状及存在问题 |
| 1.2.1 自抗扰控制技术研究现状 |
| 1.2.2 存在的主要问题 |
| 1.3 课题来源及主要研究内容 |
| 第二章 燃气发电锅炉主汽温系统分析 |
| 2.1 燃气锅炉的工艺原理 |
| 2.2 锅炉过热器特性分析 |
| 2.3 锅炉主汽温控制特性分析 |
| 2.4 锅炉主汽温影响因素分析 |
| 2.4.1 减温水流量对主蒸汽温度的影响特性 |
| 2.4.2 蒸汽流量对主蒸汽温度的影响特性 |
| 2.4.3 烟气热量对主蒸汽温度的影响特性 |
| 2.5 本章小结 |
| 第三章 自抗扰控制器设计及仿真 |
| 3.1 非线性PID控制 |
| 3.1.1 PID控制 |
| 3.1.2 跟踪微分器 |
| 3.1.3 非线性PID控制 |
| 3.2 自抗扰控制器原理 |
| 3.2.1 扩张状态观测器 |
| 3.2.2 非线性状态反馈 |
| 3.2.3 自抗扰控制器设计 |
| 3.3 自抗扰控制器的参数整定 |
| 3.3.1 跟踪微分器参数整定 |
| 3.3.2 扩张状态观测器参数整定 |
| 3.3.3 非线性状态反馈参数整定 |
| 3.4自抗扰控制器的仿真实验 |
| 3.5 本章小结 |
| 第四章 基于RBF辨识的线性自抗扰控制器设计与仿真 |
| 4.1 RBF神经网络 |
| 4.2 线性自抗扰控制 |
| 4.2.1 自抗扰控制的线性化 |
| 4.2.2 线性自抗扰控制参数整定 |
| 4.2.3 线性自抗扰控制器仿真 |
| 4.3 基于RBF神经网络的改进线性自抗扰控制 |
| 4.3.1 改进线性自抗扰控制器 |
| 4.3.2 基于RBF神经元的改进LADRC控制器 |
| 4.4 RBF-LADRC仿真性能对比 |
| 4.5 本章小结 |
| 第五章 基于RBF-LADRC的主汽温控制系统仿真及应用 |
| 5.1 主汽温控制对象介绍 |
| 5.2 基于RBF-LADRC的锅炉主蒸汽温度控制系统设计 |
| 5.3 基于RBF-LADRC的锅炉主汽温控制系统仿真 |
| 5.3.1 基于最小二乘法的锅炉主汽温控制系统模型辨识 |
| 5.3.2 RBF-LADRC对锅炉主汽温模型的控制仿真 |
| 5.4 RBF-LADRC控制在锅炉主汽温控制中的应用实验 |
| 5.4.1 优化控制系统设计要求 |
| 5.4.2 优化控制系统结构设计 |
| 5.4.3 优化控制系统软件设计 |
| 5.4.4 控制系统应用效果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录 A部分辨识数据 |
| 附录 B部分MATLAB代码 |
| 附录 C插图清单 |
| 在学研究成果 |
| 致谢 |
（7）600MW超临界机组再热汽温全程控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 再热汽温控制研究现状 |
| 1.3 论文研究的主要内容 |
| 1.4 本章小结 |
| 第二章 超临界机组再热汽温系统建模 |
| 2.1 再热汽温特性 |
| 2.1.1 再热汽温的静态特性 |
| 2.1.2 再热汽温的动态特性 |
| 2.2 再热汽温被控对象数学模型的建立 |
| 2.3 再热汽温烟气挡板一阶加纯滞后模型 |
| 2.4 本章小结 |
| 第三章 600MW超临界机组再热汽温烟气挡板控制系统 |
| 3.1 再热汽温热力系统 |
| 3.2 烟气挡板控制系统 |
| 3.3 烟气挡板控制仿真 |
| 3.3.1 给定值阶跃扰动仿真 |
| 3.3.2 鲁棒性仿真 |
| 3.3.3 内部扰动仿真 |
| 3.4 本章小结 |
| 第四章 再热汽温动态矩阵控制 |
| 4.1 再热汽温动态矩阵控制 |
| 4.2 再热汽温动态矩阵优化控制仿真 |
| 4.2.1 给定值阶跃扰动仿真 |
| 4.2.2 鲁棒性仿真 |
| 4.2.3 内部扰动仿真 |
| 4.3 本章小结 |
| 第五章 基于加权多模型的再热汽温改进预测函数控制 |
| 5.1 加权多模型控制 |
| 5.1.1 模型集的建立 |
| 5.1.2 多模型切换系统的稳定性 |
| 5.1.3 控制器加权系数的计算 |
| 5.2 多模型再热汽温改进预测函数控制系统的设计 |
| 5.2.1 基函数和参考轨迹 |
| 5.2.2 预测模型及误差预测、误差补偿 |
| 5.2.3 滚动优化 |
| 5.3 加权多模型再热汽温改进预测函数控制仿真研究 |
| 5.3.1 给定值阶跃扰动仿真 |
| 5.3.2 鲁棒性仿真 |
| 5.3.3 预测模型参数变化仿真 |
| 5.3.4 变负荷仿真 |
| 5.4 本章小结 |
| 总结与展望 |
| 研究总结 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 (攻读硕士学位期间学术论文发表及参加科研活动) |
| 论文发表情况 |
| 参加科研情况 |
（8）过热汽温设定值智能补偿优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 热工过程优化控制方法的研究进展 |
| 1.2.1 PID参数优化的研究现状 |
| 1.2.2 设定值优化的研究现状 |
| 1.3 本文研究内容 |
| 第2章 神经网络基本原理 |
| 2.1 人工神经网络 |
| 2.1.1 人工神经网络概述 |
| 2.1.2 人工神经元 |
| 2.1.3 神经网络特点 |
| 2.1.4 神经网络结构分类 |
| 2.1.5 神经网络的学习规则 |
| 2.2 BP神经网络 |
| 2.2.1 BP神经网络结构 |
| 2.2.2 BP学习算法 |
| 2.2.3 BP算法的改进方案 |
| 2.3 神经网络的MATLAB实现 |
| 2.4 本章小结 |
| 第3章 超临界机组过热汽温对象神经网络建模 |
| 3.1 过热汽温系统的动态特性及常见调节方法 |
| 3.1.1 过热器分类及过热蒸汽系统流程 |
| 3.1.2 锅炉过热汽温的影响因素分析 |
| 3.1.3 过热汽温的常见调节方法 |
| 3.1.4 600MW超临界锅炉机组简介 |
| 3.2 超临界机组过热汽温特性的神经网络建模 |
| 3.2.1 模型参数的选取 |
| 3.2.2 模型结构的确立 |
| 3.2.3 模型训练数据的获取与处理 |
| 3.2.4 模型训练结果 |
| 3.3 过热汽温特性神经网络模型的验证 |
| 3.4 本章小结 |
| 第4章 过热汽温设定值补偿优化仿真研究 |
| 4.1 PID设定值动态智能补偿方案设计 |
| 4.2 神经网络前馈补偿与误差反馈补偿器实现方法 |
| 4.2.1 前馈补偿器 |
| 4.2.2 误差反馈补偿器 |
| 4.3 设定值补偿优化控制仿真实验研究 |
| 4.3.1 设定值补偿系数的选取 |
| 4.3.2 过热汽温设定值补偿仿真实验研究 |
| 4.3.3 其他工况下设定值补偿仿真实验研究 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）模糊控制算法研究及在火电厂主汽温控制的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电厂主汽温系统控制发展及现状 |
| 1.2.2 模糊控制理论的发展及现状 |
| 1.2.3 人工神经网络算法的发展及现状 |
| 1.3 本文主要工作 |
| 第2章 主汽温控制系统研究 |
| 2.1 控制原理 |
| 2.2 过热汽温对象的特性及数学模型 |
| 2.2.1 过热汽温对象的静态特性 |
| 2.2.2 过热汽温对象的动态特性 |
| 2.2.3 主汽温对象的数学模型 |
| 2.3 主汽温控制系统 |
| 2.3.1 串级汽温控制 |
| 2.3.2 带有导前微分信号的主汽温控制 |
| 2.4 本章小结 |
| 第3章 模糊神经网络算法研究 |
| 3.1 模糊控制算法 |
| 3.1.1 算法原理 |
| 3.1.2 PID型模糊控制 |
| 3.1.3 Smith预估补偿模糊控制 |
| 3.2 神经网络算法原理 |
| 3.2.1 人工神经元模型 |
| 3.2.2 BP神经网络 |
| 3.2.3 RNN神经网络 |
| 3.2.4 LSTM神经网络 |
| 3.3 模糊神经网络 |
| 3.4 本章小结 |
| 第4章 基于神经网络预测的模糊控制应用 |
| 4.1 神经网络算法预测主汽温度 |
| 4.1.1 BP神经网络预测主汽温 |
| 4.1.2 RNN神经网络预测主汽温 |
| 4.1.3 LSTM神经网络预测主汽温 |
| 4.1.4 预测结果对比 |
| 4.2 基于神经网络预测的模糊控制在主汽温控制中的应用 |
| 4.3 本章小结 |
| 第5章 仿真效果对比与分析 |
| 5.1 常规PID主汽温控制仿真 |
| 5.2 PID型模糊控制仿真 |
| 5.3 基于神经网络预测的模糊控制仿真 |
| 5.4 仿真结果分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 本文结论 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（10）过热蒸汽温度的自寻优模糊PID控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 过热汽温控制研究现状 |
| 1.3 参数寻优算法研究现状 |
| 1.4 论文的内容安排 |
| 第2章 过热蒸汽温度串级PID控制系统设计 |
| 2.1 过热器的类型 |
| 2.2 过热蒸汽温度的动态特性 |
| 2.3 减温水流量扰动 |
| 2.4 控制方案及参数整定 |
| 2.5 本章小结 |
| 第3章 改进的过热蒸汽温度模糊PID控制系统设计 |
| 3.1 模糊控制基本原理 |
| 3.2 过热蒸汽温度模糊控制设计 |
| 3.2.1 模糊PID控制器结构 |
| 3.2.2 模糊控制规则及隶属度函数 |
| 3.3 过热蒸汽温度模糊PID控制方案 |
| 3.4 模糊PID控制器改进研究 |
| 3.5 本章小结 |
| 第4章 基于SAPSO的模糊控制器控制参数寻优 |
| 4.1 粒子群算法 |
| 4.2 SAPSO算法 |
| 4.3 SAPSO算法寻优能力测试 |
| 4.3.1 实验测试 |
| 4.3.2 算法收敛曲线图 |
| 4.4 适应度函数选取及参数寻优 |
| 4.5 本章小结 |
| 第5章 过热蒸汽温度控制仿真实验 |
| 5.1 给定值跟随性能对比分析 |
| 5.2 抗干扰性能对比分析 |
| 5.3 变工况测试分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
四、智能控制在锅炉过热汽温控制中的应用研究（论文参考文献）
- [1]多变量广义预测控制算法在锅炉减温水控制中的应用研究[D]. 王彦波. 内蒙古大学, 2021(12)
- [2]锅炉主蒸汽温度优化控制方法研究[D]. 孔令超. 长春工业大学, 2020(01)
- [3]基于动态矩阵控制的锅炉主气温预测控制系统研究应用[D]. 高锦. 安徽工业大学, 2020(07)
- [4]基于神经网络的过热汽温控制算法及工程应用研究[D]. 燕梦. 华北电力大学, 2020
- [5]滑模变结构控制及其在超临界火电机组中的应用研究[D]. 王维. 华北电力大学(北京), 2020(06)
- [6]改进自抗扰控制器在锅炉汽温控制系统中的应用[D]. 孟庆喜. 安徽工业大学, 2019
- [7]600MW超临界机组再热汽温全程控制[D]. 赵东华. 长沙理工大学, 2019(07)
- [8]过热汽温设定值智能补偿优化研究[D]. 李倩倩. 华北电力大学, 2019(01)
- [9]模糊控制算法研究及在火电厂主汽温控制的应用[D]. 吕正鑫. 华北电力大学, 2019(01)
- [10]过热蒸汽温度的自寻优模糊PID控制[D]. 姚伟. 华北电力大学, 2019(01)