一、多模型自适应控制及其在热工过程中的应用（论文文献综述）
高学伟[1]（2021）在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中研究指明随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:（1）对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。（2）针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。（3）针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。（4）最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
孙明[2]（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。
王迪[3]（2020）在《火电机组热工过程闭环辨识及预测控制方法研究》文中指出当前我国能源供求关系深刻变化、能源问题日益加剧,火电机组的高效运行和低碳排放被赋予了极高的期望。然而,火电机组热工过程具有较强非线性和热惯性,且系统工作时受到煤种变化、阀门摄动等扰动和测量噪声作用,设备的老化和执行器的磨损使系统动态特性发生变化,目前以PID为主体的热工过程控制策略难以取得令人满意的控制效果。火电机组DCS系统易于获取大量闭环运行数据,如果能够利用运行数据建立热工对象的数学模型,则可以避免辨识实验对系统正常运行的干扰。基于上述原因,本文研究基于火电机组热工过程运行数据的闭环辨识方法,并根据辨识得到的模型设计模型预测控制器（MPC）。提出的闭环辨识方法和鲁棒预测控制方法（RMPC）的有效性在火电机组过热汽温系统和CO2捕集系统的辨识实验和控制仿真应用中得到了验证。本文的研究内容如下:1、研究闭环辨识中的模型结构确定和参数估计问题。首先,为了确定闭环系统的模块性阶次,提出了一种基于模型总误差的模型判阶准则;然后,采用预估模型作为滤波器对辨识数据进行滤波,使滤波后的对象输入量与系统扰动解除关联性;最后,采用输出误差辨识法得到对象模型参数的无偏估计。2、从模型不确定性角度出发,研究系统闭环状态下基于集员辨识法的全对称多胞体模型辨识问题。利用预估模型解耦对象输入量和系统扰动间的关联性,采用全对称多胞体作为待辨识的不确定模型参数集,根据提出的闭环辨识方法得到模型参数集的模型结构,模型参数通过迭代优化提出的集成了模型参数不确定度和标称参数偏差的优化指标获得,为了减少因参数迭代求解过程使全对称多胞体阶次升高的影响,采用“先降阶后优化”的策略,保证了当前模型结构下的辨识模型性能指标的最优性。3、为了符合热工过程控制对控制算法鲁棒性和在线计算量的要求,研究控制目标跟踪的显式鲁棒预测控制器（EFERMPC）设计方法。采用建立的全对称多胞体为凸包描述的预测模型、中心点模型为标称系统模型,通过设定近似鲁棒性能指标偏差阈值实现离线状态下系统可行状态空间的自动划分,同时设计相应状态子空间的鲁棒预测控制律;在线实施控制律时,利用全对称多胞体的中心点模型的预测偏差实时修正控制量目标值,由于设计的显式控制律存在积分环节,从而实现了控制目标的无差跟踪。针对系统状态不完全可控的预测模型,根据标称系统模型的稳态特性,将系统状态分解为可控状态和不可控状态,对可控状态空间划分子空间,并设计鲁棒预测控制律,从而实现了存在不可控状态预测模型的EFERMPC控制策略。4、围绕如何增强热工过程控制的可维护性和提升长期运行的性能展开研究工作,提出了一种结合控制性能评价的综合鲁棒预测控制策略。在基于状态反馈的凸包型RMPC的基础上,提出了一种保证对象充分激励的自适应鲁棒预测控制方法（ARMPC）。提出的综合RMPC控制方法本质上是集成RMPC和ARMPC两种控制器的复合控制方法:系统正常工作状态采用RMPC控制器,若监测的控制性能变差,则进行控制器参数的自适应更新:若控制量波动或被控量动态偏差过大,则更新RMPC性能指标权值矩阵;若不确定模型输出偏差最大值大于模型误差限,控制器切换至ARMPC,采用基于全对称多胞体的闭环集员辨识法更新预测模型参数和模型误差限,更新完成后,控制器切换至RMPC。
贾昊[4]（2020）在《基于高斯过程回归的热工系统数据驱动建模研究》文中研究表明随着计算机、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。
赵刚[5]（2020）在《非线性压制与抗干扰受限控制方法研究及其在热工过程中的应用》文中研究说明热工过程普遍具有较强非线性,并存在着广泛的不确定性。目前大多数基于模型的热工过程先进控制主要研究被控过程的设定值跟踪控制问题,但较少涉及对热工过程中非线性和不确定性的直接处理,且缺少对整个闭环系统的稳定性理论分析。论文从热工过程非线性的处理和不确定性的实时估计补偿两个方面进行典型热工过程非线性压制和抗干扰受限控制方法研究。论文主要研究工作及创新如下:（1）针对一类参数未知但有界的典型不确定非线性系统,基于Lyapunov稳定性理论和齐次系统理论,提出了一种基于非线性压制的鲁棒非线性控制器设计方法。该方法将传统的齐次度理论拓展到了区间范畴,给出了时变参数应该满足的区间边界条件,构建了一种带有区间数的Lyapunov函数,递归实现控制器的设计。研究结果表明,该方法可有效解决一类参数时变但有界条件下的典型非线性热工过程调节控制问题。（2）针对一类存在不确定性干扰的典型非线性热工过程,基于Lyapunov稳定性理论和抗干扰理论,提出了一种基于高阶滑模观测器的抗干扰控制方法。该方法基于对象标称模型设计状态反馈控制器,利用高阶滑模观测器估计各状态/输出通道中的集总干扰,并在状态反馈通道中引入集总干扰估计以补偿干扰对控制性能的影响。研究结果表明,该方法可以对未知集总干扰进行精确估计,且整个闭环控制回路具有较快的跟踪控制性能和抗干扰能力,同时干扰观测器具有不牺牲标称控制性能的特点。（3）针对一类同时存在不确定性干扰且控制作用受限的典型热工过程,分别提出了一种基于状态估计与独立模型策略的滚动Galerkin最优控制方法以及一种基于高阶滑模干扰观测器的滚动Galerkin最优抗干扰控制方法。前者主要解决状态不可测和输出通道存在常值扰动时的跟踪控制问题,而后者则可解决状态不可测且导数有界干扰存在于不同通道的跟踪控制问题。与前者相比,第二种方法同时兼顾了不确定干扰以及跟踪控制性能,实现了不确定干扰条件下闭环最优控制。研究结果表明,两种控制方法均能够在满足控制作用受限条件下的参数跟踪控制问题,相比于第一种方法,第二种方实用性更为广泛。
毛世聪[6]（2020）在《基于T-S模型的舰船蒸汽动力装置机炉协调控制研究》文中认为由于蒸汽动力装置结构和热工动态过程复杂,机炉协调系统具有强非线性、大时延、多变量耦合和多约束等特点。随着近些年舰船自动化水平的不断发展,对机炉协调系统的控制性能要求越来越高,当前借助机理建模和传统控制策略往往无法取得令人满意的效果。本文在分析机炉协调控制系统动态特性、多模型建模方法和预测控制策略的基础上,对其数学模型和控制器设计展开研究,完成的主要工作有:（1）分析机炉协调控制系统组成、分类和特点,根据控制层次将其分成主控制系统、局部控制系统和负荷控制对象三部分,按照工作方式分为炉跟机和机跟炉两种类别,基于运行环境总结系统特点,并简单介绍实际机炉控制系统;（2）分别从输入变量选择、输入空间划分、前件参数辨识和后件参数辨识四个方面论述T-S模糊多模型建模方法基本原理,针对T-S模糊建模方法聚类数提高的同时计算负担会急剧增加的问题,提出采用改进遗传算法优化前件参数,并以Box-Jenkins煤气炉为研究对象,在MATLAB/Simulink中对所建模型进行仿真实验,通过对比改进前后两种模型的输出均方误差,验证了改进建模方法在改善模型精度上的有效性;（3）研究改进T-S模糊建模方法在机炉协调中的应用,首先以Bell-Astrom系统为对象,经多次改进调试,确定输入变量阶次选择与遗传算法部分参数调整方法,并对所建模型开展仿真实验,验证该建模方法在机炉系统中的可行性。再以实际机组试验数据为基础,结合Bell-Astrom系统建模的方法和经验,在MATLAB/Simulink中建立实际机组T-S模糊模型,计算比较不同建模方式下螺旋桨转速、输出功率和主蒸汽压力仿真输出的均方误差,验证模型精度;（4）由多变量广义预测控制算法基本原理,制定多模型预测控制加权策略,将T-S模糊模型和预测控制算法结合,参考Bell-Astrom系统预测控制器设计方法,完成实际机组多模型广义预测控制器设计,并进行阶跃扰动和变工况仿真试验,通过计算试验中目标输出的调节时间等参数,验证预测控制算法在船用机炉系统中的效果。上述研究结果表明:本文所提出的改进T-S模糊建模方法能有效提高建模效率、改善建模精度,基于该模型所搭建的多变量广义预测控制器能实现快速稳定的控制,提升蒸汽动力装置整体性能。
方月建[7]（2020）在《压水堆核电站稳压器的建模与控制》文中研究指明核电站一回路是核电厂中的能源来源,同时一回路的高效稳定运作也与核电厂的安全运行密切相关的,而在一回路中,稳压器又是维持整个一回路中的安全的重要一环。在整个一回路中,稳压器起着稳定整个一回路中的压力和水位的重要作用。但是由于稳压器本身的复杂性,如何对其建立一个准确的数学模型一直是一个难题,对其控制方法也一直停留在传统PID控制器上,获取稳压器的精确模型和对其应用先进的控制方法一直是该领域的热点和难点。本文首先分析了稳压器中的各个部件的物理结构,它们在稳压器中的作用,它们的工作方式。对稳压器本身的物理结构有了一个透彻的了解之后,再对稳压器建立一个三区非平衡机理模型。对于机理模型中不确定的一些热力学参数,采用移动最小二乘法来求解。最终建立了关于压力和水位的稳压器微分方程,状态方程的输入为电加热器的功率,喷淋阀的流量,安全阀的流量,上充下泄流量差,结合稳压器本身的物性参数,最终得到一个偏于控制的稳压器模型。在建立的模型上,进行开环对比验证。最终该模型的压力和水位响应曲线符合实际运行过程中的稳压器变化情况,验证了该稳压器机理模型的准确性。利用上述建立的稳压器模型,对比采用了传统PID控制器,模糊自适应PID控制器,分段式多模型预测控制器的控制策略,通过观察最终的控制曲线对比各个控制器之间的优劣。从最终的仿真结果可以看出,传统PID控制器虽然结构简单,应用广泛,在面对压力和水位的负向小阶跃变化时,其跟踪性能能够满足要求,但是当仿真情况变成大阶跃变化时,传统PID控制器已经不能在短时间内实现跟踪压力的阶跃变化值,同时在水位的阶跃变化过程中,传统的PID控制器出现了一定的静态误差。相对于传统PID控制器,模糊自适应PID控制器有了一定程度的改进,同时针对PID控制中水位阶跃过程中的稳态误差也消除了,在面对压力的大阶跃变化时,也能在相当短的时间内实现无静差跟踪。最后是多模型预测控制器,通过选取几个压力参考点,对压力系统建立分段式状态空间方程,然后对每个参考点的模型建立模型预测控制器,最后利用重心法对所有预测控制器的输出相加变成最终的控制输出。从最后的仿真结果来看,多模型预测控制器无论是在压力的小阶跃变化,压力大阶跃变化和水位的小阶跃变化情况下,都能实现快速跟踪,验证了该控制器的有效性。
吕财[8]（2019）在《非线性传热多模型自适应反演及应用研究》文中研究表明根据部分可观测信息反演传热系统的内部特征或热边界条件,构成了传热学反问题（inverse heat transfer problem,IHTP）。传热学反问题广泛存在于科学研究和众多技术领域。近十几年来,传热学反问题及其应用研究十分活跃,对于线性非时变传热反问题,已经建立了一些相对成熟的研究方法。另一方面,实际工程领域的许多传热问题都具有明显的时变不确定性和非线性等基本特征,现有的传热学反问题研究方法能够提供的理论支撑明显不足,对该问题进行深入研究具有明显的科学意义和实际价值。本文针对IHTP研究存在的主要问题,提出应用多模型自适应思想研究非线性传热过程反演问题。论文的主要研究工作与成果包括以下五个方面:（1）基于多模型自适应思想,建立了非线性传热系统的温度预测模型。根据系统的非线性特征参数将传热系统划分为多个线性化子空间,基于阶跃响应函数建立与各子空间对应的线性预测子模型;进一步,根据各线性子模型与实际传热系统的瞬时匹配程度,通过预测子模型集的加权综合获得非线性传热系统的全局性预测模型,为建立非线性传热过程多模型自适应反演方案奠定了基础。（2）针对非线性传热系统热边界条件反问题,提出了一种多模型自适应反演（multiple model adaptive inverse,MMAI）方案。以非线性传热系统的全局性预测模型及温度测量信息为基础,通过滚动优化实现系统瞬时热边界条件的反演。利用MMAI方案分别研究了移动热源传热系统热源强度反演及变热物性传热系统边界热流反演等问题,并与自适应顺序函数法（ASFSM）及动态矩阵控制（DMC）方案进行了对比,证实了MMAI方案求解非线性传热过程反问题的有效性。（3）针对时变对流换热系数反演问题,建立了一种基于边界条件转移的多模型自适应反演（BCT-MMAI）方案,将未知时变对流换热系数的反演转移为对已知边界条件的反演,解决了MMAI方案反演时变对流换热系数时无法判断线性子模型和实际传热系统瞬时匹配程度的问题。根据拟定的特征量离散点,实现非线性传热系统线性子空间分割,建立温度预测子模型;根据温度预测信息和测量信息,通过滚动优化获得已知边界条件的估计值。进一步,基于已知边界条件估计值的偏差信息,对特征量离散值进行综合加权,间接产生时变对流换热系数的辨识结果。（4）应用前述的MMAI方案研究了工件钻孔加工过程中移动热边界条件的反演和瞬态温度场重构问题。通过数值仿真试验探讨了子模型数目,孔径尺寸以及未来时间步数等对热边界条件反演结果的影响;进一步,基于钻孔过程的实测温度数据,采用MMAI方案反演了工件的移动边界热流,在此基础上重构了工件的瞬态温度场,并利用温度测量信息对移动边界热流反演结果的可靠性进行了验证。（5）利用前述的BCT-MMAI方案,研究了膜式水冷壁向火侧局部辐射热流、管内流体温度以及管内对流换热系数等多个时变热边界条件的同时反演问题。将对流换热系数的反演转移为对水冷壁背火侧绝热边界的反演问题。基于MMAI方案直接获得辐射热流和管内流体温度的反演结果,并通过特征量离散值的综合加权,间接产生管内的对流换热系数。上述研究结果为水冷壁温度的在线监测提供了一种有前途的解决方案。
朱建忠[9]（2019）在《热工过程的多变量扰动抑制控制方法研究》文中研究说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。
高常乐[10]（2019）在《基于机器学习的脱硝系统建模研究》文中研究表明目前我国火电机组广泛使用SCR脱硝系统作为烟气NOx治理的主要手段,建立准确的脱硝系统模型,掌握SCR系统的运行特性,对火电机组经济环保运行具有重要意义。本文以某660MW燃煤机组为研究对象,采用机器学习方法对SCR脱硝系统进行建模研究,主要研究内容如下:首先,从动力学角度分析催化还原反应机理,建立了SCR脱硝系统机理模型。为提高机理模型准确性,结合非线性权重更新策略和多目标跟踪策略提出了改进的粒子群优化算法,进而提出了采用该算法从现场实际运行数据中辨识机理模型参数的方法,针对某660MW机组的算例表明了该方法的有效性。其次,提出了一种改进的稀疏最小二乘支持向量机回归建模方法,该方法在传统剪枝策略的基础上对数据中的奇异点样本进行剔除,利用IPSO算法对核参数进行寻优,在获取模型稀疏特性的同时提高了模型的预测性能。提出了基于IS-LSSVR的SCR脱硝系统喷氨量预测模型,算例结果验证了该模型的预测精度和泛化能力。再次,建立了基于LSTM的烟囱入口NOx浓度软测量模型,该模型以SCR脱硝系统相关变量的时序数据作为输入,采用LSTM神经网络方法提取时序数据中的特性信息,实现了烟囱入口NOx浓度的软测量。针对SCR系统的时变特性,引入模型更新策略,提高了模型的自适应能力,采用现场运行数据进行了模型验证。然后,采用烟囱入口NOx浓度软测量模型对SCR出口NOx浓度测量值进行校正,基于校正后的现场数据,提出了两种催化剂性能劣化分析方法。其一,在SCR脱硝系统机理模型的基础上,利用校正后的运行数据对机理模型动力学参数进行辨识,从SCR脱硝反应动力学参数变化的角度分析催化剂服役期间的活性性能变化情况。其二,利用基于IS-LSSVR的SCR系统喷氨量预测模型,以服役过程中同一标准工况的耗氨量变化来表征催化剂活性性能的变化,采用分时段多模型建模方法获取催化剂的性能劣化趋势。最后,依托某集团公司脱硝催化剂两化融合平台,开发了SCR脱硝系统状态监测及催化剂性能劣化分析软件。
二、多模型自适应控制及其在热工过程中的应用（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、多模型自适应控制及其在热工过程中的应用（论文提纲范文）
（1）数字孪生建模方法及其在热力系统优化运行中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号及缩写表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 能源电力发展背景与现状 |
| 1.1.2 智能控制优化研究现状 |
| 1.2 热力系统建模仿真及大数据技术研究现状 |
| 1.2.1 热力系统建模研究现状 |
| 1.2.2 电力大数据及其发展现状 |
| 1.2.3 热力系统仿真技术发展背景 |
| 1.3 数字孪生技术的应用现状及关键技术 |
| 1.3.1 数字孪生的应用发展现状 |
| 1.3.2 数字孪生研究的关键技术 |
| 1.3.3 数字孪生发展面临的挑战 |
| 1.4 论文的研究内容 |
| 第2章 大数据背景下的数字孪生与热力系统建模理论 |
| 2.1 数字孪生的基本理论 |
| 2.1.1 数字孪生的定义与内涵 |
| 2.1.2 数字孪生与仿真技术之间的关系 |
| 2.1.3 数字孪生与信息物理系统之间的关系 |
| 2.2 热力系统建模理论与方法 |
| 2.2.1 流体网络机理建模理论与方法 |
| 2.2.2 数据驱动建模理论与方法 |
| 2.3 大数据的基本理论 |
| 2.3.1 大数据平台框架及相关技术 |
| 2.3.2 大数据存储管理与预处理方法 |
| 2.3.3 大数据分布式集群平台构建 |
| 2.4 本章小结 |
| 第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
| 3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
| 3.1.3 基于多层次综合相似度度量的相似工况识别 |
| 3.1.4 基于Spark平台的数据驱动局部模型建模 |
| 3.2 SCR脱硝系统数据驱动建模应用案例 |
| 3.2.1 建模对象及背景介绍 |
| 3.2.2 数据预处理和相似工况选取 |
| 3.2.3 局部建模过程及结果分析 |
| 3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
| 3.3.1 建模对象及背景介绍 |
| 3.3.2 荷侧供热负荷预测模型 |
| 3.3.3 源侧电负荷预测 |
| 3.4 本章小结 |
| 第4章 热力系统数字孪生建模理论及应用 |
| 4.1 热力系统数字孪生建模思路 |
| 4.1.1 数字孪生建模方法的提出 |
| 4.1.2 数字孪生模型的构建方法及流程 |
| 4.2 数字孪生机理模型的构建 |
| 4.2.1 管路模型 |
| 4.2.2 调节阀模型 |
| 4.2.3 离心水泵模型 |
| 4.2.4 换热器模型 |
| 4.3 数字孪生模型的协同与融合理论 |
| 4.3.1 数字孪生模型离线智能参数辨识 |
| 4.3.2 数字孪生模型参数在线自适应协同 |
| 4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
| 4.4 数字孪生建模实例分析 |
| 4.4.1 脱硝系统数字孪生模型的建立 |
| 4.4.2 供热系统数字孪生模型的建立 |
| 4.5 本章小结 |
| 第5章 基于热力系统数字孪生模型的节能控制优化 |
| 5.1 基于数字孪生模型的智能工况动态寻优 |
| 5.1.1 热力系统智能工况动态寻优策略 |
| 5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
| 5.2 基于数字孪生模型的自适应预测控制优化 |
| 5.2.1 基于数字孪生模型的预测控制算法 |
| 5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 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 |
（2）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 |
（3）火电机组热工过程闭环辨识及预测控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文背景及意义 |
| 1.2 系统辨识方法 |
| 1.2.1 线性模型结构及其参数化形式及预报误差辨识法的基本原理 |
| 1.2.2 闭环辨识模型参数估计方法的研究现状 |
| 1.2.3 模型结构辨识的研究现状 |
| 1.2.4 鲁棒辨识法的研究现状 |
| 1.2.5 闭环辨识方法在热工过程的研究现状 |
| 1.3 预测控制方法 |
| 1.3.1 预测控制稳定性综合方法的研究现状 |
| 1.3.2 鲁棒预测控制方法的研究现状 |
| 1.3.3 显式预测控制方法的研究现状 |
| 1.3.4 自适应预测控制方法的研究现状 |
| 1.3.5 预测控制方法在火电机组热工过程的研究现状 |
| 1.4 存在的问题及本文的研究内容安排 |
| 1.4.1 存在的问题 |
| 1.4.2 本文的研究内容及思路框架 |
| 第二章 基于现场数据的火电机组辨识方法研究 |
| 2.1 引言 |
| 2.2 预报误差辨识法 |
| 2.2.1 预报误差辨识基本算法简介 |
| 2.2.2 预报误差辨识法的无偏性及渐进特性 |
| 2.3 基于模型总误差判阶准则的闭环辨识方法 |
| 2.3.1 模型阶次判定准则 |
| 2.3.2 基于模型总误差的闭环辨识法实现 |
| 2.3.3 仿真实例 |
| 2.4 多变量系统的闭环辨识方法研究 |
| 2.5 基于模型总误差判阶准则的过热汽温闭环系统辨识实验研究 |
| 2.5.1 火电厂过热汽温系统 |
| 2.5.2 基于模型总误差判阶准则的过热汽温闭环系统辨识结果及分析 |
| 2.6 火电厂CO_2捕集系统多变量闭环辨识方法研究 |
| 2.6.1 火电厂CO_2捕集系统 |
| 2.6.2 基于火电厂CO_2捕集系统运行数据的闭环辨识实验结果与分析 |
| 2.7 本章小结 |
| 第三章 火电机组不确定模型闭环辨识方法研究 |
| 3.1 引言 |
| 3.2 集员辨识法基本算法简介 |
| 3.3 基于全对称多胞体的集员辨识法 |
| 3.3.1 全对称多胞体的基本性质 |
| 3.3.2 基于全对称多胞体的闭环集员辨识法 |
| 3.3.3 仿真实例 |
| 3.4 基于全对称多胞体多变量系统闭环集员辨识方法研究 |
| 3.4.1 多变量系统描述 |
| 3.4.2 基于全对称多胞体的多变量系统闭环集员辨识算法 |
| 3.4.3 算法实现 |
| 3.5 火电机组过热汽温系统闭环集员辨识建模仿真研究 |
| 3.6 火电机组CO_2捕集系统多变量闭环集员辨识方法研究 |
| 3.7 本章小结 |
| 第四章 火电机组显式鲁棒预测控制方法研究 |
| 4.1 引言 |
| 4.2 预测控制方法简介 |
| 4.2.1 预测控制方法基本原理 |
| 4.2.2 基于凸包描述的RMPC综合方法 |
| 4.3 一种无差跟踪的显式鲁棒预测控制方法 |
| 4.3.1 EFERMPC的离线设计 |
| 4.3.2 EFERMPC的在线实现 |
| 4.4 一种基于可控状态空间的EFERMPC控制算法 |
| 4.5 基于EFERMPC的火电机组汽温控制仿真研究 |
| 4.6 基于EFERMPC的火电机组CO_2捕集控制仿真研究 |
| 4.6.1 状态空间模型的建立 |
| 4.6.2 仿真实验及结果分析 |
| 4.7 本章小结 |
| 附录 |
| 第五章 火电机组自适应鲁棒模型预测控制方法研究 |
| 5.1 引言 |
| 5.2 RMPC控制性能评价方法 |
| 5.2.1 RMPC控制性能指标 |
| 5.2.2 RMPC控制器的自适应更新 |
| 5.2.3 算法实现 |
| 5.3 一种结合控制性能评价的综合RMPC方法 |
| 5.3.1 自适应鲁棒模型预测方法 |
| 5.3.2 可实现控制目标跟踪的RMPC方法 |
| 5.3.3 结合控制性能评价的综合鲁棒预测控制方法 |
| 5.4 基于综合RMPC方法火电机组过热汽温控制仿真实验 |
| 5.5 基于综合RMPC方法火电机组CO_2捕集系统控制仿真实验 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 论文的研究成果及创新点 |
| 6.2 对后续研究工作的展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（4）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 |
（5）非线性压制与抗干扰受限控制方法研究及其在热工过程中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状与分析 |
| 1.2.1 热工过程控制研究现状及存在的问题 |
| 1.2.2 反馈线性化与非线性压制控制 |
| 1.2.3 基于干扰观测器的抗干扰控制方法 |
| 1.2.4 最优控制方法 |
| 1.3 主要研究内容与技术路线 |
| 第2章 非线性压制控制方法研究 |
| 2.1 引言 |
| 2.2 预备知识 |
| 2.2.1 齐次系统理论 |
| 2.2.2 一些重要引理 |
| 2.2.3 加幂积分方法 |
| 2.3 区间单调齐次度 |
| 2.4 区间幂指数非线性系统的镇定分析 |
| 2.4.1 一些关键假设及引理 |
| 2.4.2 系统稳定性分析 |
| 2.4.3 仿真算例 |
| 2.5 热工过程应用示例分析 |
| 2.5.1 简化分析 |
| 2.5.2 控制性能分析 |
| 2.6 本章小结 |
| 第3章 基于高阶滑模干扰观测器的非线性抗干扰控制方法研究 |
| 3.1 引言 |
| 3.2 锅炉--汽机协调系统及问题描述 |
| 3.3 控制器设计及稳定性证明 |
| 3.3.1 复合控制器设计 |
| 3.3.2 渐近稳定性分析 |
| 3.3.3 结论扩展 |
| 3.4 仿真结果与分析 |
| 3.4.1 控制器与观测器参数选取 |
| 3.4.2 控制性能分析 |
| 3.4.3 仿真结果分析总结 |
| 3.5 本章小结 |
| 第4章 Galerkin受限抗干扰最优控制方法研究 |
| 4.1 引言 |
| 4.2 Galerkin最优控制方法 |
| 4.2.1 Galerkin方法 |
| 4.2.2 基于Galerkin的最优控制方法 |
| 4.3 滚动Galerkin最优控制方法研究 |
| 4.3.1 滚动Galerkin最优控制问题描述 |
| 4.3.2 基于状态观测器和独立模型的滚动Galerkin最优控制方法 |
| 4.3.3 仿真结果与分析 |
| 4.4 基于高阶滑模干扰观测器的滚动Galerkin最优控制方法 |
| 4.4.1 控制算法实现 |
| 4.4.2 控制性能仿真 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 附录 |
| 命题2.1 |
| 命题2.2 |
| 命题2.3 |
| 参考文献 |
| 致谢 |
| 作者在攻读博士学位期间研究成果 |
（6）基于T-S模型的舰船蒸汽动力装置机炉协调控制研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 机炉协调控制系统国内外研究现状 |
| 1.3 T-S模糊模型研究现状 |
| 1.4 多模型预测控制应用研究现状 |
| 1.5 本文主要研究内容 |
| 第2章 协调控制系统分析 |
| 2.1 协调控制系统组成 |
| 2.1.1 主控制系统 |
| 2.1.2 局部控制系统 |
| 2.1.3 负荷控制对象 |
| 2.2 协调控制系统分类及特点 |
| 2.2.1 协调控制系统分类 |
| 2.2.2 协调控制系统特点 |
| 2.3 某型实训机炉控制系统介绍 |
| 2.4 本章小结 |
| 第3章 T-S模糊模型辨识算法改进 |
| 3.1 T-S模糊模型描述 |
| 3.2 模糊模型结构辨识 |
| 3.2.1 输入变量选择 |
| 3.2.2 输入空间模糊划分 |
| 3.3 模糊模型参数辨识 |
| 3.3.1 前件部分参数辨识 |
| 3.3.2 后件部分参数辨识 |
| 3.4 基于遗传算法的T-S模糊模型参数优化 |
| 3.4.1 遗传算法的基本原理和特点 |
| 3.4.2 基于遗传算法优化T-S模型参数 |
| 3.5 本章小结 |
| 第4章 改进T-S模糊模型下船用机炉协调系统建立 |
| 4.1 基于改进T-S模糊模型的Bell-Astrom机炉系统建模 |
| 4.1.1 Bell-Astrom模型描述 |
| 4.1.2 Bell-Astrom机炉系统建模 |
| 4.1.3 模型仿真分析 |
| 4.2 基于改进T-S模糊模型的船用机炉系统建模 |
| 4.2.1 实际数据的处理 |
| 4.2.2 船用机炉协调系统建模 |
| 4.2.3 模型仿真分析 |
| 4.3 本章小结 |
| 第5章 蒸汽动力装置机炉协调控制策略研究 |
| 5.1 多变量广义预测控制算法 |
| 5.1.1 预测控制基本原理 |
| 5.1.2 多变量广义预测控制基本算法 |
| 5.1.3 多模型预测控制加权策略 |
| 5.1.4 多变量预测控制在T-S模糊模型中的应用 |
| 5.2 Bell-Astrom机炉协调系统预测控制仿真 |
| 5.3 船用机炉协调系统预测控制仿真 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的成果和参加的科研项目 |
| 1 攻读硕士学位期间发表的论文及专利 |
| 2 攻读硕士学位期间参加的科研项目 |
（7）压水堆核电站稳压器的建模与控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及其研究目的和意义 |
| 1.2 核电站机组及稳压器作用概述 |
| 1.3 稳压器建模的应用综述 |
| 1.4 智能控制和模型预测控制预测控制及其在稳压器控制中的应用综述 |
| 1.4.1 智能控制算法的应用及综述 |
| 1.4.2 模型预测算法的应用及综述 |
| 1.5 本文的研究内容 |
| 第2章 压水堆核电站稳压器的物理结构及其控制原理 |
| 2.1 引言 |
| 2.2 稳压器的物理结构分析 |
| 2.3 稳压器的控制原理分析 |
| 2.4 本章小结 |
| 第3章 基于移动最小二乘算法的核电站稳压器的机理建模与仿真 |
| 3.1 引言 |
| 3.2 稳压器模型的建立 |
| 3.3 稳压器机理模型的仿真验证 |
| 3.4 本章小结 |
| 第4章 基于稳压器机理模型的智能控制算法和模型预测算法的设计与应用 |
| 4.1 引言 |
| 4.2 基于稳压器机理模型的传统PID控制器设计 |
| 4.2.1 PID控制器的设计 |
| 4.2.2 仿真结果分析 |
| 4.3 基于模糊自适应PID算法的控制系统设计及其应用 |
| 4.3.1 模糊PID控制器的设计 |
| 4.3.2 仿真结果分析 |
| 4.4 基于分段线性化的多模型预测算法稳压器控制系统设计及其应用 |
| 4.4.1 稳压器分段线性化模型的建立 |
| 4.4.2 预测控制器的设计 |
| 4.4.3 仿真结果分析 |
| 4.5 本章小结 |
| 第5章 结论及展望 |
| 5.1 研究结论 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士期间取得的研究成果 |
| 致谢 |
（8）非线性传热多模型自适应反演及应用研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 主要符号表 |
| 1 绪论 |
| 1.1 传热学反问题及其工程背景 |
| 1.2 传热学反问题研究概述 |
| 1.2.1 Tikhonov正则化方法 |
| 1.2.2 梯度优化方法 |
| 1.2.3 非梯度优化方法 |
| 1.2.4 顺序函数法 |
| 1.2.5 分散模糊推理方案 |
| 1.3 非线性传热过程反问题及其面临的问题 |
| 1.4 本文主要研究内容 |
| 2 非线性传热系统多模型自适应预测 |
| 2.1 引言 |
| 2.2 线性传热系统温度预测模型 |
| 2.2.1 传热系统一般性描述 |
| 2.2.2 单变量作用下的温度预测模型 |
| 2.2.3 多变量作用下的温度预测模型 |
| 2.3 非线性传热的多模型自适应预测 |
| 2.3.1 非线性传热系统多模型预测方案 |
| 2.3.2 预测子模型集的建立 |
| 2.3.3 子模型的综合调度 |
| 2.3.4 全局性自适应预测模型 |
| 2.4 移动热源传热系统温度预测 |
| 2.4.1 移动热源传热模型 |
| 2.4.2 阶跃响应系数 |
| 2.4.3 子模型的加权综合 |
| 2.4.4 数值试验结果及讨论 |
| 2.5 小结 |
| 3 非线性传热系统的多模型自适应反演 |
| 3.1 引言 |
| 3.2 非线性传热的多模型自适应反演 |
| 3.2.1 多模型自适应反演系统 |
| 3.2.2 滚动优化 |
| 3.2.3 反演流程 |
| 3.3 变热物性传热系统边界热流反演 |
| 3.3.1 传热过程及其反问题 |
| 3.3.2 阶跃响应系数 |
| 3.3.3 子模型权值计算 |
| 3.3.4 数值试验结果及讨论 |
| 3.4 移动热源传热系统热源强度估计 |
| 3.4.1 数值试验条件 |
| 3.4.2 移动热源温度场模拟 |
| 3.4.3 子模型数目的影响 |
| 3.4.4 热源移动速度的影响 |
| 3.4.5 测量误差的影响 |
| 3.4.6 未来时间步数的影响 |
| 3.5 小结 |
| 4 基于边界条件转移的多模型自适应反演 |
| 4.1 引言 |
| 4.2 传热模型 |
| 4.3 非线性传热过程反问题描述 |
| 4.4 边界条件转移多模型自适应反演方案 |
| 4.4.1 边界条件转移思想 |
| 4.4.2 预测子模型集的建立 |
| 4.4.3 灵敏度系数 |
| 4.4.4 滚动优化 |
| 4.4.5 特征变量及滚动优化结果的加权综合 |
| 4.4.6 反演流程 |
| 4.5 数值试验及讨论 |
| 4.5.1 数值试验条件 |
| 4.5.2 对流换热系数分布形式的影响 |
| 4.5.3 待反演量数目的影响 |
| 4.5.4 未来时间步数的影响 |
| 4.5.5 流体温度的影响 |
| 4.5.6 测量误差的影响 |
| 4.6 小结 |
| 5 基于MMAI方法的钻孔工件温度场重构及验证 |
| 5.1 引言 |
| 5.2 工件温度分布数学模型 |
| 5.3 钻孔工件传热反问题 |
| 5.4 数值试验结果及讨论 |
| 5.4.1 数值试验条件 |
| 5.4.2 子模型数目的影响 |
| 5.4.3 孔径尺寸的影响 |
| 5.4.4 未来时间步数的影响 |
| 5.4.5 测量误差的影响 |
| 5.5 温度场重构结果的实验验证 |
| 5.6 小结 |
| 6 BCT-MMAI方法在膜式水冷壁传热过程中的应用 |
| 6.1 引言 |
| 6.2 膜式水冷壁传热模型及反问题 |
| 6.3 数值试验结果及讨论 |
| 6.3.1 数值试验条件 |
| 6.3.2 水冷壁时变传热边界条件的同时反演 |
| 6.3.3 测量误差的影响 |
| 6.3.4 未来时间步数的影响 |
| 6.4 小结 |
| 7 总结与展望 |
| 7.1 主要结论 |
| 7.2 后续研究工作展望 |
| 参考文献 |
| 附录 |
| A 水冷壁圆管及鳍片上的角系数 |
| B 作者在攻读学位期间发表的论文目录 |
| C 作者在攻读学位期间参加的科研项目 |
| D 学位论文数据集 |
| 致谢 |
（9）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 |
（10）基于机器学习的脱硝系统建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 机器学习简介 |
| 1.2.2 SCR脱硝系统建模研究 |
| 1.3 本文研究对象 |
| 1.4 论文的主要内容 |
| 第二章 SCR系统机理模型 |
| 2.1 引言 |
| 2.2 SCR系统简介 |
| 2.2.1 SCR烟气脱硝反应原理 |
| 2.2.2 SCR系统布置工艺 |
| 2.3 SCR系统机理模型 |
| 2.3.1 SCR系统动力学模型 |
| 2.3.2 模型求解 |
| 2.4 机理模型参数辨识 |
| 2.4.1 标准粒子群算法 |
| 2.4.2 改进粒子群优化算法 |
| 2.4.3 IPSO算法性能验证 |
| 2.4.4 基于IPSO算法的机理模型参数辨识 |
| 2.4.5 机理模型验证 |
| 2.5 本章小结 |
| 第三章 基于IS-LSSVR的 SCR系统喷氨量预测模型 |
| 3.1 引言 |
| 3.2 最小二乘支持向量机回归 |
| 3.3 改进稀疏最小二乘支持向量机回归 |
| 3.3.1 LSSVR的稀疏化分析 |
| 3.3.2 兼顾奇异点剔除的稀疏策略 |
| 3.3.3 改进稀疏LSSVR的性能验证 |
| 3.4 基于IS-LSSVR的 SCR脱硝系统喷氨量预测模型 |
| 3.5 本章小结 |
| 第四章 基于LSTM的烟气NOX浓度软测量模型 |
| 4.1 引言 |
| 4.2 烟气NOX浓度软测量分析 |
| 4.3 长短期记忆神经网络 |
| 4.3.1 循环神经网络 |
| 4.3.2 长短期记忆神经网络 |
| 4.4 基于LSTM的烟囱入口NOX浓度软测量模型 |
| 4.4.1 辅助变量确定及建模数据准备 |
| 4.4.2 LSTM神经网络模型的建立 |
| 4.4.3 LSTM模型对比验证 |
| 4.5 自适应LSTM软测量模型 |
| 4.5.1 自适应更新策略 |
| 4.5.2 自适应LSTM模型性能验证 |
| 4.6 本章小结 |
| 第五章 SCR脱硝催化剂性能劣化分析 |
| 5.1 引言 |
| 5.2 基于机理模型的SCR脱硝反应动力学参数变化分析 |
| 5.3 基于数据模型的SCR标准工况耗氨量变化分析 |
| 5.4 本章小结 |
| 第六章 SCR系统状态监测及催化剂性能劣化分析软件开发 |
| 6.1 引言 |
| 6.2 SCR系统状态监测及催化剂性能劣化分析软件开发 |
| 6.2.1 软件功能设计 |
| 6.2.2 开发环境及软件 |
| 6.2.3 SCR脱硝系统状态监测平台 |
| 6.2.4 SCR脱硝系统催化剂性能劣化分析平台 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文主要工作 |
| 7.2 进一步研究方向 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、多模型自适应控制及其在热工过程中的应用（论文参考文献）
- [1]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [2]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)
- [3]火电机组热工过程闭环辨识及预测控制方法研究[D]. 王迪. 东南大学, 2020
- [4]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)
- [5]非线性压制与抗干扰受限控制方法研究及其在热工过程中的应用[D]. 赵刚. 东南大学, 2020
- [6]基于T-S模型的舰船蒸汽动力装置机炉协调控制研究[D]. 毛世聪. 武汉理工大学, 2020(08)
- [7]压水堆核电站稳压器的建模与控制[D]. 方月建. 华北电力大学(北京), 2020(06)
- [8]非线性传热多模型自适应反演及应用研究[D]. 吕财. 重庆大学, 2019(01)
- [9]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)
- [10]基于机器学习的脱硝系统建模研究[D]. 高常乐. 东南大学, 2019(01)