基于智能轨迹导引算法的实用控制研究

发布时间：2017-09-13 08:38

  本文关键词：基于智能轨迹导引算法的实用控制研究

  更多相关文章： ITGC 仿真 评价指标 燃烧控制 出水温度

【摘要】：许多工业现场的被控过程都具有非线性、时变性、大惯性、强耦合等特点,难以确定其精确的数学模型。通常依赖经验进行手动操作控制,自动化程度较低,无法满足外界负荷变化和克服各种扰动影响,不能够实现生产过程的安全高效。PID算法虽在工业界得到广泛应用,但其难以很好兼顾静态与动态指标的要求。本文以供暖锅炉的燃烧环节为特定的复杂对象进行智能控制研究,不仅在理论上进行了积极的探索,而且在实践上得到成功的应用。针对通常采用的增量式PID算法,逐项剖析其优劣,参照对比了一种基于参考模型的改进控制算法：ITGC(Intelligent Track Guiding Control)--智能轨迹导引控制。设计了以直线、一阶惯性环节、logistic曲线作为规划过渡过程曲线,将传统的“目标控制”过渡到“过程控制”,可得到不同时刻下的位置给定和速度给定。经加权组合不同时刻的位置差和速度差得到增量式控制输出方程,在更为“柔和”合理的控制激励下,促使系统响应平稳的跟随过渡过程曲线导引到达设定值。ITGC算法中需要对控制参数时间常数T、位置项系数Ap和速度项系数Av进行整定。以“在尽可能短的控制时间内以尽可能小的控制量变化使被控对象达到稳态值”的原则设计出新的评价指标ITSEU。在MATLAB/SIMULINK仿真平台和半实物仿真平台--一体化控制实验箱上验证了ITGC算法的优越性,能够较好的抑制振荡和超调,平稳的达到设定值。在DH29-1.6/130/70-AⅡ热水锅炉燃烧环节的控制中采用ITGC算法。通过比较操作工手动操作状态、一阶惯性导引控制和logistic导引控制对出水温度的不同控制效果,其中logistic导引控制效果最佳,在士1.2℃范围内。证明了ITGC算法在大惯性、大滞后的锅炉燃烧系统中具有良好的控制效果。此算法可对各类锅炉的燃烧控制提供积极的借鉴作用。
【关键词】：ITGC 仿真 评价指标 燃烧控制 出水温度
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TK223.7
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-15
• 1.1 选题背景及研究意义10-11
• 1.2 实用控制研究现状11-13
• 1.3 本文主要研究内容13
• 1.4 本章小结13-15
• 第2章 智能轨迹导引控制算法15-27
• 2.1 经典PID控制器的结构及优缺点剖析15-17
• 2.2.1 经典PID控制器的原理结构分析15-16
• 2.2.2 经典PID控制器的缺陷分析16-17
• 2.2 智能轨迹导引控制算法17-25
• 2.2.1 智能轨迹导引控制算法的原理17-18
• 2.2.2 智能轨迹导引控制算法的参数意义18-21
• 2.2.3 智能轨迹导引控制算法参考模型的选择及实现21-25
• 2.3 本章小结25-27
• 第3章 智能轨迹导引控制算法的模拟仿真与半实物仿真27-48
• 3.1 评价指标的建立27-29
• 3.2 智能轨迹导引控制算法的模拟仿真29-33
• 3.2.1 阶跃实验30-32
• 3.2.2 扰动实验32-33
• 3.3 温控实验33-35
• 3.4 参数整定实验35-38
• 3.4.1 数学模型建立方法35-36
• 3.4.2 控制参数T、A_P、Av的整定36-38
• 3.5 ITGC温控实验控制效果分析比较38-45
• 3.5.1 设定值阶跃变化控制效果分析比较38-43
• 3.5.2 恒定Sv下加扰动控制效果分析比较43-45
• 3.6 一阶惯性导引在恒温水浴温度控制中的应用45-47
• 3.7 本章小结47-48
• 第4章 锅炉燃烧控制系统的应用48-65
• 4.1 锅炉的工作过程48-50
• 4.2 锅炉燃烧系统的主要任务50-52
• 4.2.1 控制出水温度51
• 4.2.2 控制炉排与给煤比51
• 4.2.3 控制风煤配比51
• 4.2.4 控制炉膛负压51-52
• 4.3 锅炉燃烧系统控制方案52-59
• 4.3.1 出水温度控制回路55-56
• 4.3.2 炉排给煤控制回路56
• 4.3.3 风煤配比控制回路56-57
• 4.3.4 炉膛负压控制回路57-58
• 4.3.5 各子控制回路的协调控制58
• 4.3.6 温度控制算法设计58-59
• 4.4 实验结果及分析59-64
• 4.4.1 logistic导引控制效果60-61
• 4.4.2 手动、一阶惯性导引、logistic导引控制效果比较61-64
• 4.5 本章小结64-65
• 第5章 总结与展望65-67
• 5.1 总结65-66
• 5.2 展望66-67
• 参考文献67-70
• 攻读学位期间公开发表论文70-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 王金城;王晓琳;庞古风;;关联规则挖掘算法及其在冷轧生产中的应用[J];清华大学学报(自然科学版);2007年S2期

2 黄超君;范剑波;;Apriori算法的分析与改进[J];宁波工程学院学报;2013年02期

3 邱昕;甘超;江雄心;涂海宁;顾嘉;;基于云计算环境下Apriori算法的设备故障诊断技术研究[J];组合机床与自动化加工技术;2014年04期

4 吴通,李桂琴,富丽,余隋怀,陆长德;油漆调色系统的改进算法[J];西北工业大学学报;2003年03期

5 王嘉;汤大权;谢羿;;过程挖掘算法[J];火力与指挥控制;2011年08期

6 黄颖琦;;Active LeZi算法的改进[J];制造业自动化;2012年14期

7 邓勇,施文康;发现频繁情节的改进算法[J];上海交通大学学报;2005年03期

8 张友新;王立宏;;两阶段近邻传播半监督聚类算法[J];山东大学学报(工学版);2012年02期

9 胡森森;周贤善;;一种改进蚁群算法的研究[J];长江大学学报(自科版)理工卷;2006年04期

10 段海滨;王道波;于秀芬;;蚁群算法的研究现状及其展望[J];中国工程科学;2007年02期

中国重要会议论文全文数据库 前10条

1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年

2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年

3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年

4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年

7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年

8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年

10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

中国博士学位论文全文数据库 前10条

1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年

2 刘燕;入侵杂草优化算法在阵列天线综合中的应用[D];西安电子科技大学;2015年

3 苗义烽;突发事件下的列车运行调度模型与算法研究[D];中国铁道科学研究院;2015年

4 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年

5 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

6 潘磊;若干社区发现算法研究[D];南京大学;2014年

7 陈俊波;频繁闭合项集挖掘算法及应用研究[D];浙江大学;2009年

8 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

9 范洪博;快速精确字符串匹配算法研究[D];哈尔滨工程大学;2011年

10 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年

2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年

3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年

4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年

5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年

6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年

7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年

8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年

9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年

10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年

，

本文编号：842648