火电厂热工过程先进控制技术PDF|Epub|txt|kindle电子书版本网盘下载

火电厂热工过程先进控制技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

上篇 基于控制器力学统一性的系统设计方法1

第1章 热工过程控制策略概述1

1．1 概述1

1．2 热工过程先进控制策略研究现状2

1．2．1 改进的PID控制3

1．2．2 预测控制3

1．2．3 自适应控制5

1．2．4 状态变量控制6

1．2．5 热工过程控制的研究及存在的问题7

第2章 基于时间尺度的PID参数整定和二阶系统参数辨识9

2．1 基于时间尺度的PID控制器参数整定9

2．1．1 系统的时间尺度9

2．1．2 基于时间尺度的PID控制器参数整定10

2．1．3 仿真研究10

2．2 二阶系统参数辨识12

2．2．1 线性时不变二阶系统描述12

2．2．2 时变参数二阶系统及其参数辨识13

2．3 本章小结15

第3章 基于匀加速运动方程构建的系统状态观测器16

3．1 卡尔曼滤波器16

3．2 状态观测器19

3．3 基于匀加速运动方程构建的系统状态观测器21

3．3．1 理论推导21

3．3．2 仿真研究27

3．4 基于匀加速运动方程状态观测器构建的控制系统27

3．4．1 控制系统设计27

3．4．2 仿真研究29

3．5 本章小结29

第4章 大滞后控制系统的几种设计方法31

4．1 确定性大时滞控制系统的两步整定方法31

4．1．1 控制系统设计31

4．1．2 仿真研究33

4．2 时变大时滞控制系统的两种设计方法34

4．2．1 纯滞后系统的Smith控制算法34

4．2．2 史密斯预估控制系统的改进设计35

4．2．3 基于极点配置的状态观测器及其控制系统37

4．3 本章小结40

第5章 几种典型控制器的动力学统一性分析及其设计改进41

5．1 二阶系统通用控制器41

5．1．1 通用控制器设计41

5．1．2 仿真研究43

5．2 鲁棒控制器44

5．2．1 鲁棒控制系统概述44

5．2．2 鲁棒控制器设计46

5．2．3 仿真研究51

5．2．4 鲁棒控制器动力学统一性分析51

5．2．5 控制系统鲁棒性能进一步分析52

5．3 PID控制器53

5．3．1 PID控制器动力学统一性分析53

5．3．2 非线性PID控制器设计54

5．3．3 自适应（自校正）PID控制器设计57

5．4 内模控制系统（IMC）60

5．5 状态反馈控制61

5．5．1 状态反馈控制的动力学统一性分析61

5．5．2 仿真研究63

5．6 预测控制（GPC/MPC）63

5．6．1 预测控制的动力学统一性分析63

5．6．2 仿真研究65

5．7 本章小结66

第6章 对非线性控制系统设计的探讨67

6．1 引言67

6．2 反馈线性化68

6．3 系统间隙度和非线性系统的优化控制69

6．3．1 间隙度69

6．3．2 间隙度的性质70

6．3．3 仿真研究71

6．4 本章小结72

下篇 热工过程计算智能方法及其应用研究73

第7章 计算智能概论73

7．1 概述73

7．2 计算智能在电厂热工系统中的应用74

第8章 神经网络及其算法研究77

8．1 BP神经网络及其改进算法78

8．1．1 BP神经网络的拓扑结构及其学习算法78

8．1．2 加入动量项的学习算法79

8．1．3 RPROP——局部自适应的弹性更新值算法80

8．2 RBF神经网络82

8．2．1 RBF神经网络拓扑结构及其算法82

8．2．2 OLS（Orthogonal Least Square）算法84

8．3 CMAC神经网络87

8．4 PID神经网络90

8．4．1 PID神经网络的拓扑结构90

8．4．2 PID神经网络拟合能力仿真试验92

8．5 HIOCDRN动态递归神经网络及其在系统辨识中的应用94

8．5．1 Elman神经网络94

8．5．2 HIOCDRN神经网络96

8．5．3 辨识仿真97

8．6 本章小结98

第9章 混沌和PSO算法研究及其与神经网络的混合应用99

9．1 混沌优化策略99

9．2 RPROP与混沌优化耦合算法99

9．3 PSO算法103

9．3．1 粒子群算法的生物模型103

9．3．2 粒子群算法基本原理104

9．3．3 标准粒子群算法流程105

9．3．4 PSO算法的设计步骤105

9．3．5 PSO与其他进化算法的比较106

9．4 PSO算法改进策略107

9．4．1 基本PSO算法性能分析107

9．4．2 动态变量区间方法和重新启动策略108

9．4．3 改进算法性能测试110

9．4．4 改进PSO算法优化主汽温控制系统PID控制器参数111

9．5 基于PSO的RBF神经网络在热工系统辨识中的应用113

9．5．1 PSO算法中的非线性惯性因子递减策略113

9．5．2 辨识原理分析113

9．5．3 热工对象辨识仿真实验115

9．6 本章小结116

第10章 模糊量子遗传算法117

10．1 标准遗传算法117

10．1．1 遗传算法的概念117

10．1．2 遗传算法过程118

10．1．3 遗传算法中的编码119

10．1．4 遗传算法中的适应度函数设计120

10．1．5 遗传操作算子120

10．2 改进的自适应遗传算法123

10．3 模糊量子遗传算法125

10．3．1 量子计算及量子编码125

10．3．2 基于模糊规则调整的量子旋转门128

10．3．3 模糊量子遗传算法在热工过程辨识中的应用130

10．4 本章小结134

第11章 计算智能在热工控制系统中的应用研究135

11．1 单神经元神经网络控制器135

11．1．1 单神经元神经网络控制器原理及算法135

11．1．2 单神经元自适应控制器在DCS中的实现137

11．2 基于神经网络的内模控制139

11．3 神经网络预测控制143

11．4 基于PID神经网络的干扰观测器设计148

11．4．1 干扰观测器设计原理148

11．4．2 基于PID神经网络逆模型的干扰观测器148

11．5 一种基于神经网络和遗传算法的锅炉燃烧优化方法151

11．5．1 锅炉燃烧送风控制系统及优化方案152

11．5．2 锅炉燃烧过程建模152

11．5．3 遗传算法寻优153

11．5．4 仿真实验153

11．6 本章小结155

第12章 蚁群优化算法及其在热工控制系统中的应用156

12．1 关于蚁群优化算法156

12．1．1 概述156

12．1．2 国内外研究动态157

12．1．3 本章内容158

12．1．4 基本蚁群算法及其特点159

12．1．5 基本蚁群算法流程163

12．1．6 基本蚁群算法的优点与不足163

12．1．7 本节小结164

12．2 具有分工特征的蚁群算法164

12．2．1 算法的启发思想165

12．2．2 连续空间中变量编码规则165

12．2．3 三维坐标信息素体系166

12．2．4 人工蚂蚁的行为167

12．2．5 具有分工特征的蚁群算法模型169

12．2．6 晋级组蚁群与工蚁群工作流程170

12．2．7 具有分工特征的蚁群算法流程170

12．2．8 仿真算例170

12．2．9 本节小结173

12．3 基于具有分工特征的蚁群算法的热工过程辨识173

12．3．1 过程辨识的步骤和方法174

12．3．2 基于具有分工特征的算法的热工过程辨识174

12．3．3 过程辨识方案设计176

12．3．4 仿真与应用研究176

12．4 基于具有分工特征的蚁群算法的控制器参数优化182

12．4．1 PID控制器参数整定的研究状况182

12．4．2 基于具有分工特征的蚁群算法的PID参数优化整定182

12．4．3 应用研究184

12．4．4 串级PID控制器参数整定185

12．5 本章小结187

附录1 KPAACP优化在汽包水位系统中的应用193

附录2 300MW火电机组再热汽温调节198

致谢201

参考文献202