CN101751051B - 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 - Google Patents
基于约束史密斯广义预测控制的水泥分解炉温度控制方法 Download PDFInfo
- Publication number
- CN101751051B CN101751051B CN2008102293340A CN200810229334A CN101751051B CN 101751051 B CN101751051 B CN 101751051B CN 2008102293340 A CN2008102293340 A CN 2008102293340A CN 200810229334 A CN200810229334 A CN 200810229334A CN 101751051 B CN101751051 B CN 101751051B
- Authority
- CN
- China
- Prior art keywords
- control
- variable
- constraint
- model
- smith
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于约束史密斯广义预测控制的水泥分解炉温度控制方法,包括:变量选取:选取煤粉流量为控制变量,生流流量为前馈变量,分解炉温度为被控变量;模型辨识:基于最小二乘法和滞后时间估计法相结合的模型辨识器,得到脉冲传递函数模型;优化计算:预测未来的输出状态,并设定输出值的参考轨迹w;应用二次型性能指标的控制器进行滚动优化,计算当前时刻的控制增量Δu,加得到控制动作值u;约束处理:对控制变量和被控变量分别进行约束限幅处理;前馈补偿:利用动态补偿原理计算当前时刻t应加于系统的前馈控制动作值ud。本发明方法辨识过程简单,可调参数少,跟踪性能好,鲁棒性强,有效抑制生料流量波动带来的扰动影响;防止系统变量发生跳变。
Description
技术领域
本发明涉及水泥生产过程控制领域,尤其是涉及一种基于约束史密斯广义预测控制的水泥分解炉温度控制方法。
背景技术
水泥分解炉是新型干法水泥生产过程中的关键设备,承担着生料中绝大部分碳酸盐的分解任务,有效控制水泥分解炉温度,进而保证合适的生料分解率,对整条熟料生产线的稳定运行至关重要。
分解炉的结构如图1所示。在分解炉内,煤粉、三次风、预热后的生料以及回转窑的高温烟气,通过喷腾,实现气料充分混合,完成燃烧、分解。在这一过程中,风、煤、料三者之间发生了大量的放热和吸热反应,表现出复杂的非线性动态特性;在工业现场,由于煤粉和生料的流量计量装置距离分解炉较远,致使分解炉温度的控制具有明显的大滞后特性,实验表明,过程的滞后时间与时间常数之比大于0.6;另外,由于生料流量和成分的波动较大,造成分解炉温度受到了较大的扰动影响。因此,水泥分解炉温度控制具有较为明显的非线性、大滞后及大扰动的特点。
目前,分解炉温度的控制方法主要有两种类型:(1)PID控制;(2)各种智能控制(如模糊控制、模糊预测控制和神经网络控制等)。研究表明,当滞后时间与过程的时间常数之比大于0.3时,PID控制就难以获得好的控制效果。虽然对其改进后能够比普通PID控制效果更好一些,但是并没有从根本上解决大滞后所带来的不利影响。智能控制方法的通用性较强,它通过模仿操作员的经验,取得了比PID控制更好的控制效果,但是却难以有效地反映对象动态特性,而且还具有计算量大、实时性差的缺点。因此,有必要从水泥分解炉自身特点出发寻找一种新的控制方法,有针对性的解决水泥分解炉温度控制的实际问题。
发明内容
针对现有技术对水泥分解炉温度控制存在的不足,本发明要解决的技术问题是提供一种能够克服非线性、大滞后和大扰动的影响,具有前馈补偿的水泥分解炉温度约束史密斯广义预测控制(Smith Generalized PredictiveControl,Smith-GPC)方法。
为解决上述技术问题,本发明采用的技术方案是:
本发明基于约束史密斯广义预测控制的水泥分解炉温度控制方法,其特征在于包括以下步骤:
变量选取:选取煤粉流量为控制变量,生流流量为前馈变量,分解炉温度为被控变量;
模型辨识:针对煤粉流量与分解炉温度之间的控制通道和生料流量与分解炉温度之间的扰动通道,基于最小二乘法和滞后时间估计法相结合的模型辨识器,利用学习数据得到水泥分解炉控制通道和扰动通道的脉冲传递函数模型;
优化计算:在当前时刻t,利用过去的输入输出信息和预测的未来输入信息,通过辨识得到的脉冲传递函数模型,预测未来的输出状态,并设定输出值的参考轨迹w;将输出预测值与参考轨迹w进行比较,应用二次型性能指标的控制器进行滚动优化,计算当前时刻的控制增量Δu,然后与原来的控制动作值相加得到应加于系统的控制动作值u;
约束处理:考虑控制变量u(即喂煤流量)及其变化率的上下限、被控变量(即分解炉温度)的上下限,组成输入输出约束条件,对控制变量和被控变量分别进行约束限幅处理;
前馈补偿:基于在先辨识得到的扰动通道模型和控制通道模型,建立前馈补偿控制器,利用动态补偿原理计算当前时刻t应加于系统的前馈控制动作值ud。
所述模型辨识器能够估计系统滞后时间,其形式为:
所述优化计算得到的控制增量形式为:
式中,lyi,lui和fi分别为输出预测值、过去的输入值和输出量参考轨迹的系数,Δu(t)为控制增量,为d步超前的输出预测值,d为系统滞后时间,na为被控变量系数的最高阶次,nb为控制变量系数的最高阶次,w(t)为输出量的参考轨迹,N为总预测步长。
所述输入输出约束条件为:
式中,umax和umin分别为喂煤流量的上下限;dumax和dumin分别为喂煤流量变化幅度的上下限;ymax和ymin分别为分解炉温度的上下限;t表示时间;u(t)为煤粉流量;y(t)为分解炉温度。
所述前馈补偿控制器引用生料流量作为前馈变量对分解炉温度进行补偿,前馈补偿控制器模型计算方法为:
式中,Gf(s)为扰动通道传递函数,G(s)为控制通道传递函数,Gd(s)为前馈补偿控制器模型传递函数。
本发明具有以下有益效果及优点:
1.无需使用经验知识,只需使用输入输出数据就可以实现模型参数和滞后时间的在线辨识,辨识过程简单,可调参数少;
2.充分利用史密斯预估控制的结构优势,补偿了纯滞后时间,同时利用广义预测控制技术的优点,引入参考轨迹和滚动优化技术,使分解炉温度很好地克服了纯滞后的影响,平稳达到设定值,跟踪性能好,鲁棒性强;
3.充分利用了可测扰动(生料流量),将其作为前馈变量,有效地抑制了生料流量波动带来的扰动影响;
4.充分考虑了系统的约束条件,有效地设定了控制变量和被控变量的调整范围,防止了系统变量发生跳变。
附图说明
图1为控制对象水泥分解炉的示意简图;
图2为史密斯广义预测控制结构图;
图3为具有前馈补偿的约束史密斯广义预测控制结构图。
具体实施方式
本发明基于约束史密斯广义预测控制的水泥分解炉温度控制方法包括以下步骤:
变量选取:选取煤粉流量为控制变量,生流流量为前馈变量,分解炉温度为被控变量;
模型辨识:针对煤粉流量与分解炉温度之间的控制通道和生料流量与分解炉温度之间的扰动通道,基于最小二乘法和滞后时间估计法相结合的模型辨识器,利用学习数据得到水泥分解炉控制通道和扰动通道的脉冲传递函数模型;
优化计算:在当前时刻t,利用过去的输入输出信息和预测的未来输入信息,通过辨识得到的脉冲传递函数模型,预测未来的输出状态并设定输出值的参考轨迹w;将输出预测值与参考轨迹w进行比较,应用二次型性能指标的控制器进行滚动优化,计算当前时刻的控制增量Δu,然后与原来的控制动作值相加得到应加于系统的控制动作值u;
约束处理:考虑控制变量u(即喂煤流量)及其变化率的上下限、被控变量(即分解炉温度)的上下限,组成输入输出约束条件,对控制变量和被控变量分别进行约束限幅处理。
前馈补偿控制:基于在先辨识得到的扰动通道模型和控制通道模型,建立前馈补偿控制器,利用动态补偿原理计算当前时刻t应加于系统的前馈控制动作值ud;
下面对本发明方法的各步骤进行分别阐述。
变量选取:如图1所示,水泥分解炉的输入有生料、煤粉、三次风和烟气,其中烟气流量和温度无法控制,三次风流量可以通过送风管道上的电动阀门来调节,但是由于三次风流量和温度与入窑二次风之间具有很强的耦合,通常不调节,剩下的可调变量只有生料流量和煤粉流量;分解炉温度是唯一的被控变量,它直接反映了生料入窑分解率。基于以上分析,在充分考虑工艺要求的前提下,本发明将生料流量作为前馈变量、煤粉流量作为控制变量,来控制分解炉温度。
模型辨识:模型辨识主要包括喂煤流量与分解炉温度之间的控制通道和生料流量与分解炉温度之间的扰动通道两个模型的辨识过程。
1.控制通道模型
依据过程特点,分解炉模型可以表示成如下形式:
A(z-1)y(t)=z-dB(z-1)u(t-1)+C(z-1)ξ(t)/Δ (1)
其中
A(z-1)=1+a1z-1+…+anaz-na
B(z-1)=b0+b1z-1+…+bnbz-nb
C(z-1)=c0+c1z-1+…+cncz-nc
式中,z-1为后移算子,表示后退一个采样周期的相应的量;d为滞后时间;Δ=1-z-1为差分算子;y(t)为分解炉温度;u(t)为喂煤流量;ξ(t)为随机干扰;A(z-1)、B(z-1)和C(z-1)分别为y(t)、u(t)和ξ(t)的系数。
当C(z-1)=1时,式(1)可以写为:
Δy(t)=-a1Δy(t-1)-…-anaΔy(t-na)
(2)
+b0Δu(t-d-1)+…+bnbΔu(t-d-nb-1)+ξ(t)
上式可表示为:
式中:
θ=[a1,…,ana,b0,…,bnb]T
在此,应用带遗忘因子的最小二乘法来估计模型参数:
式中,μ为遗忘因子,通常取0.95<μ<1;K(t)为权因子,P(t)为正定的协方差阵。
这里,分解炉模型可以用一阶惯性加纯滞后环节来表示,其离散差分形式为:
Δy(t)=-a1Δy(t-1)+bΔu(t-d-1)+ξ(t) (7)
为了实时估计时滞d,将B(z-1)=bz-d展开为
BL(z-1)=b0+b1z-1+…+bLz-L (8)
式中,L代表可能最大的纯滞后时间,则式(7)变为
Δy(t)=-a1Δy(t-1)+b0Δu(t-1)+b1Δu(t-2)+…+bLΔu(t-L-1)+ξ(t) (9)
根据上述步骤辨识后,等式B(z-1)=bz-d的参数b和d可以用零频率时的模型匹配得到。
由以上两式可以导出
2.扰动通道模型
对于生料流量的扰动通道,其模型可以表示为:
其中
Af(z-1)=1+af1z-1+…+afnaz-fna
Bf(z-1)=bf0+bf1z-1+…+bfnbz-fnb
Cf(z-1)=cf0+cf1z-1+…+cfncz-fnc
式中,df为生料滞后时间;y(t)为分解炉温度;f(t)表示生料流量;ξ(t)为随机干扰;Af(z-1)、Bf(z-1)和Cf(z-1)分别为y(t)、f(t)和ξ(t)的系数。
由于其模型参数辨识过程与控制通道相同,这里就不再赘述。
史密斯广义预测控制:
1.预测模型
为了利用模型(1)导出j步后输出y(t+j)的预测值,引入丢番图方程:
1=Rj(z-1)AΔ+z-jSj(z-1) (16)
其中
Rj(z-1)=1+rj,1z-1+...+rj,j-1z-(j-1)
Sj(z-1)=sj,0+sj,1z-1+...+sj,naz-na
在式(1)两端乘以RjΔzj后可得:
RjAΔy(t+j)=z-dRjBΔu(t+j-1)+RjCξ(t+j)
将式(16)代入上式,化简后得到:
y(t+d+j)=RjBΔu(t+j-1)+Sjy(t+d)+RjCξ(t+d+j)
显然,上式右边前两项与第三项不相关,如将前两项看成最优预测,则第三项即为预测误差,即
因此j步导前最优预测,即预测模型为
进一步的,对于j=1,2,...,N可得
这里,G,H和S分别是维数为N×N,N×nb和N×na+1的常数矩阵。上式可以写成:
其中
u=[Δu(t),Δu(t+1),…,Δu(t+N-1)]T
u1=[Δu(t-1),Δu(t-2),…,Δu(t-nb)]T
式(19)中右边的Hu1+Sy1应为系统过去的已知信息,但y1中的变量值需要进行校正,其具体计算方法为:
2.滚动优化
与普通广义预测控制相同,采用对输出误差和控制增量加权的二次型性能指标:
式中,N1和N2分别是最小和最大评价时域;w(t+j)是未来设定值或参考轨迹;Δu(t)是控制增量;是系统输出的j步超前预测;δ(j)和λ(j)为加权序列。
利用预测模型,最小化上面的性能指标J,得到控制律为:
Δu(t)=(GTQδG+Qλ)-1GTQδ(w-Hu1-Sy1) (22)
这里,w=[w(t+d+1)…w(t+d+N)]T。
式(22)可以写成下面的形式:
这里,M=GTQδG+Qλ和R=GTQδ的维数是N×N,P0=-GTQδS的维数是N×na+1,P1=-GTQδH的维数是N×nb;Qδ和Qλ是权重矩阵;令q为M-1的第一行,则
因此,控制增量Δu(t)可写成:
式中, rji和qj分别是矩阵R和q的元素。令qP0=[ly1,ly2,...lyna+1],qP1=[lu1,lu2,...,lunb],则式(25)可写成:
式中,系数lyi,lui和fi是ai,bi,N,δ(i)和λ(i)的函数。
在实际操作中,分解炉温度为工艺设定值稳定控制,令w(t+d+i)等于温度设定值r(t)。参考轨迹可写成
[w(t+d+1)...w(t+d+N)]=[1...1]r(t) (27)
所以,控制增量就可以写成下面的形式:
Δu(t)=qP0y1+qP1u1+lrr(t) (28)
式中,
史密斯广义预测控制结构如图2所示。对于每一组参数N,δ(i)和λ(i),控制器系数(lyi,lui;fi)都需要重新计算,而...,的数值则通过史密斯结构的预测模型来求得,这也正是史密斯广义预测控制的特点之所在。
约束处理:
考虑输入输出约束
式中,umax和umin分别为喂煤流量的上下限;dumax和dumin分别为喂煤流量变化幅度的上下限;ymax和ymin分别为分解炉温度的上下限;t表示时间;u(t)为煤粉流量;y(t)为分解炉温度。
前馈补偿控制:
在分解炉温度的控制方案中,前馈补偿控制器的作用是补偿生料流量f(t)波动对分解炉温度y(t)的干扰。考虑到分解炉温度控制的过程特点,其控制通道和扰动通道的传递函数可以分别表示为:
所以,前馈补偿控制器具有以下形式:
综上所述,分解炉温度控制结构如图3所示,具体算法的执行步骤如下:
步骤1:初始化过程,给定参数估计算法中的初始参数和控制算法中的相关参数;
步骤2:利用输入输出数据,用公式(3)~(6)估计模型参数,得到控制通道和扰动通道的模型;
步骤3:递推计算广义预测控制的系数q,P0,P1和R;
步骤4:应用辨识结果修正史密斯预测模型参数,计算系统输出预测值;
步骤5:在考虑输入输出约束条件的前提下,由式(25)计算t时刻的史密斯预测控制增量Δu(t),然后与原来的控制动作值相加得到应加于系统的控制动作值u(t);
步骤6:根据生料流量扰动实际情况,适时加入前馈补偿控制器,由式(32)计算t时刻的前馈控制量ud(t),并将其与控制动作值u(t)相加得到最终控制量uc(t)输出给喂煤执行机构;
步骤7:令t=t+1,返回步骤2。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (5)
1.一种基于约束史密斯广义预测控制的水泥分解炉温度控制方法,其特征在于包括以下步骤:
变量选取:选取煤粉流量为控制变量,生流流量为前馈变量,分解炉温度为被控变量;
模型辨识:针对煤粉流量与分解炉温度之间的控制通道和生料流量与分解炉温度之间的扰动通道,基于最小二乘法和滞后时间估计法相结合的模型辨识器,利用学习数据得到水泥分解炉控制通道和扰动通道的脉冲传递函数模型;
优化计算:在当前时刻t,利用过去的输入输出信息和预测的未来输入信息,通过辨识得到的脉冲传递函数模型,预测未来的输出状态 并设定输出值的参考轨迹w;将输出预测值 与参考轨迹q进行比较,应用二次型性能指标的控制器进行滚动优化,计算当前时刻的控制增量Δu,然后与原来的控制变量相加得到应加于系统的控制变量u;
约束处理:考虑控制变量u及其变化率的上下限、被控变量的上下限,组成输入输出约束条件,对控制变量和被控变量分别进行约束限幅处理;
前馈补偿:基于在先辨识得到的扰动通道模型和控制通道模型,建立前馈补偿控制器,利用动态补偿原理计算当前时刻t应加于系统的前馈控制变量ud。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102293340A CN101751051B (zh) | 2008-12-05 | 2008-12-05 | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102293340A CN101751051B (zh) | 2008-12-05 | 2008-12-05 | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101751051A CN101751051A (zh) | 2010-06-23 |
CN101751051B true CN101751051B (zh) | 2011-12-21 |
Family
ID=42478112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102293340A Expired - Fee Related CN101751051B (zh) | 2008-12-05 | 2008-12-05 | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101751051B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102319612B (zh) * | 2011-07-05 | 2013-05-15 | 中国科学院沈阳自动化研究所 | 一种水泥生料立磨压差的智能控制方法 |
CN102444541B (zh) * | 2011-11-25 | 2013-11-06 | 沈阳工业大学自控技术研究所 | 一种补偿风力发电机组转矩调节滞后的控制装置和方法 |
CN103439879B (zh) * | 2013-08-12 | 2016-02-10 | 国家电网公司 | 一种基于校正基准量的增量式pid控制方法 |
CN103472865B (zh) * | 2013-09-22 | 2015-09-30 | 浙江大学 | 智能最小二乘的农药废液焚烧炉炉温最佳化系统及方法 |
CN103488086B (zh) * | 2013-09-22 | 2015-09-16 | 浙江大学 | 最优模糊网络的农药废液焚烧炉炉温最佳化系统及方法 |
CN104133373A (zh) * | 2014-07-09 | 2014-11-05 | 河海大学常州校区 | 基于改进型递推最小二乘的室温被控对象在线辨识算法 |
CN104656436B (zh) * | 2014-10-27 | 2018-04-06 | 济南大学 | 一种分解炉出口温度建模方法 |
CN104503236B (zh) * | 2014-12-10 | 2017-07-28 | 济南大学 | 一种基于回归模型的分解炉出口温度滑模控制方法 |
CN104932273B (zh) * | 2015-06-09 | 2017-12-05 | 惠德时代能源科技(北京)有限公司 | 一种基于改进型Smith预估补偿器的变参数自适应控制方法 |
CN104950945A (zh) * | 2015-07-07 | 2015-09-30 | 天津水泥工业设计研究院有限公司 | 一种水泥烧成分解炉全工况自适应温度优化控制方法 |
CN105066121B (zh) * | 2015-07-29 | 2017-09-26 | 华北电力大学 | 一种循环流化床锅炉动态床温预测系统及方法 |
CN105574264A (zh) * | 2015-12-16 | 2016-05-11 | 长春工业大学 | 一种水泥分解炉窑尾分解率svr软测量方法 |
CN105867451B (zh) * | 2016-04-18 | 2017-12-22 | 重庆大学 | 水泥窑炉温度控制系统 |
CN105865215B (zh) * | 2016-04-18 | 2018-05-08 | 重庆大学 | 水泥窑炉温度多参量控制系统 |
CN105929695B (zh) * | 2016-07-08 | 2018-12-21 | 国网浙江省电力公司电力科学研究院 | 一种基于扰动模型的脱硝控制系统广义预测控制方法 |
CN106647257B (zh) * | 2016-10-14 | 2020-01-03 | 中国科学院光电技术研究所 | 一种基于正交最小二乘的前馈控制方法 |
CN106482507B (zh) * | 2016-10-18 | 2018-10-09 | 湖南大学 | 一种水泥分解炉燃烧自动控制方法 |
WO2018220690A1 (ja) * | 2017-05-29 | 2018-12-06 | 理化工業株式会社 | 制御系設計装置及び制御システム |
CN109298735B (zh) * | 2017-07-25 | 2019-11-12 | 中国科学院沈阳自动化研究所 | 差示扫描量热仪恒速升温过程的前馈-反馈复合控制方法 |
CN107544578B (zh) * | 2017-09-25 | 2020-01-07 | 燕山大学 | 基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制方法 |
CN107942671A (zh) * | 2017-12-04 | 2018-04-20 | 国网山东省电力公司电力科学研究院 | 一种改进的水下机器人作业机械臂广义预测控制方法 |
CN108319133A (zh) * | 2018-01-15 | 2018-07-24 | 湖南大学 | 基于模糊神经网络的分解炉优化燃烧控制系统 |
CN110347038B (zh) * | 2019-07-08 | 2022-03-11 | 杭州电子科技大学 | 一种水泥熟料冷却过程的二自由度Smith预估控制方法 |
CN110361972B (zh) * | 2019-07-08 | 2022-03-11 | 杭州电子科技大学 | 一种基于水泥生料燃烧的分解炉炉温快速优化控制方法 |
CN110649845B (zh) * | 2019-09-19 | 2021-08-31 | 中国科学院长春光学精密机械与物理研究所 | 基于鲁棒广义预测控制的光电转台位置跟踪控制方法 |
CN110794672B (zh) * | 2019-10-15 | 2022-03-25 | 杭州电子科技大学 | 一种水泥生产过程分解炉炉温显式控制方法 |
CN111652674B (zh) * | 2020-05-15 | 2023-09-19 | 拉扎斯网络科技(上海)有限公司 | 一种资源推荐方法以及装置 |
CN111580384B (zh) * | 2020-06-08 | 2023-03-31 | 济南大学 | 水泥生产中分解炉温度pid控制系统参数自动调整方法 |
CN112986038A (zh) * | 2021-05-11 | 2021-06-18 | 中国飞机强度研究所 | 一种热强度试验系统控制方法 |
CN114942659B (zh) * | 2022-06-30 | 2023-08-29 | 佛山仙湖实验室 | 窑炉温度控制方法、系统、装置及存储介质 |
CN116193254A (zh) * | 2022-12-30 | 2023-05-30 | 北京凌云光子技术有限公司 | 镜头控制方法、镜头控制装置和镜头控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1289425C (en) * | 1987-04-02 | 1991-09-24 | Theodore N. Matsko | Steam temperature control using modified smith predictor |
US7006909B1 (en) * | 2004-10-20 | 2006-02-28 | Detroit Diesel Corporation | Engine delay compensation |
CN1746604A (zh) * | 2005-10-19 | 2006-03-15 | 东北大学 | 竖炉焙烧过程智能优化设定方法 |
CN101067743A (zh) * | 2007-06-13 | 2007-11-07 | 袁璞 | 变结构非线性模型预估控制器 |
CN101267114A (zh) * | 2008-01-11 | 2008-09-17 | 清华大学 | 基于协调约束实时更新的电厂与变电站协调电压控制方法 |
-
2008
- 2008-12-05 CN CN2008102293340A patent/CN101751051B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1289425C (en) * | 1987-04-02 | 1991-09-24 | Theodore N. Matsko | Steam temperature control using modified smith predictor |
US7006909B1 (en) * | 2004-10-20 | 2006-02-28 | Detroit Diesel Corporation | Engine delay compensation |
CN1746604A (zh) * | 2005-10-19 | 2006-03-15 | 东北大学 | 竖炉焙烧过程智能优化设定方法 |
CN101067743A (zh) * | 2007-06-13 | 2007-11-07 | 袁璞 | 变结构非线性模型预估控制器 |
CN101267114A (zh) * | 2008-01-11 | 2008-09-17 | 清华大学 | 基于协调约束实时更新的电厂与变电站协调电压控制方法 |
Non-Patent Citations (1)
Title |
---|
王卓 等.用于仿真与控制的水泥回转窑动态模型.《系统仿真学报》.2008,第20卷(第19期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN101751051A (zh) | 2010-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101751051B (zh) | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 | |
Hussain | Review of the applications of neural networks in chemical process control—simulation and online implementation | |
Savran et al. | A fuzzy model based adaptive PID controller design for nonlinear and uncertain processes | |
Li et al. | Offset-free fuzzy model predictive control of a boiler–turbine system based on genetic algorithm | |
US7315846B2 (en) | Method and apparatus for optimizing a system model with gain constraints using a non-linear programming optimizer | |
Holkar et al. | An overview of model predictive control | |
US6278899B1 (en) | Method for on-line optimization of a plant | |
US6950711B2 (en) | Method for optimizing a plant with multiple inputs | |
Al Seyab et al. | Nonlinear system identification for predictive control using continuous time recurrent neural networks and automatic differentiation | |
Vrečko et al. | The application of model predictive control of ammonia nitrogen in an activated sludge process | |
CN101563660A (zh) | 采用混合模型的动态控制器 | |
Giantomassi et al. | On-line steam production prediction for a municipal solid waste incinerator by fully tuned minimal RBF neural networks | |
Xiong et al. | Neural network model-based on-line re-optimisation control of fed-batch processes using a modified iterative dynamic programming algorithm | |
CN101346676A (zh) | 用于调整和控制的方法及装置 | |
Zhao et al. | A nonlinear industrial model predictive controller using integrated PLS and neural net state-space model | |
Dai et al. | Dual-rate adaptive optimal tracking control for dense medium separation process using neural networks | |
Sun et al. | Process knowledge-based random forest regression for model predictive control on a nonlinear production process with multiple working conditions | |
Han et al. | Hierarchical nonlinear model predictive control with multi-time-scale for wastewater treatment process | |
Marusak | A numerically efficient fuzzy MPC algorithm with fast generation of the control signal | |
CN113625556B (zh) | 一种循环流化床复杂工业系统的自适应控制方法 | |
Pistikopoulos et al. | Towards the integration of process design, control and scheduling: Are we getting closer? | |
Demuner et al. | Tracking necessary condition of optimality by a data-driven solution combining steady-state and transient data | |
Hernández et al. | Economics optimizing control with model mismatch based on modifier adaptation | |
Zhang et al. | Operational Optimal Tracking Control for Industrial Multirate Systems Subject to Unknown Disturbances | |
Zhou et al. | Enhanced NMPC for Stochastic Dynamic Systems Driven by Control Error Compensation With Entropy Optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111221 Termination date: 20211205 |