CN105388765B - 一种中速磨煤机的多变量推断预测控制方法 - Google Patents

一种中速磨煤机的多变量推断预测控制方法 Download PDF

Info

Publication number
CN105388765B
CN105388765B CN201510982530.5A CN201510982530A CN105388765B CN 105388765 B CN105388765 B CN 105388765B CN 201510982530 A CN201510982530 A CN 201510982530A CN 105388765 B CN105388765 B CN 105388765B
Authority
CN
China
Prior art keywords
mrow
mtd
mtr
msub
mtable
Prior art date
Application number
CN201510982530.5A
Other languages
English (en)
Other versions
CN105388765A (zh
Inventor
焦健
李益国
沈炯
刘西陲
吴啸
Original Assignee
东南大学
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 东南大学 filed Critical 东南大学
Priority to CN201510982530.5A priority Critical patent/CN105388765B/zh
Publication of CN105388765A publication Critical patent/CN105388765A/zh
Application granted granted Critical
Publication of CN105388765B publication Critical patent/CN105388765B/zh

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B02CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02CCRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C25/00Control arrangements specially adapted for crushing or disintegrating

Abstract

本发明公开了一种中速磨煤机的多变量推断预测控制方法,它采用扩展卡尔曼滤波方法,通过磨煤机进出口压差和出口温度对磨煤机的出口煤量进行实时估计,并以出口煤量的估计值作为新的被控量加入到控制系统中,同时增加了给每机转速作为被控量,可以较快的响应磨煤机负荷指令,缩短制粉系统侧的延迟时间。在控制方法上采用模型预测控制算法,相比于传统的PID控制方法可以更好的调节一次风量和出口温度,同时对煤质改变引起的扰动有较好的抑制作用。

Description

一种中速磨煤机的多变量推断预测控制方法
技术领域
[0001] 本发明涉及火力发电厂控制领域,特别是涉及中速磨煤机的控制方法。
背景技术
[0002] 锅炉制粉系统是火电厂的重要组成部分,其运行的安全可靠性和经济性直接影响 到锅炉机组的安全可靠性和经济性。随着火电机组容量和参数的不断提高,火电厂普遍采 用中速磨直吹式制粉系统。目前,300丽的机组配套4台中速磨煤机,600〜1000丽的机组配 套5台,单台中速磨最大出力是45t/h。传统的中速磨煤机控制方案是以冷风阀门开度和热 风阀门开度作为控制量,一次风量和出口温度作为被控量,采用PID前馈解耦方法进行控 制,两个单回路分别是由热风控制一次风流量,冷风调节出口温度。
[0003] 中速磨煤机系统是耦合性强、大滞后、多输入-多输出的非线性系统,其动态特性 随着运行工况的变化而大范围变化,传统的PID加解耦的控制手段很难做到精确的控制,从 而会导致机组对AGC指令响应变差,磨煤机出口温度控制不稳定,影响运行的安全性与经济 性。另一方面,由于磨煤机出口煤量难以在线测量,因此传统控制系统在机组变负荷的情况 下及时调整磨煤机的出口煤量,使得负荷响应与指令之间存在较大的延迟。
发明内容
[0004] 发明目的:本发明的目的是提供一种能够实现精确控制,且在变负荷时能够及时 调整磨煤机出口煤量,有效缩短延迟时间的中速磨煤机的多变量推断预测控制方法。
[0005] 技术方案:为达到此目的,本发明采用以下技术方案:
[0006] 本发明所述的中速磨煤机的多变量推断预测控制方法,包括如下的步骤:
[0007] SI:建立中速磨煤机的模型:
[0008] 中速磨煤机的一次风量?3、磨煤机进口风温Ta和给煤机瞬时流量Ff分别为:
Figure CN105388765BD00061
[0009] :⑴'
[0010] 】 (2)
[0011] Ff=COfIf (3)
[0012] 其中,μ。为冷风阀门开度,yh为热风阀门开度,ωΑ给煤机转速,If为给煤机皮带 长度;
[0013] 状态方程为:
[0014]
Figure CN105388765BD00062
[0015] 其中,f为状态方程,Mccial为磨煤机内存煤量,Tciut为磨煤机出口温度,a为原煤的灰 分,m为原煤的水分,h。为原煤的可磨性系数,ω sep为分离器转速,Ta为磨煤机进口风温,Tcoai 为原煤温度;
[0016] 观测方程为:
[0017]
Figure CN105388765BD00071
[0018] 其中,h为观测方程,Δρ为磨煤机进出口压差;
[0019]输出方程为:
[0020]
Figure CN105388765BD00072
[0021] 其中,f 为磨煤机出口煤量;
[0022] S2:对磨煤机的模型进行辨识,得到磨煤机的状态空间模型为:
[0023]
Figure CN105388765BD00073
[0024] 其中,矩阵A,B,C,D均由辨识得到,X⑹为状态量,k为当前采样时刻;
[0025] S3:求解被控量的预测值f(/c):
[0026] F-(Zf) = ([)方(幻+「(:.'(々-I) +(;,(:'(0 (8)
[0027] 其中,各矩阵的表达形式如下:
Figure CN105388765BD00074
[0028] (9)
[0029] (10)
[0030] (H)
[0031]
Figure CN105388765BD00081
[0032]
[0033]
[0034]
[0035] 其中,y⑹为被控量的反馈值,U⑹为控制量,Δ u⑹为控制增量,N为控制器的预 测时域,Ν。为控制器的控制时域;
[0036] S4:结合现场运行数据和磨煤机模型,采用扩展卡尔曼滤波方法对磨煤机出口煤 量进行估计,具体过程如下:
[0037] 首先对状态方程f和观测方程h进行线性化处理,得到线性化后的矩阵F和H如下:
Figure CN105388765BD00082
[0038]
[0039]
[0040] 记X= [Mcciai,Tcmt],Z= [Ap,Tcmt],u= [Ff,Fa,Ta,COsep],设P为X的协方差矩阵,Q、R 分别是X、Z噪声的协方差矩阵,则可以由上一采样时刻的数据得到当前的状态量,其算法如 下:
[0041] X (k |k-l) =f [X (k-1 |k-l)] (18)
[0042] P (k I k-1) =F (k-1) P (k-11 k-1) Ft (k-1)+Q (19)
[0043] Kg ⑹=P (k I k-1) H ⑹ τ [Η ⑹ P (k I k-1) Ht ⑹ +R] (20)
[0044] X (k I k) =X (k I k-1) +Kg ⑹{Z ⑹-h [X (k I k-1),u (k-1) ]} (21)
[0045] P(k|k) =[I-Kg00HG0]P(k|k-l) (22)
[0046] 其中,Kg⑹为卡尔曼滤波增益,I为单位矩阵;
[0047] 由此得到当前时刻的X(k|k),进而可知此时磨煤机内存煤量M_dk),然后根据公 式⑹求得磨煤机出口煤量f ;
[0048] S5:对状态量X⑹进行估计:
[0049] 设X⑹的协方差矩阵为
Figure CN105388765BD00091
为状态量的估计值,的噪声协方差矩阵为
Figure CN105388765BD00092
,估计过程如下:
Figure CN105388765BD00093
[0050]
[0051]
[0052]
[0053]
[0054]
[0055] 由此得到状态量的估计值i(irp),并4
Figure CN105388765BD00094
[0056] S6:由步骤S4得到当前时刻的磨煤机出口煤量fcmt,由此得到当前时刻控制器的被 控量反馈值
Figure CN105388765BD00095
,通过计算以下目标函数求得下一时刻的控制量U⑹,具体过程如下:
[0057] 设定目标函数Jk:
[0058]
Figure CN105388765BD00096
(28)
[0059] 其中,ωΐΝ c〇2均为单位矩阵;
[0060] 将目标函数进行改写,写成如下二次规划形式:
Figure CN105388765BD00097
[0062] [0063] 其中,各矩阵表示如下:
[0061] r 、 (29)
Figure CN105388765BD00098
[0064] (30)
[0065] (31)
[0066] E ⑹=Yref ⑹-Φ X ⑹-Γ U (k-1) (32)
[0067]
Figure CN105388765BD00099
(33)
[0068] (34)
Figure CN105388765BD00101
[0069] (35)
[0070] (36)
[0071] 其中,Yrrf⑹为被控量的设定值,Δ Umax为控制增量的上限,Δ Umin为控制增量的下 限,Umax为控制量的上限,Umin为控制量的下限,Ymax为被控量的上限,Ymin为被控量的下限,Gy 为公式(15),b为公式(31);
[0072] 下一时刻的控制量U (k)为:
[0073]
Figure CN105388765BD00102
(37)
[0074] S7 :判断中速磨煤机的自动控制系统是否停止运行:如果停止运行,则进行步骤 S8;否则,返回步骤S3,更新被控量的预测值f (幻,并对下一时刻的出口煤量进行估计;
[0075] S8:结束。
[0076] 进一步,所述N的取值为80〜120,N。的取值为控制时域取5〜8。
[0077] 有益效果:与现有技术相比,本发明具有如下的有益效果:
[0078] 1)本发明将多变量模型预测控制算法用在中速磨煤机,采用扩展卡尔曼滤波方法 对中速磨煤机的出口煤量进行了估计,并将其作为被控量,可以实现出口煤量对给煤指令 的及时跟踪,能有效缩短磨煤机的延迟时间;
[0079] 2)本发明将中速磨煤机看为一个多输入多输出的对象,采用基于状态空间的模型 预测控制算法,同时控制3个变量,实现了磨煤机出口煤量、出口温度和一次风量的有机协 调,克服了传统PID单回路控制分别调节的缺陷,当工况发生改变时,在保证出口煤量及时 跟踪给煤指令的情况下,可以同时保证出口温度和一次风量的稳定;
[0080] 3)传统的PID单回路控制是单输入单输出控制,首先需要对系统进行解耦,增加了 工作量,另外由于中速磨煤机的输入和输出之间的耦合关系较强,单回路控制无法解决多 个输入和输出间交叉的部分,而本发明是多变量控制方法,可以克服这一缺点。
附图说明
[0081] 图1为本发明的方法框图;
[0082] 图2为传统PID系统与采用了本发明方法的系统的出口煤量随时间变化的仿真结 果;
[0083] 图3为传统PID系统与采用了本发明方法的系统的出口温度随时间变化的仿真结 果;
[0084] 图4为传统PID系统与采用了本发明方法的系统的一次风量随时间变化的仿真结 果;
[0085] 图5为传统PID系统与采用了本发明方法的系统的给煤机转速随时间变化的仿真 结果;
[0086] 图6为传统PID系统与采用了本发明方法的系统的冷风阀门开度随时间变化的仿 真结果;
[0087] 图7为传统PID系统与采用了本发明方法的系统的热风阀门开度随时间变化的仿 真结果。
具体实施方式
[0088] 下面结合具体实施方式对本发明的技术方案作进一步的介绍。
[0089] 在图1中,模型预测控制系统(MPC)有三个被控量,分别是出口煤量fcmt、出口温度 Tciut和一次风量Fa;系统的控制量U—共有3个,分别是给煤机皮带转速ω f、冷风阀门开度μ。 和热风阀门开度yh。扩展卡尔曼滤波估计器(EKF)用于估计磨煤机出口煤量。
[0090] 本发明的中速磨煤机的多变量推断预测控制方法,包括如下的步骤:
[0091] si:建立中速磨煤机的模型:
[0092] 中速磨煤机的一次风量?3、磨煤机进口风温Ta和给煤机瞬时流量Ff分别为:
Figure CN105388765BD00111
[0093] (1.)
[0094] (2)
[0095] Ff= Oflf (3)
[0096] 其中,μ。为冷风阀门开度,yh为热风阀门开度,ωΑ给煤机转速,If为给煤机皮带 长度;
[0097] 状态方程为:
[0098]
Figure CN105388765BD00112
[0099] 其中,f为状态方程,Μ_ι为磨煤机内存煤量,Tciut为磨煤机出口温度,a为原煤的灰 分,m为原煤的水分,h。为原煤的可磨性系数,ω sep为分离器转速,Ta为磨煤机进口风温,TccjaI 为原煤温度;
[0100] 观测方程为:
[0101]
Figure CN105388765BD00113
(5)
[0102] 其中,h为观测方程,Δρ为磨煤机进出口压差;
[0103] 输出方程为:
[0104]
Figure CN105388765BD00121
[0105] 其中,f。此为磨煤机出口煤量;
[0106] S2:对磨煤机的模型进行辨识,得到磨煤机的状态空间模型为:
[0107]
Figure CN105388765BD00122
(7)
[0108] 其中,矩阵A,B,C,D均由辨识得到,X⑹为状态量,k为当前采样时刻;
[0109] S3:求解被控量的预测值
Figure CN105388765BD00123
[0110]
Figure CN105388765BD00124
(8)
[0111] 其中,各矩阵的表达形式如下:
Figure CN105388765BD00125
[0112] (9)
[0113] (10)
[0114] (11)
[0115] (12)
[0116]
Figure CN105388765BD00131
[0117]
[0118]
[0119] 其中,y⑹为被控量的反馈值,U⑹为控制量,Δ u⑹为控制增量,N为控制器的预 测时域,Ν。为控制器的控制时域;
[0120] S4:结合现场运行数据和磨煤机模型,采用扩展卡尔曼滤波方法对磨煤机出口煤 量进行估计,具体过程如下:
[0121] 首先对状态方程f和观测方程h进行线性化处理,得到线性化后的矩阵F和H如下:
Figure CN105388765BD00132
[0122]
[0123]
[0124] 记X= [Mcciai,Tcmt],Z= [Ap,Tcmt],u= [Ff,Fa,Ta,COsep],设P为X的协方差矩阵,Q、R 分别是X、Z噪声的协方差矩阵,则可以由上一采样时刻的数据得到当前的状态量,其算法如 下:
[0125] X (k |k-l) =f [X (k-1 |k-l)] (18)
[0126] P (k I k-1) =F (k-1) P (k-11 k-1) Ft (k-1)+Q (19)
[0127] Kg ⑹=P (k I k-1) H ⑹ T [H ⑹ P (k I k-1) Ht ⑹ +R] (20)
[0128] X (k I k) =X (k I k-1) +Kg ⑹{Z ⑹-h [X (k I k-1),u (k-1) ]} (21)
[0129] P(k|k) =[I-Kg00HG0]P(k|k-l) (22)
[0130] 其中,Kg⑹为卡尔曼滤波增益,I为单位矩阵;
[0131] 由此得到当前时刻的X(k|k),进而可知此时磨煤机内存煤量M_dk),然后根据公 式⑹求得磨煤机出口煤量f ™t;
[0132] S5:对状态量X⑹进行估计:
[0133] 设X (k)的协方差矩阵为
Figure CN105388765BD00141
为状态量的估计值,
Figure CN105388765BD00142
⑹的噪声协方差矩阵 为
Figure CN105388765BD00143
,估计过程如下:
Figure CN105388765BD00144
[0134]
[0135]
[0136]
[0137]
[0138]
[0139] 由此得到状态量的估计值衫,并令
Figure CN105388765BD00145
[0140] S6:由步骤S4得到当前时刻的磨煤机出口煤量fcmt,由此得到当前时刻控制器的被 控量反馈值
Figure CN105388765BD00146
,通过计算以下目标函数求得下一时刻的控制量U⑹,具体过程如下:
[0141] 设定目标函数Jk:
[0142]
Figure CN105388765BD00147
<28)
[0143] 其中,ωΐΝ ω2均为单位矩阵;
[0144] 将目标函数进行改写,写成如下二次规划形式:
Figure CN105388765BD00148
[0145] r 、 (29)
[0146] [0147] 其中,各矩阵表示如下:
Figure CN105388765BD00149
[0148] (30)
[0149] (31)
[0150] E ⑹=Yref ⑹-Φχ ⑹-Γ U (k-1) (32)
Figure CN105388765BD001410
[0151] (33)
[0152] (34)
[0153] (35)
Figure CN105388765BD00151
[0154] (36)
[0155] 其中,Yref⑹为被控量的设定值,Δ Umax为控制增量的上限,Δ Umin为控制增量的下 限,Umax为控制量的上限,Umin为控制量的下限,Ymax为被控量的上限,Ymin为被控量的下限,Gy 为公式(15),b为公式(31);
[0156] 下一时刻的控制量U (k)为:
[0157]
Figure CN105388765BD00152
(37)
[0158] S7:判断自动控制系统是否停止运行:如果停止运行,则进行步骤S8;否则,返回步 骤S3,更新被控量的预测值f(fe),并对下一时刻的出口煤量进行估计;
[0159] S8:结束。
[0160] 其中,N的取值为80〜120,N。的取值为控制时域取5〜8。
[0161] 在仿真实验中,2500s时给煤指令发生阶跃扰动,一次风流量设定值调整到75.8t/ h,保持出口温度设定值不变,观察三个被控量(图2-图4)和三个控制量(图5-图7)的响应曲 线。其中,实线表示本专利的仿真效果,虚线表示传统的控制方案效果,结果表明,预测控制 算法在出口煤量的调节上要快于传统的PID控制方式,煤量达到设定值的时间缩短了近 20s,加快了机组对负荷指令的响应。同时,本专利的控制方法可以保证一次风量和出口温 度较快稳定下来,而且控制量也没有较大幅度的波动,综合以上结果,可以看出本专利的方 法要优于传统的控制方法。

Claims (2)

1. 一种中速磨煤机的多变量推断预测控制方法,其特征在于:包括如下的步骤: si:建立中速磨煤机的模型: 中速磨煤机的一次风量?3、磨煤机进口风温Ta和给煤机瞬时流量Ff分别为:
Figure CN105388765BC00021
Ff=COflf (3) 其中,μ。为冷风阀门开度,Ph为热风阀门开度,《£为给煤机转速,If为给煤机皮带长度; 状态方程为:
Figure CN105388765BC00022
其中,f为状态方程,Mc^i为磨煤机内存煤量,Tciut为磨煤机出口温度,a为原煤的灰分,m 为原煤的水分,h。为原煤的可磨性系数,ω sep为分离器转速,Ta为磨煤机进口风温,Traal为原 煤温度; 观测方程为:
Figure CN105388765BC00023
其中,h为观测方程,Δ p为磨煤机进出口压差; 输出方程为:
Figure CN105388765BC00024
其中,f cmt为磨煤机出口煤量; S2:对磨煤机的模型进行辨识,得到磨煤机的状态空间模型为:
Figure CN105388765BC00025
其中,矩阵A,B,C,D均由辨识得到,X⑹为状态量,k为当前采样时刻; S3:求解被控量的预测值
Figure CN105388765BC00026
Figure CN105388765BC00027
其中,各矩阵的表达形式如下:
Figure CN105388765BC00031
其中,y⑹为被控量的反馈值,U⑹为控制量,Δ u⑹为控制增量,N为控制器的预测时 域,Ν。为控制器的控制时域; S4:结合现场运行数据和磨煤机模型,采用扩展卡尔曼滤波方法对磨煤机出口煤量进 行估计,具体过程如下: 首先对状态方程f和观测方程h进行线性化处理,得到线性化后的矩阵F和H如下:
Figure CN105388765BC00041
记父=%。31,1'_],2=[么1),!'_],11=的上,1'3,〇_],设?为父的协方差矩阵,9、1?分别 是X、Z的噪声协方差矩阵,则可以由上一采样时刻的数据得到当前的状态量,其算法如下: X (k |k-l) =f[X(k-l|k-l)] (18) P (k I k-1) =F (k-1) P (k-11 k-1) Ft (k-1) +Q (19) Kg (k) =P (k I k-1) H ⑹ T [H ⑹ P (k I k-1) Ht ⑹ +R] (20) X (k I k) =X (k I k-1) +Kg (k) {Z (k) -h [X (k I k-1) ,u (k-1) ]} (21) P (k I k) = [I-Kg ⑹ H ⑹]P (k I k-1) (22) 其中,Kg⑹为卡尔曼滤波增益,I为单位矩阵; 由此得到当前时刻的X (k|k),进而可知此时磨煤机内存煤量M™aKk),然后根据公式(6) 求得磨煤机出口煤量f™t; S5:对状态量X⑹进行估计: 设X (k)的协方差矩阵为#,i#)为状态量的估计值,(k)的噪声协方差矩阵为
Figure CN105388765BC00042
>估计过程如下:
Figure CN105388765BC00043
Figure CN105388765BC00044
为心⑹的状态量估计;由此得到状态量的估计值
Figure CN105388765BC00045
,并令
Figure CN105388765BC00046
S6:由步骤S4得到当前时刻的磨煤机出口煤量fcmt,由此得到当前时刻控制器的被控量 反馈值
Figure CN105388765BC00047
,通过计算以下目标函数求得下一时刻的控制量U⑹,具体过程如下: 设定目标函数Jk:
Figure CN105388765BC00048
其中,ωΐΝ ω 2均为单位矩阵; 将目标函数进行改写,写成如下二次规划形式:
Figure CN105388765BC00049
其中,各矩阵表示如下:
Figure CN105388765BC00051
其中,X⑹=X,Yrrf⑹为被控量的设定值,Λ Umax为控制增量的上限,Δ Umin为控制增量 的下限,Umax为控制量的上限,Umin为控制量的下限,Ymax为被控量的上限,Ymin为被控量的下 限,Gy为公式(15),b为公式(31); 下一时刻的控制量U⑹为:
Figure CN105388765BC00052
S7:判断中速磨煤机的自动控制系统是否停止运行:如果停止运行,则进行步骤S8;否 贝IJ,返回步骤S3,更新被控量的预测值
Figure CN105388765BC00053
,并对下一时刻的出口煤量进行估计; S8:结束。
2.根据权利要求1所述的中速磨煤机的多变量推断预测控制方法,其特征在于:所述N 的取值为80〜120,Nc的取值为控制时域取5〜8。
CN201510982530.5A 2015-12-24 2015-12-24 一种中速磨煤机的多变量推断预测控制方法 CN105388765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510982530.5A CN105388765B (zh) 2015-12-24 2015-12-24 一种中速磨煤机的多变量推断预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510982530.5A CN105388765B (zh) 2015-12-24 2015-12-24 一种中速磨煤机的多变量推断预测控制方法

Publications (2)

Publication Number Publication Date
CN105388765A CN105388765A (zh) 2016-03-09
CN105388765B true CN105388765B (zh) 2018-05-18

Family

ID=55421157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510982530.5A CN105388765B (zh) 2015-12-24 2015-12-24 一种中速磨煤机的多变量推断预测控制方法

Country Status (1)

Country Link
CN (1) CN105388765B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106269197B (zh) * 2016-08-01 2018-09-14 中国神华能源股份有限公司 一种磨煤机出口温度控制系统及其控制方法
CN106622620A (zh) * 2016-09-27 2017-05-10 华北电力大学(保定) 基于系统动力学的中速磨煤机模型构建方法
CN108579929B (zh) * 2018-04-26 2019-07-12 东南大学 一种基于rbf神经网络预测控制的双进双出球磨机控制系统及控制方法
CN109821646A (zh) * 2019-01-14 2019-05-31 华北电力大学 一种磨煤机出口煤粉流量软测量方法
CN110124842B (zh) * 2019-05-15 2020-11-17 广东电网有限责任公司 一种锅炉机组及其磨煤机出口温度控制方法与系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103225799A (zh) * 2013-05-09 2013-07-31 北京四方继保自动化股份有限公司 一种火电厂主蒸汽温度控制方法
CN104801416A (zh) * 2015-04-23 2015-07-29 东南大学 新型磨煤机出口温度控制系统及其控制方法
CN104932488A (zh) * 2015-06-30 2015-09-23 南京工业大学 一种模型预测控制性能评估与诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103225799A (zh) * 2013-05-09 2013-07-31 北京四方继保自动化股份有限公司 一种火电厂主蒸汽温度控制方法
CN104801416A (zh) * 2015-04-23 2015-07-29 东南大学 新型磨煤机出口温度控制系统及其控制方法
CN104932488A (zh) * 2015-06-30 2015-09-23 南京工业大学 一种模型预测控制性能评估与诊断方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
中储式钢球磨煤机制粉系统控制研究;徐玮等;《热力发电》;20140731;第43卷(第7期);第87-91页 *
基于MAC预测控制的磨煤机负荷控制系统;刘梓媛等;《计算机仿真》;20131231;第30卷(第12期);第125-127,131页 *
多变量系统的广义预测控制解耦设计;薛美盛等;《控制工程》;20110131;第18卷(第1期);第39-42页 *
球磨机的预测控制策略及应用研究;秦旭日;《信息科技辑》;20080815;第I140-161页 *
钢球磨煤机料位的软测量及其动态过程建模与控制;王颖洁;《工程科技II辑》;20080915;第C028-15页 *

Also Published As

Publication number Publication date
CN105388765A (zh) 2016-03-09

Similar Documents

Publication Publication Date Title
Ramasamy et al. Control of ball mill grinding circuit using model predictive control scheme
Åström et al. Design of decoupled PI controllers for two-by-two systems
Anil et al. Tuning of PID controllers for integrating systems using direct synthesis method
Tan et al. Robust analysis and design of load frequency controller for power systems
US7188637B2 (en) Methods, systems, and articles for controlling a fluid blending system
CA2620315C (en) Adaptive multivariable mpc controller
GirirajKumar et al. PSO based tuning of a PID controller for a high performance drilling machine
US10222769B2 (en) Method for determining and tuning process characteristic parameters using a simulation system
US6688532B2 (en) Controller, temperature controller and heat processor using same
Åström et al. The future of PID control
US20060100720A1 (en) Kiln free lime control
Jelali Estimation of valve stiction in control loops using separable least-squares and global search algorithms
CA2666526C (en) Adaptive multivariable mpc controller with lp constraints
US20040210325A1 (en) Kiln thermal and combustion control
Luo et al. Real-time optimization of automatic control systems with application to BLDC motor test rig
US4814968A (en) Self-tuning process controller
CN102486630B (zh) 基于案例推理技术的回潮机智能优化控制方法
JP5830251B2 (ja) プロセスモデルの高速同定および生成
US7957842B2 (en) Apparatus and method for controlling an air supply for drying painted vehicles and other objects
CN101995822A (zh) 一种大时滞系统的灰色自抗扰控制方法
Zhang et al. A simplified linear iterative predictive functional control approach for chamber pressure of industrial coke furnace
EP1311913A1 (en) System and methodology for adaptive, linear model predictive control based on rigorous, nonlinear process model
CN104482525B (zh) 超超临界机组再热汽温的控制方法和系统
CN102540878B (zh) 串级增益自调度pid控制器
CN107065518B (zh) 一种超临界机组协调预测函数控制算法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
GR01 Patent grant