CN113777919B - 一种基于nsga-ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法 - Google Patents
一种基于nsga-ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法 Download PDFInfo
- Publication number
- CN113777919B CN113777919B CN202110931015.XA CN202110931015A CN113777919B CN 113777919 B CN113777919 B CN 113777919B CN 202110931015 A CN202110931015 A CN 202110931015A CN 113777919 B CN113777919 B CN 113777919B
- Authority
- CN
- China
- Prior art keywords
- controller
- gas turbine
- disturbance rejection
- active disturbance
- power
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000002068 genetic effect Effects 0.000 title claims abstract description 22
- 239000000446 fuel Substances 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 231100000719 pollutant Toxicity 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 101710163391 ADP-ribosyl cyclase/cyclic ADP-ribose hydrolase Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/042—Adaptive 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 parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明的目的在于提供一种基于NSGA‑Ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法,包括外环和内环,外环为二阶线性自抗扰控制器,内环为一阶线性自抗扰控制器,外环二阶线性自抗扰控制器包括比例微分控制器Kpout,Kdout与扩张状态观测器ESOout,所述内环一阶线性自抗扰控制器包括比例控制器Kpin与扩张状态观测器ESOin。本发明将优化得到的可转导叶角度和控制器参数以初值形式输入低压压气机,增大响应速度,能够保证低压轴扭矩、动力涡轮功率的无扰控制,且能够实现控制器抗饱和的作用。
Description
技术领域
本发明涉及的是一种燃气轮机控制方法。
背景技术
燃气轮机具有功率密度高、燃料适应性强、效率高等优势,广泛应用于航空飞机、船舶动力推进、联合循环发电等领域中。随着电子电力技术、测控技术、先进控制技术、人工智能技术等新兴技术的兴起,对燃气轮机的控制将有更大的提升。如何利用新兴技术提高燃气轮机性能,解决限制燃气轮机发展问题,成为燃气轮机发展亟需解决的问题。特别是在船舶推进应用中,实现燃气轮机推进低耗能、低污染问题已迫在眉睫。
船舶燃气轮机既可用于驱动,又可用于发电等,多工作用途的特点,导致燃气轮机的控制方式存在差异。特别是在燃气轮机发电过程中,燃气轮机并网控制要求高,要求转速控制精确,波动误差小;燃气轮机推进过程中,同样需要其转速控制稳定以实现稳定推进。另一方面,由于燃气轮机工作模式众多,且存在排温、转速等限制,要求在模式切换时能够实现无扰切换。由于燃气轮机热力过程复杂,存在非线性、大时滞的特点,传统的比例积分控制很难实现燃气轮机的精准控制,亟需寻求一种能够解决燃气轮机上述问题的先进控制方法。
自抗扰控制技术(Active Disturbance Rejection Control,ADRC)为近年兴起的一种先进控制技术,其通过扩展状态观测器(Extended State Observer,ESO)将系统总扰动估计出来,将控制对象转换为积分串联型,再通过控制率进行补偿,实现无扰控制。燃气轮机运行过程中存在众多扰动如负载突变、燃料发生器非线性时延等特点,严重影响燃气轮机的控制。将自抗扰控制技术应用到燃气轮机上,将能够解决燃气轮机对扰动敏感、非线性、时滞等特点,特别能够实现燃气轮机无扰切换及跟踪控制,能够对燃气轮机运行性能有显著提升。
以燃气轮机发电或推进的船舶,应用自抗扰控制技术,能够解决发电并网转速控制要求高、推进时转速控制无扰动的难点。其对燃气轮机的船舶航行环境对燃气轮机扰动、燃烧室内燃动、燃料发生器扰动、压气机进气流量等扰动具有很好的适应性,相较于传统比例积分控制,控制过程更加稳定。因此,将自抗扰技术应用于船舶燃气轮机领域十分具有研究意义,亟需提出一种新的燃气轮机自抗扰技术方案,实现对燃气轮机的精确稳定控制。第二代快速非支配多目标优化遗传算法(NSGA-II)能够求解多目标优化问题,且求解计算兼顾了快速性与精确性。该方法在遗传算法的基础上,通过快速非支配排序、拥挤度计算、精英保留策略,实现了多目标优化。该算法对实际工程问题适应性强,应用于基于模型的燃气轮机多目标优化能够给出多目标下的帕累托最优解集。
发明内容
本发明的目的在于提供能解决燃气轮机工作过程具有非线性、延迟导致控制难的问题,并且实现多模式运行切换无扰控制,实现燃气轮机功率的精确控制的一种基于NSGA-Ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法。
本发明的目的是这样实现的:一种基于NSGA-Ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法,其特征是:包括外环、内环、NSGA-Ⅱ遗传算法优化;
所述NSGA-Ⅱ遗传算法优化为:
(1)确定所选的优化工况及模型初始输入参数,模型输入的初始参数包括:可转导叶角度,控制器参数,运行环境,工况负载;
(2)进行多目标优化方法初始参数设置,包括迭代次数、种群大小、目标个数、模拟二进制交叉参数、多项式变异参数、交叉概率、变异概率;
(3)产生初始种群,种群变量包括可转导叶角度,控制器参数,运行环境,工况负载;
(4)进行自变量约束判断:判断条件包括可转导叶角度限制、油门调节速度限制、可转导叶角度调节速度限制、进气压力温度限制,油门调节速度限制、可转导叶角度调节速度限制通过约束控制器参数实现,若满足约束则进行步骤(5),若不满足返回步骤(3)重新产生新种群;
(5)调用燃气轮机模型将种群中变量赋值计算,得出燃气轮机性能指标,其中优化的目标为污染物排放量、燃油消耗量、高低压转子转速;目标约束包括排温约束限制、燃料量约束限制、喘振约束限制、高低压转子转速约束限制;
(6)判断约束目标是否满足约束限制,若满足进行步骤(7),不满足返回步骤(3)重新产生新种群进行计算;
(7)进行快速非支配排序操作及拥挤度计算;
(8)根据交叉变异概率执行种群交叉变异操作;
(9)根据步骤(7)计算出的拥挤度进行精英保留策略,依据非支配排序优先级,淘汰较差的解,将保留下来的解与交叉变异解产生新的种群;
(10)判断是否满足设定的迭代次数,若满足则输出当前解集为帕累托最优解集,若不满足则返回步骤(3)将新种群再次进行步骤(4)-(10)多目标优化操作,直到满足迭代次数,输出可转导叶角度、外环二阶控制器参数 b0和内环一阶控制器参数β1,β2,的帕累托最优解集;
外环为二阶线性自抗扰控制器,内环为一阶线性自抗扰控制器,外环二阶线性自抗扰控制器包括比例微分控制器Kpout,Kdout与扩张状态观测器ESOout,所述内环一阶线性自抗扰控制器包括比例控制器Kpin与扩张状态观测器ESOin;
低压轴扭矩表示为:其中t2为时间,Tg为低压轴扭矩,d2为外部干扰,Wf为燃油流量,/>为内环系统总扰动,总扰动包括高阶动态扰动、模型误差和外部干扰;
内环一阶线性自抗扰控制器中扩张状态观测器ESOin设计为:其中,z1=Tg/>C=[1 0],L=[β1 β2]T,
控制器Kpin控制率设计为控制器输出为/>其中Tg,r为低压轴设定输入扭矩即内环一阶线性自抗扰控制器的设定输入。
本发明还可以包括:
1、外环二阶线性自抗扰控制器设计包括以下步骤:
燃气轮机动力涡轮功率表示为:其中t1为时间,Np为燃气轮机动力涡轮功率,d1为外部干扰,Tg,r为低压轴扭矩的设定值,/>为外环系统总扰动;
外环二阶线性自抗扰控制器中扩张状态观测器ESOout设计为:
其中,
控制器Kpout控制率设计为控制器输出为其中Np,r为燃气轮机动力涡轮功率即外环二阶线性自抗扰控制器的设定输入。
2、外环扩张状态观测器ESOout第一输入为燃气轮机低压轴扭矩的参考设定值,第二输入为动力涡轮功率测量值;内环扩张状态观测器ESOin输入为燃气轮机执行机构燃油流量测量值,第二输入为低压轴扭矩的测量值。
3、外环控制反馈值为扩张状态观测器ESOout输出的动力涡轮功率观测值、动力涡轮功率导数观测值和外环总扰动f1的观测值,内环控制反馈值为扩张状态观测器ESOin输出的低压轴扭矩的观测值和内环总扰动f2的观测值。
本发明的优势在于:
1.本发明外环为二阶线性自抗扰控制器、内环为一阶线性自抗扰控制器,燃气轮机执行机构控制为积分控制器。具有明显技术效果如下:应用自抗扰控制的方法能够有效提高燃气轮机的抗扰性,保证燃气轮机工作模式控制无扰切换。
2.本控制方法采用串级控制的方案,能够对低压轴扭矩与动力涡轮功率实现分别控制,同时,将内环被控对象扰动通过内环自抗扰控制器消除,减少了执行机构和燃器发生器内扰动对动力涡轮功率的影响;影响动力涡轮功率的其他扰动通过外环自抗扰控制器进行控制。
3.采用内环为一阶自抗扰控制器方案,能够对低压轴扭矩的高阶变化进行控制,有效控制燃烧过程对扭矩波动的影响,避免了采用低阶控制器对高阶功率信号控制不精确的缺点。外环采用二阶自抗扰控制器,对应动力涡轮功率输出的一阶惯性特性与内环一阶自抗扰控制器的串联,既减少了控制器的运算,加快运算速度,又结合其输出特性,实现有效精确控制。
4.本发明外环扩张状态观测器ESOout第一输入为燃气轮机低压轴扭矩的参考设定值,第二输入为动力涡轮功率测量值;内环扩张状态观测器ESOin输入为燃气轮机执行机构燃油流量测量值,第二输入为低压轴扭矩的测量值。该方案能够有效的避免两个控制器的饱和,实现低压轴扭矩限制及动力涡轮功率限制,避免了采用控制器的输入导致扩张状态观测器难以精确估计的缺点。
5.本发明不仅适用于燃气轮机发电控制,也适用于燃气轮机船舶推进控制。
6.本发明通过第二代快速非支配多目标遗传算法结合燃气轮机模型对燃气轮机性能进行优化,能够实现燃气轮机经济性、动力性、排放性三者之间的最佳折衷,有利于提升燃气轮机运行性能,相较于采用模型调试的传统方法,该方法效率高,最优解精确,在模型精确的前提下,能够对燃气轮机的实际运行提供优化方案。
7.本发明将燃气轮机可转导叶角度,所需优化工况,模型控制器参数作为优化变量,兼顾了燃气轮机所有的可控变量,以污染物排放量、燃油消耗量、高低压转子转速作为优化指标,综合考虑了燃气轮机的经济性、动力性、排放性。
8.本发明将可转导叶角度限制、油门调节速度限制、可转导叶角度调节速度限制、进气压力温度限制作为约束,这些约束将影响其燃烧做功的性能,限制其性能有利于从根本上减少排放提高经济性,提高燃气轮机运行性能。
9.本发明提出了约束目标的概念,即通过对模型计算出的结果进行约束,考虑了燃气轮机运行的排温约束限制、燃料量约束限制、喘振约束限制、高低压转子转速约束限制,有利于保证燃气轮机安全可靠运行。
10.本发明采用第二代快速非支配多目标遗传算法,算法求解速度快,求解精确,对燃气轮机运行的实际问题适应性强,优化的解集具有可行性。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1,参见图1,NSGA-Ⅱ遗传算法具体优化流程分以下步骤
(1)确定所选的优化工况及模型初始输入参数,模型输入的初始参数包括:可转导叶角度,控制器参数,运行环境,工况负载。
(2)进行多目标优化方法初始参数设置,包括:迭代次数、种群大小、目标个数、模拟二进制交叉参数、多项式变异参数、交叉概率、变异概率。
(3)产生初始种群,种群变量包括:可转导叶角度,控制器参数,运行环境,工况负载。
(4)进行自变量约束判断:判断条件包括:可转导叶角度限制、油门调节速度限制、可转导叶角度调节速度限制、进气压力温度限制,其中,油门调节速度限制、可转导叶角度调节速度限制是通过约束控制器参数实现。若满足约束则进行第(5)步,若不满足返回(3)重新产生新种群。
(5)调用燃气轮机模型将种群中变量赋值计算,得出燃气轮机性能指标,其中优化的目标为污染物排放量、燃油消耗量、高低压转子转速;目标约束包括排温约束限制、燃料量约束限制、喘振约束限制、高低压转子转速约束限制。
(6)判断约束目标是否满足约束限制,若满足进行(7)步,不满足返回(3)重新产生新种群进行计算。
(7)进行快速非支配排序操作及拥挤度计算。
(8)根据交叉变异概率执行种群交叉变异操作。
(9)根据(7)计算出的拥挤度进行精英保留策略,依据非支配排序优先级,淘汰较差的解,将保留下来的解与交叉变异解产生新的种群。
(10)判断是否满足设定的迭代次数,若满足则输出当前解集为帕累托最优解集,若不满足则返回(3)将新种群再次进行(4)-(10)多目标优化操作,直到满足迭代次数,输出可转导叶角度、外环二阶控制器参数b0和内环一阶控制器参数β1,β2,/>的帕累托最优解集。
利用NSGA-Ⅱ遗传算法计算出最优点的可转导叶角度以及控制器参数,并以初值形式输入燃气发生器和内外环控制器中,提高响应速度,减小系统的震荡时间。
一种基于NSGA-Ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法及装置,包括外环二阶线性自抗扰控制器1、内环一阶线性自抗扰控制器2、燃气轮机执行机构及控制器3、燃料发生器4、动力涡轮5、负载6。
本发明的设计方法主要包括以下步骤:
首先,设计外环二阶线性自抗扰控制器,由于自抗扰控制可以实现无模型控制,只需要设计控制率与扩张状态观测器即可。
所以针对外环自抗扰控制器其扩张状态观测器设计为其中,/> b0,为控制器参数整定值,由前文所述的NSGA-Ⅱ遗传算法通过优化计算得到。
其扩张状态观测器的输入为低压轴扭矩的参考设定值和动力涡轮功率的测量值,其输出为动力涡轮功率观测值、功率导数的观测值和外环系统总扰动的估计值。
扩张状态观测器的参数整定规律采用带宽整定方法,将扩张观测器表达式重新整理为将矩阵的特征方程写为将扩张状态观测器带宽配置在/>则可以得出/>二阶线性自抗扰控制率设计为/>控制器输出为/>将控制器等效为二阶无零点的传递函数为/>因此,控制器带宽/>设计为:
综上所述,经过极点配置及带宽整定,外环线性二阶自抗扰控制器需要设计的参数为控制器带宽扩张状态观测器带宽/>系统参数b0。外环控制方案为,通过采集卡采集低压轴扭矩的参考设定值,作为扩张状态观测器的第一输入;通过功率传感器测量动力涡轮功率,作为扩张状态观测器的第二输入,扩张状态观测器输出动力涡轮功率观测值和功率一次导数的观测值作为反馈值,通过参考动力涡轮功率得到设计的控制率,输出燃气轮机低压轴扭矩参考设定值,燃气轮机执行机构通过积分控制位置闭环进行控制。最后针对燃气轮机低压轴扭矩参考量外环进行参数整定,直到满足其控制性能要求。
其次,设计内环一阶线性自抗扰控制器,内环一阶线性自抗扰控制器中扩张状态观测器ESOin设计为:
其中,z1=Tg,/>C=[1 0],L=[β1 β2]T,为控制器参数整定值由前文所述的NSGA-II遗传算法通过优化计算得到。
扩张状态观测器的输入为燃油流量测量值和低压轴扭矩的测量值。输出为低压轴扭矩的估计值和内环系统总扰动。
其参数整定规律同样采用带宽整定方法,将扩张观测器表达式重新整理为将矩阵的特征方程写为λ(s)=s2+β1s+β2,将扩张状态观测器带宽配置在ω0,则λ(s)=s2+β1s+β2=(s+ω0)2,可以得出β1=2ω0,β2=ω0 2。
一阶线性自抗扰控制率设计为控制器输出为因此控制器带宽设计为ωc,Kpin=ωc。
综上所述,经过极点配置及带宽整定,内环线性一阶自抗扰控制器需要设计的参数为控制器带宽ωc,扩张状态观测器带宽ω0,系统参数内环控制方案为,测量燃油流量、低压轴扭矩作为内环扩张状态观测器第一与第二输入量,扩张状态观测器输出低压轴扭矩估计值,通过与给定参考低压轴扭矩输入形成控制率,控制器输出值为系统燃油流量,即执行机构积分控制器的参考输入值。
内环控制器带宽参数取值要比外环控制器带宽参数大,以保证内环系统更快稳定。
Claims (4)
1.一种基于NSGA-Ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法,其特征是:包括外环、内环、NSGA-Ⅱ遗传算法优化;
所述NSGA-Ⅱ遗传算法优化为:
(1)确定所选的优化工况及模型初始输入参数,模型输入的初始参数包括:可转导叶角度,控制器参数,运行环境,工况负载;
(2)进行多目标优化方法初始参数设置,包括迭代次数、种群大小、目标个数、模拟二进制交叉参数、多项式变异参数、交叉概率、变异概率;
(3)产生初始种群,种群变量包括可转导叶角度,控制器参数,运行环境,工况负载;
(4)进行自变量约束判断:判断条件包括可转导叶角度限制、油门调节速度限制、可转导叶角度调节速度限制、进气压力温度限制,油门调节速度限制、可转导叶角度调节速度限制通过约束控制器参数实现,若满足约束则进行步骤(5),若不满足返回步骤(3)重新产生新种群;
(5)调用燃气轮机模型将种群中变量赋值计算,得出燃气轮机性能指标,其中优化的目标为污染物排放量、燃油消耗量、高低压转子转速;目标约束包括排温约束限制、燃料量约束限制、喘振约束限制、高低压转子转速约束限制;
(6)判断约束目标是否满足约束限制,若满足进行步骤(7),不满足返回步骤(3)重新产生新种群进行计算;
(7)进行快速非支配排序操作及拥挤度计算;
(8)根据交叉变异概率执行种群交叉变异操作;
(9)根据步骤(7)计算出的拥挤度进行精英保留策略,依据非支配排序优先级,淘汰较差的解,将保留下来的解与交叉变异解产生新的种群;
(10)判断是否满足设定的迭代次数,若满足则输出当前解集为帕累托最优解集,若不满足则返回步骤(3)将新种群再次进行步骤(4)-(10)多目标优化操作,直到满足迭代次数,输出可转导叶角度、外环二阶控制器参数b0和内环一阶控制器参数β1,β2,/>的帕累托最优解集;
外环为二阶线性自抗扰控制器,内环为一阶线性自抗扰控制器,外环二阶线性自抗扰控制器包括比例微分控制器Kpout,Kdout与扩张状态观测器ESOout,所述内环一阶线性自抗扰控制器包括比例控制器Kpin与扩张状态观测器ESOin;
低压轴扭矩表示为:其中t2为时间,Tg为低压轴扭矩,d2为外部干扰,Wf为燃油流量,/>为内环系统总扰动,总扰动包括高阶动态扰动、模型误差和外部干扰;
内环一阶线性自抗扰控制器中扩张状态观测器ESOin设计为: 其中,z1=Tg,/>C=[1 0],L=[β1 β2]T,
控制器Kpin控制率设计为控制器输出为/>其中Tg,r为低压轴设定输入扭矩即内环一阶线性自抗扰控制器的设定输入。
2.根据权利要求1所述的一种基于NSGA-II遗传算法的自抗扰控制的串级燃气轮机功率控制方法,其特征是:外环二阶线性自抗扰控制器设计包括以下步骤:
燃气轮机动力涡轮功率表示为:其中t1为时间,Np为燃气轮机动力涡轮功率,d1为外部干扰,Tg,r为低压轴扭矩的设定值,/>为外环系统总扰动;
外环二阶线性自抗扰控制器中扩张状态观测器ESOout设计为:
其中,
控制器Kpout控制率设计为控制器输出为其中Np,r为燃气轮机动力涡轮功率即外环二阶线性自抗扰控制器的设定输入。
3.根据权利要求1所述的一种基于NSGA-II遗传算法的自抗扰控制的串级燃气轮机功率控制方法,其特征是:外环扩张状态观测器ESOout第一输入为燃气轮机低压轴扭矩的参考设定值,第二输入为动力涡轮功率测量值;内环扩张状态观测器ESOin输入为燃气轮机执行机构燃油流量测量值,第二输入为低压轴扭矩的测量值。
4.根据权利要求1所述的一种基于NSGA-II遗传算法的自抗扰控制的串级燃气轮机功率控制方法,其特征是:外环控制反馈值为扩张状态观测器ESOout输出的动力涡轮功率观测值、动力涡轮功率导数观测值和外环总扰动f1的观测值,内环控制反馈值为扩张状态观测器ESOin输出的低压轴扭矩的观测值和内环总扰动f2的观测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110931015.XA CN113777919B (zh) | 2021-08-13 | 2021-08-13 | 一种基于nsga-ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110931015.XA CN113777919B (zh) | 2021-08-13 | 2021-08-13 | 一种基于nsga-ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113777919A CN113777919A (zh) | 2021-12-10 |
CN113777919B true CN113777919B (zh) | 2023-11-17 |
Family
ID=78837628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110931015.XA Active CN113777919B (zh) | 2021-08-13 | 2021-08-13 | 一种基于nsga-ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777919B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108646552A (zh) * | 2018-04-16 | 2018-10-12 | 杭州电子科技大学信息工程学院 | 基于遗传算法的天然气分布式能源机组参数的多目标优化方法 |
CN108700852A (zh) * | 2017-01-27 | 2018-10-23 | 三菱日立电力系统株式会社 | 模型参数值推定装置及推定方法、程序、记录有程序的记录介质、模型参数值推定系统 |
CN111413872A (zh) * | 2020-04-30 | 2020-07-14 | 西南科技大学 | 基于扩张状态观测器的空气容腔压力快速主动抗扰方法 |
JP2021049841A (ja) * | 2019-09-24 | 2021-04-01 | 国立研究開発法人宇宙航空研究開発機構 | 制御装置、学習装置、制御方法、学習方法、及びプログラム |
CN112748657A (zh) * | 2020-12-23 | 2021-05-04 | 北京航天自动控制研究所 | 基于自适应遗传算法旋转惯导自抗扰控制器参数整定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11674384B2 (en) * | 2019-05-20 | 2023-06-13 | Schlumberger Technology Corporation | Controller optimization via reinforcement learning on asset avatar |
-
2021
- 2021-08-13 CN CN202110931015.XA patent/CN113777919B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108700852A (zh) * | 2017-01-27 | 2018-10-23 | 三菱日立电力系统株式会社 | 模型参数值推定装置及推定方法、程序、记录有程序的记录介质、模型参数值推定系统 |
CN108646552A (zh) * | 2018-04-16 | 2018-10-12 | 杭州电子科技大学信息工程学院 | 基于遗传算法的天然气分布式能源机组参数的多目标优化方法 |
JP2021049841A (ja) * | 2019-09-24 | 2021-04-01 | 国立研究開発法人宇宙航空研究開発機構 | 制御装置、学習装置、制御方法、学習方法、及びプログラム |
CN111413872A (zh) * | 2020-04-30 | 2020-07-14 | 西南科技大学 | 基于扩张状态观测器的空气容腔压力快速主动抗扰方法 |
CN112748657A (zh) * | 2020-12-23 | 2021-05-04 | 北京航天自动控制研究所 | 基于自适应遗传算法旋转惯导自抗扰控制器参数整定方法 |
Non-Patent Citations (1)
Title |
---|
基于多目标遗传算法的船舶航向自抗扰控制器参数整定;唐正茂;解德;;大连海事大学学报(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113777919A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020000248A1 (zh) | 一种基于空间重构的航空发动机过渡态加速过程关键性能参数预测方法 | |
CN110219736B (zh) | 基于非线性模型预测控制的航空发动机直接推力控制方法 | |
CN111594322B (zh) | 一种基于Q-Learning的变循环航空发动机推力控制方法 | |
CN111475889B (zh) | 一种物理与数据驱动的航空发动机数字孪生建模方法 | |
CN112131670A (zh) | 一种基于混合自适应差分进化的航空发动机模型迭代算法 | |
CN115217635B (zh) | 一种涡扇发动机全包线自适应加速控制方法 | |
CN112668162A (zh) | 一种基于惯性滑模的航空发动机建模方法 | |
CN112523944A (zh) | 一种风力发电机变桨系统自适应动态面控制方法 | |
CN113777919B (zh) | 一种基于nsga-ⅱ遗传算法的自抗扰控制的串级燃气轮机功率控制方法 | |
CN113669163B (zh) | 一种基于自抗扰控制的串级燃气轮机转速控制方法 | |
CN113031440B (zh) | 基于反馈线性化与预测控制的风力机变桨距控制方法 | |
Wu | Dynamic performance simulation analysis method of split shaft gas turbine based on RBF neural network | |
Guan et al. | Multidimensional analysis and performance prediction of heavy-duty gas turbine based on actual operational data | |
Cai et al. | Cross-coupling control design of a flexible dual rotor wind turbine with enhanced wind energy capture capacity | |
CN113657033A (zh) | 一种基于模型的燃气轮机多目标优化方法 | |
CN113098057B (zh) | 一种双馈风机参数的多目标高维多分数阶优化方法 | |
CN113239487B (zh) | 一种航空发动机加速寻优控制方法、系统、介质及设备 | |
CN113700563B (zh) | 一种基于自抗扰控制的串级燃气轮机功率控制方法 | |
CN111106371B (zh) | 燃料电池空气管理系统及其相关控制信号的获取方法 | |
Ke et al. | Neural network based nonlinear model predictive control for two-stage turbocharged diesel engine air-path system | |
Gou et al. | Predictive control of turbofan engine model based on improved Elman neural network | |
CN114297786A (zh) | 一种涡扇发动机机载动态模型全包线精度扩展的方法 | |
CN114285037A (zh) | 一种区域电-气综合能源系统控制参数稳定域确定方法 | |
Wenzhou et al. | Design of a large scale wind turbine generator set yaw system | |
Gu et al. | Explicit Model Predictive Based Fault Tolerant Control for Turboshaft Engine System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |