CN114048683A - 一种基于事件触发的热风炉拱顶温度控制系统及控制方法 - Google Patents
一种基于事件触发的热风炉拱顶温度控制系统及控制方法 Download PDFInfo
- Publication number
- CN114048683A CN114048683A CN202111388843.XA CN202111388843A CN114048683A CN 114048683 A CN114048683 A CN 114048683A CN 202111388843 A CN202111388843 A CN 202111388843A CN 114048683 A CN114048683 A CN 114048683A
- Authority
- CN
- China
- Prior art keywords
- signal
- sliding mode
- controller
- output signal
- control
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 34
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 claims abstract description 27
- 230000001105 regulatory effect Effects 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000001960 triggered effect Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000002485 combustion reaction Methods 0.000 description 16
- 239000007789 gas Substances 0.000 description 11
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 229910000831 Steel Inorganic materials 0.000 description 7
- 239000010959 steel Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000003546 flue gas Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000005338 heat storage Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003034 coal gas Substances 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于事件触发的热风炉拱顶温度控制系统,包括:主温度控制对象的输出信号传递给主检测变送器;主检测变送器的输出信号与标准温度信号整合后分别传递给模糊滑模控制器、事件触发器;事件触发器的输出信号传递给自适应律优化器;自适应律优化器的输出信号传递给模糊滑模控制器;模糊滑模控制器的输出信号传递给副控制器;副控制器的输出信号传递给执行器;执行器与气体调节阀连接;气体调节阀的输出信号传递给副检测变送器;副检测变送器的输出信号传递给副控制器。本发明可以迅速克服外界扰动对系统的影响,降低网络传输时延,数据包丢失,网络阻塞等现象的发生概率,进而提高系统品质。
Description
技术领域
本发明涉及热风炉控制技术领域,具体涉及一种基于事件触发的热风炉拱顶温度控制系统及控制方法。
背景技术
钢铁工业在发展国民经济与国防建设的过程中,是一个至关重要的工业部门,是当前发展的物质基础。冶金工业的水平也是衡量一个国家工业化的标志。钢铁工业是非常庞大和复杂的重工业部门,涉及的比较广泛,有非常多的相关产业,它既能够促进和影响消费,也会在许多方面有很大的作用,比如在国家经济建设国防基础保证国民就业、稳定税收财政、推进基建设施建设、维持公共服务质量有重大作用。人类的绝大多数建筑使用的基本材料都是钢铁,钢铁工业的发展推动着人类的进步,是文明发展的重要标志。炼铁工业是钢铁生产中的重要环节。高炉炼铁在炼铁生产中一直占主导地位,并向着大型化、自动化和高效率的方向发展。世纪年代中期高炉大型化达到了高峰,现如今高炉炼铁由于其在生产量和价格上的优势,依旧保持着强大的生命力和持续的发展力,在整个钢铁工业中占有不可取代的重要地位。炼铁生产过程中,热风炉的燃料使用产生的高炉煤气,其压力和热值波动较大,因此会导致拱顶温度难以控制稳定。而高风温技术是钢铁企业实现高炉节能的关键技术之一,然而若要提高高炉热风炉送风温度,就必须同步提高热风炉的拱顶温度,因此合理的控制拱顶温度,对于保证高炉设备的安全稳定的运行,具有非常重要的意义。而从热风炉实际燃烧过程来看,快速燃烧期的燃烧目的主要是使拱顶温度快速达到设定值,蓄热期的燃烧目的是在保证拱顶温度维持在设定值的前提下来升高废气温度。不管在快速燃烧期还是在蓄热期,拱顶温度都是一个重要的指标,须对拱顶温度进行控制。而高炉热风炉燃烧系统是一个具有大惯性、纯滞后、分布参数非线性的系统,要实现高效的热风炉燃烧控制,就需要建立热风炉拱顶温度的数学模型,提前预测拱顶温度值。
工程上,针对热风炉拱顶温度通常采用常规的PID控制方法,但是难以达到理想的控制效果。与此同时,还有提出了一种基于PBF神经网络整定的PID控制策略,在常规热风炉温控系统的基础上,通过改进串级控制实现热风炉的燃烧优化调整,将外环改为采用RBF神经网络整定的PID控制,通过PID神经网络算法对增量式PID参数进行调整。由于RBF神经网络易陷入局部极小值,且径向基层与输出层之间的联接权求解存在病态问题,易造成控制参数整定错误。
针对热风炉拱顶温度的控制还提出在考虑炉内压力变化的基础上建立了外燃式热风炉烧炉过程的三维模型,模型考虑了蓄热砖区域内燃料与空气的湍流混合物、燃烧反应、浮力对流、热辐射和热交换,然后将计算结果与实际测量数据进行比较,以验证所提数学模型的准确性和可用性。所建模型的求解结果为热风炉烧炉末期的温度场分布情况,仅能为热风炉的工艺结构设计提供指导,对热风炉燃烧过程的实时调控意义不大。还有以热风炉拱顶温度为被控对象,根据非参数预估原理,设计出用于拱顶温度预估补偿环节的非参数在线预估器,组成具有非参数在线预估器的模糊控制系统。但是,预估器所需设置参数众多且计算方式复杂,不利应用于工程实际。
图1中燃烧室1,拱顶2,蓄热室3,在热风炉运行时,热风炉交替工作在燃烧期与送风期。热风炉燃烧的全过程分为两个阶段:快速加热期和蓄热期。燃烧期内煤气在热风炉燃烧室燃烧,生成高温烟气,向上经过拱顶进入蓄热室,烟气与蓄热室进行热交换,然后进入冷风期。在快速加热期,以较大的煤气量和空燃比实行快速加热,使拱顶温度迅速达到规定值。在蓄热期,拱顶温度基本不变,其上升速率接近于零,通常在拱顶温度控制提出数学模型控制法,基于热风炉炉内热平衡建立数学模型,较好地反应了热风炉燃烧过程中的变化情况。但是该方法需要在现场安装众多高精度检测装置来获取热风炉的状态信息,从而来有效控制拱顶的温度,但是这些装置的运行状况对数学模型的推导和数值演算有直接影响,因此该方法仍存在一定程度的局限性和不足。
发明内容
本发明提供了一种基于事件触发的热风炉拱顶温度控制系统及控制方法,以解决现有技术中系统不确定项和外部干扰对系统状态滑模面的影响,系统不能自修正和补偿的问题。
本发明提供了一种基于事件触发的热风炉拱顶温度控制系统,包括:外环模糊滑模控制回路、内环控制回路;
所述外环模糊滑模控制回路包括:主温度控制对象、主检测变送器、主控制器;
所述主控制器包括:模糊滑模控制器、事件触发器、自适应律优化器;
所述内环控制回路包括:副控制器、执行器、气体调节阀、副检测变送器;
所述主温度控制对象的输出信号传递给所述主检测变送器;所述主检测变送器的输出信号与标准温度信号整合后分别传递给所述模糊滑模控制器、事件触发器;所述事件触发器的输出信号传递给所述自适应律优化器;所述自适应律优化器的输出信号传递给所述模糊滑模控制器;所述模糊滑模控制器的输出信号传递给所述副控制器;所述副控制器的输出信号传递给所述执行器;所述执行器与所述气体调节阀连接;所述气体调节阀的输出信号传递给所述副检测变送器;所述副检测变送器的输出信号传递给所述副控制器。
进一步地,所述主控制器还包括:状态观测器;所述主检测变送器的输出信号传递给所述状态观测器;所述状态观测器的信号与所述模糊滑模控制器的输出信号整合后分别传递给所述副控制器、状态观测器。
本发明还提供了一种基于事件触发的热风炉拱顶温度控制系统的控制方法,包括:同时运行的外环模糊控制过程、内环控制过程;
其中,所述外环模糊控制过程包括如下步骤:
步骤A1:主检测变送器获取主温度控制对象的温度,产生温度信号;
步骤A2:将温度信号与标准温度信号进行偏差计算,获取偏差信号;
步骤A3:模糊滑模控制器中的滑模面根据偏差信号产生对应的积分滑模面以及积分滑模面的导数;
事件触发器根据偏差信号判断是否触发事件,当触发事件时,事件触发器将接收的偏差信号作为输出信号输出;当不触发事件时,事件触发器不输出信号;
自适应律优化器根据事件触发器输出的偏差信号计算自适应律,通过自适应律对模糊滑模控制器的参数进行优化;
步骤A4:模糊滑模控制器根据积分滑模面、积分滑模面的导数以及偏差信号产生模糊控制信号;
步骤A5:将模糊控制信号作为主控制信号传递给副控制器;
所述内环控制过程包括如下步骤:
步骤B1:副检测变送器获取气体调节阀的状态信号;
步骤B2:副控制器根据主控制信号、状态信号产生副控制信号;
步骤B3:执行器根据副控制信号控制气体调节阀的状态。
进一步地,所述步骤A3中事件触发器的触发条件为:
其中,Δek为当前时刻ek(tkh+jh)与上一时刻ek(tkh)的偏差信号;x1(tkh)为上一时刻的输入信号;Q和N都为权值矩阵,且要求Q大于N;ε(tkh)为上一时刻自适应系数且满足max表示最大值,ε(tkh-jh)为上上时刻的自适应系数,满足εm为自适应系数初始值,x1(tkh+jh)是当前时刻的状态值,arctan为反正切函数,‖·‖表示范数,j=1,2,··为正整数,T为主变送器采样时间。
进一步地,所述积分滑模面的滑模面函数为:
s=e+∫ede
其中,e为偏差信号对应的偏差量。
进一步地,所述自适应律优化器根据事件触发器输出的偏差信号对模糊控制器的参数进行优化调整。
进一步地,所述A2中还包括:状态观测器根据温度信号、主控制信号产生补偿信号;
所述步骤A5中:将模糊滑模控制信号、补偿信号作为主控制信号传递给副控制器、状态观测器。
进一步地,所述状态观测器的输出信号经过微分增益后形成补偿信号。
本发明的有益效果:
(1)主控制器采用模糊滑模控制器和事件触发器,能够根据主拱顶温度信号和设定值的比较,得到温度的偏差信号,然后分别输入到滑模面和事件触发器,通过模糊控制器对滑模控制器的控制可以提高系统的稳定性和鲁棒性能,可以迅速克服外界扰动对系统的影响。
(2)事件触发器控制自适应律对模糊控制器参数的优化,减少网络数据的传输量,提高控制性能和传输数据的速率,也降低网络传输时延,数据包丢失,网络阻塞等现象的发生概率,进而提高系统品质。
(3)状态观测器对扰动起一定的补偿作用,与模糊滑模控制器结合,达到理想的控制效果。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1现有热风炉系统示意图
图2本发明具体实施例的系统示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种基于事件触发的热风炉拱顶温度控制系统,包括:外环模糊滑模控制回路、内环控制回路;
所述外环模糊滑模控制回路包括:主温度控制对象、主检测变送器、主控制器;
所述主控制器包括:模糊滑模控制器、事件触发器、自适应律优化器、状态观测器;
所述内环控制回路包括:副控制器、执行器、气体调节阀、副检测变送器;
所述主温度控制对象的输出信号传递给所述主检测变送器;所述主检测变送器的输出信号与标准温度信号整合后分别传递给所述模糊滑模控制器、事件触发器;所述事件触发器的输出信号传递给所述自适应律优化器;所述自适应律优化器的输出信号传递给所述模糊滑模控制器;所述主检测变送器的输出信号传递给所述状态观测器;所述状态观测器的信号与所述模糊滑模控制器的输出信号整合后分别传递给所述副控制器、状态观测器;所述副控制器的输出信号传递给所述执行器;所述执行器与所述气体调节阀连接;所述气体调节阀的输出信号传递给所述副检测变送器;所述副检测变送器的输出信号传递给所述副控制器。
本发明还提供了一种基于事件触发的热风炉拱顶温度控制系统的控制方法,包括:同时运行的外环模糊控制过程、内环控制过程;
其中,所述外环模糊控制过程包括如下步骤:
步骤A1:主检测变送器获取主温度控制对象的温度,产生温度信号x1(tkh);
步骤A2:将温度信号与标准温度信号进行偏差计算,获取偏差信号e(tkh);状态观测器根据温度信号x1(tkh)、主控制信号输出信号uo,状态观测器的输出信号经过补偿增益Kd后形成补偿信号;
步骤A3:模糊滑模控制器中的滑模面根据偏差信号e(tkh)产生对应的积分滑模面信号s;其中,积分滑模面的滑模面函数为:
s=e+∫ede
其中,e为偏差信号对应的偏差量;
滑模面信号s和滑模信号经过微分器产生的信号作为模糊滑模控制器中模糊控制器的输入,然后经过模糊控制器产生信号yh。其中将i为输入变量的个数,j为输出的变量的个数,为输入变量模糊集,为变量s的隶属函数,i=1,2,j=1,2,··5,可以采取模糊控制器的模糊函数为:
通常情况下,模糊控制器输出为:
自适应律优化器根据事件触发器输出的偏差信号e(tkh)对模糊滑模控制器的参数进行优化和调整;其中事件触发器根据偏差信号判断是否触发事件,当触发事件时,事件触发器将接收的偏差信号作为输出信号输出;当不触发事件时,事件触发器不输出信号;
事件触发器的触发条件为:
其中,Δek为当前时刻ek(tkh+jh)与上一时刻ek(tkh)的偏差信号;x1(tkh)为上一时刻的输入信号;Q和N都为权值矩阵,且要求Q大于N;ε(tkh)为上一时刻自适应系数且满足max表示最大值,ε(tkh-jh)为上上时刻的自适应系数,满足εm为自适应系数初始值,x1(tkh+jh)是当前时刻的状态值,arctan为反正切函数,‖·‖表示范数,j=1,2,··为正整数。
自适应律的设计可根据以下步骤设计,一般定义系统干扰w(x,t)和不确定性变量f(x,t),g(x,t)作为需要调节的参数,利用模糊系统的逼近特性,设定值 用来逼近f(x,t),g(x,t)w(x,t):
定义最优参数变量:
模糊滑模控制器中的滑模控制器中选取的趋近律其中趋近律的参数q,ε,α都大于零,sigα(s)=diag{|s|α}*sgn(s)中的sgn为符号函数,diag表示对角矩阵,s为滑模面函数,T为主变送器采样时间。
步骤A4:模糊滑模控制器根据积分滑模面s、积分滑模面的导数积分滑模面s经过微分器的信号以及偏差信号经过自适应律优化器优化后的信号产生模糊控制信号yh;
步骤A5:将模糊滑模控制信号uo、补偿信号作为主控制信号传递给副控制器、状态观测器;
所述内环控制过程包括如下步骤:
步骤B1:副检测变送器获取气体调节阀的状态信号x2(tkh);
步骤B2:副控制器根据主控制信号、状态信号产生副控制信号;
步骤B3:执行器根据副控制信号控制气体调节阀的状态。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种基于事件触发的热风炉拱顶温度控制系统,其特征在于,包括:外环模糊滑模控制回路、内环控制回路;
所述外环模糊滑模控制回路包括:主温度控制对象、主检测变送器、主控制器;
所述主控制器包括:模糊滑模控制器、事件触发器、自适应律优化器;
所述内环控制回路包括:副控制器、执行器、气体调节阀、副检测变送器;
所述主温度控制对象的输出信号传递给所述主检测变送器;所述主检测变送器的输出信号与标准温度信号整合后分别传递给所述模糊滑模控制器、事件触发器;所述事件触发器的输出信号传递给所述自适应律优化器;所述自适应律优化器的输出信号传递给所述模糊滑模控制器;所述模糊滑模控制器的输出信号传递给所述副控制器;所述副控制器的输出信号传递给所述执行器;所述执行器与所述气体调节阀连接;所述气体调节阀的输出信号传递给所述副检测变送器;所述副检测变送器的输出信号传递给所述副控制器。
2.如权利要求1所述的基于事件触发的热风炉拱顶温度控制系统,其特征在于,所述主控制器还包括:状态观测器;所述主检测变送器的输出信号传递给所述状态观测器;所述状态观测器的信号与所述模糊滑模控制器的输出信号整合后分别传递给所述副控制器、状态观测器。
3.一种基于事件触发的热风炉拱顶温度控制系统的控制方法,其特征在于,包括:同时运行的外环模糊控制过程、内环控制过程;
其中,所述外环模糊控制过程包括如下步骤:
步骤A1:主检测变送器获取主温度控制对象的温度,产生温度信号;
步骤A2:将温度信号与标准温度信号进行偏差计算,获取偏差信号;
步骤A3:模糊滑模控制器中的滑模面根据偏差信号产生对应的积分滑模面以及积分滑模面的导数;
事件触发器根据偏差信号判断是否触发事件,当触发事件时,事件触发器将接收的偏差信号作为输出信号输出;当不触发事件时,事件触发器不输出信号;
自适应律优化器根据事件触发器输出的偏差信号计算自适应律,通过自适应律对模糊滑模控制器的参数进行优化;
步骤A4:模糊滑模控制器根据积分滑模面、积分滑模面的导数以及偏差信号产生模糊控制信号;
步骤A5:将模糊控制信号作为主控制信号传递给副控制器;
所述内环控制过程包括如下步骤:
步骤B1:副检测变送器获取气体调节阀的状态信号;
步骤B2:副控制器根据主控制信号、状态信号产生副控制信号;
步骤B3:执行器根据副控制信号控制气体调节阀的状态。
5.如权利要求3所述的基于事件触发的热风炉拱顶温度控制系统的控制方法,其特征在于,所述积分滑模面的滑模面函数为:
s=e+∫e de
其中,e为偏差信号对应的偏差量。
6.如权利要求3所述的基于事件触发的热风炉拱顶温度控制系统的控制方法,其特征在于,所述自适应律优化器根据事件触发器输出的偏差信号对模糊控制器的参数进行优化调整。
7.如权利要求3所述的基于事件触发的热风炉拱顶温度控制系统的控制方法,其特征在于,所述A2中还包括:状态观测器根据温度信号、主控制信号产生补偿信号;
所述步骤A5中:将模糊滑模控制信号、补偿信号作为主控制信号传递给副控制器、状态观测器。
8.如权利要求3所述的基于事件触发的热风炉拱顶温度控制系统的控制方法,其特征在于,所述状态观测器的输出信号经过微分增益后形成补偿信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111388843.XA CN114048683B (zh) | 2021-11-22 | 2021-11-22 | 一种基于事件触发的热风炉拱顶温度控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111388843.XA CN114048683B (zh) | 2021-11-22 | 2021-11-22 | 一种基于事件触发的热风炉拱顶温度控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114048683A true CN114048683A (zh) | 2022-02-15 |
CN114048683B CN114048683B (zh) | 2024-08-06 |
Family
ID=80210394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111388843.XA Active CN114048683B (zh) | 2021-11-22 | 2021-11-22 | 一种基于事件触发的热风炉拱顶温度控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048683B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006064188A (ja) * | 2004-08-24 | 2006-03-09 | Babcock Hitachi Kk | ボイラの再熱器蒸気温度の制御方法および装置 |
CN105334888A (zh) * | 2015-11-16 | 2016-02-17 | 江苏科技大学 | 一种基于触发机制的网络串级温度控制系统及其方法 |
CN105546508A (zh) * | 2016-02-18 | 2016-05-04 | 江苏科技大学 | 基于事件触发机制的火电厂主蒸汽温度控制系统及方法 |
CN106090870A (zh) * | 2016-06-01 | 2016-11-09 | 江苏科技大学 | 火电厂主汽温度串级自抗扰控制器及系统和方法 |
CN109120198A (zh) * | 2018-09-11 | 2019-01-01 | 江苏科技大学 | 基于触发机制的电机控制系统及方法 |
CN110032226A (zh) * | 2019-05-09 | 2019-07-19 | 陕西理工大学 | 电阻炉温度的模糊控制系统及控制方法 |
-
2021
- 2021-11-22 CN CN202111388843.XA patent/CN114048683B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006064188A (ja) * | 2004-08-24 | 2006-03-09 | Babcock Hitachi Kk | ボイラの再熱器蒸気温度の制御方法および装置 |
CN105334888A (zh) * | 2015-11-16 | 2016-02-17 | 江苏科技大学 | 一种基于触发机制的网络串级温度控制系统及其方法 |
CN105546508A (zh) * | 2016-02-18 | 2016-05-04 | 江苏科技大学 | 基于事件触发机制的火电厂主蒸汽温度控制系统及方法 |
CN106090870A (zh) * | 2016-06-01 | 2016-11-09 | 江苏科技大学 | 火电厂主汽温度串级自抗扰控制器及系统和方法 |
CN109120198A (zh) * | 2018-09-11 | 2019-01-01 | 江苏科技大学 | 基于触发机制的电机控制系统及方法 |
CN110032226A (zh) * | 2019-05-09 | 2019-07-19 | 陕西理工大学 | 电阻炉温度的模糊控制系统及控制方法 |
Non-Patent Citations (1)
Title |
---|
刘璐璐: "基于模糊神经网络的电厂主蒸汽温度复合控制策略研究", 《硕士电子期刊》, 31 January 2014 (2014-01-31), pages 1 - 76 * |
Also Published As
Publication number | Publication date |
---|---|
CN114048683B (zh) | 2024-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103576655B (zh) | 一种电站锅炉燃烧子空间建模及多目标优化方法和系统 | |
CN108227488B (zh) | 基于滑模预测控制的超超临界火电机组协调控制方法 | |
CN105629738A (zh) | Scr烟气脱硝系统控制方法及设备 | |
CN110260356B (zh) | 一种流化床锅炉的节能控制方法 | |
CN102425790B (zh) | 一种循环流化床锅炉在线优化自学习控制方法 | |
CN111562744B (zh) | 一种基于pso算法的锅炉燃烧隐式广义预测控制方法 | |
CN108490790A (zh) | 一种基于多目标优化的过热汽温自抗扰串级控制方法 | |
CN102444784A (zh) | 基于动态矩阵控制的钢铁企业蒸汽管网压力控制系统 | |
CN103674333A (zh) | 一种燃煤电站入炉煤低位发热量的实时辨识方法 | |
CN108361683B (zh) | 一种全负荷段再热气温智能控制系统 | |
CN111765447B (zh) | 一种基于多变量解耦的发电锅炉主汽温控制方法和系统 | |
CN111123704A (zh) | 一种二次再热机组再热汽温的节能型预测控制方法 | |
CN108762086B (zh) | 基于模型预测控制的二次再热蒸汽温度控制装置及控制系统 | |
CN114048683B (zh) | 一种基于事件触发的热风炉拱顶温度控制系统及控制方法 | |
Cheng et al. | An optimized nonlinear generalized predictive control for steam temperature in an ultra supercritical unit | |
Tian | Predictive control of coke oven flue temperature based on orthogonal neural network | |
Li et al. | Performance analysis of reheat steam temperature control system of thermal power unit based on constrained predictive control | |
CN109579044B (zh) | 一种步进式加热炉空燃比动态前馈燃烧控制方法 | |
Jing et al. | Application of improved model-free adaptive control in an industrial oiler system | |
Ma et al. | Optimization control of thermal efficiency for cement raw meal pre-decomposition based on two-layer structure model predictive control | |
CN108332424B (zh) | 热水锅炉自动化控制方法 | |
Cen et al. | Intelligent control strategy based on PSO-Elman prediction model for ignition temperature in sintering process | |
Wang et al. | Design and realization of automatic control system for boiler based on model free adaptive control | |
CN113467237B (zh) | 基于深度学习的主蒸汽温度的动态建模方法 | |
Yang et al. | DHP algorithm based multi-variable optimal control for cement calcination process |
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 |