CN115419508A - 基于无模型自适应控制器控制燃气轮机转速的方法 - Google Patents
基于无模型自适应控制器控制燃气轮机转速的方法 Download PDFInfo
- Publication number
- CN115419508A CN115419508A CN202211082425.2A CN202211082425A CN115419508A CN 115419508 A CN115419508 A CN 115419508A CN 202211082425 A CN202211082425 A CN 202211082425A CN 115419508 A CN115419508 A CN 115419508A
- Authority
- CN
- China
- Prior art keywords
- gas turbine
- rotating speed
- model
- fuel quantity
- speed
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 53
- 239000000446 fuel Substances 0.000 claims abstract description 108
- 238000012937 correction Methods 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 10
- 239000007789 gas Substances 0.000 description 160
- 230000001276 controlling effect Effects 0.000 description 42
- 230000008569 process Effects 0.000 description 36
- 238000004364 calculation method Methods 0.000 description 28
- 238000005457 optimization Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000001105 regulatory effect Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009123 feedback regulation Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- URWAJWIAIPFPJE-YFMIWBNJSA-N sisomycin Chemical compound O1C[C@@](O)(C)[C@H](NC)[C@@H](O)[C@H]1O[C@@H]1[C@@H](O)[C@H](O[C@@H]2[C@@H](CC=C(CN)O2)N)[C@@H](N)C[C@H]1N URWAJWIAIPFPJE-YFMIWBNJSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
- F02C9/26—Control of fuel supply
- F02C9/28—Regulating systems responsive to plant or ambient parameters, e.g. temperature, pressure, rotor speed
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
本公开提供了一种基于无模型自适应控制器控制燃气轮机转速的方法，该方法包括：根据燃气轮机的期望转速，确定燃气轮机的预测燃料量；根据预测燃料量，确定燃气轮机的实际转速；将根据实际转速与期望转速确定的误差输入至无模型自适应控制器中，输出对预测燃料量的修正量，以便根据修正量得到燃气轮机的目标燃料量；根据目标燃料量，校正燃气轮机的实际转速，直至燃气轮机的实际转速与燃气轮机的期望转速之间的误差满足预设阈值。
Description
技术领域
本公开涉及动力机械自动控制领域，更具体地涉及一种基于无模型自适应控制器控制燃气轮机转速的方法、装置、设备和介质。
背景技术
工业燃气轮机在分布式电力、工业动力驱动等领域发挥着重要作用。在控制工业燃气轮机转速的过程中，控制燃料量可以改变燃气轮机的转速。对工业燃气轮机的燃料量的控制不仅可以实现能够在指定负荷下运转，还可以保证工业燃气轮机的各部件在安全范围内运行。相关技术中一般通过模型预测控制工业燃气轮机的燃料量，模型预测控制的鲁棒性强、可以处理多种变量、多种约束条件。
在实现本公开发明构思的过程中，发明人发现相关技术中至少存在如下问题：由于模型预测控制的在线优化的方式计算量大，若采用离线优化的方式一般会存在控制误差，进而降低了对工业燃气轮机转速控制精度。
发明内容
鉴于上述问题，本公开提供了提高工业燃气轮机转速的控制精度的基于无模型自适应控制器控制燃气轮机转速的方法、装置、设备、介质和程序产品，以期至少部分地解决上述技术问题。
本公开的一个方面提供了一种基于无模型自适应控制器控制燃气轮机转速的方法，包括：根据燃气轮机的期望转速，确定所述燃气轮机的预测燃料量；根据所述预测燃料量，确定所述燃气轮机的实际转速；将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量，以便根据所述修正量得到所述燃气轮机的目标燃料量；根据所述目标燃料量，校正所述燃气轮机的实际转速，直至所述燃气轮机的实际转速与所述燃气轮机的期望转速之间的误差满足预设阈值。
根据本公开的实施例，上述方法还包括：以时刻为单位确定对所述预测燃料量的修正量；其中，所述将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量包括：第k时刻的修正量是根据第k+1时刻的期望转速和第k时刻的实际转速之间的误差、第k-1时刻的修正量得到的，其中，k大于1。
根据本公开的实施例，所述根据所述预测燃料量，确定燃气轮机的实际转速包括：将所述预测燃料量输入至燃气轮机控制系统中，输出所述燃气轮机的实际转速。
根据本公开的实施例，所述第k时刻的实际转速是根据第k-1时刻的实际转速至第k-1-ny时刻的实际转速、第k-1时刻的修正量至第k-1-nu时刻的修正量确定的，其中，ny表示所述燃气轮机控制系统的输出模型阶次，nu表示所述燃气轮机控制系统的输入模型阶次。
根据本公开的实施例，根据燃气轮机的期望转速，确定燃气轮机的预测燃料量包括：将所述燃气轮机的期望转速输入至预测模型中，输出所述燃气轮机的预测燃料量，其中，所述预测模型包括状态空间模型。
根据本公开的实施例，所述输出所述燃气轮机的预测燃料量包括：根据所述状态空间模型的输出矩阵和与所述燃气轮机的期望转速相关的状态向量，输出所述燃气轮机的预测燃料量。
本公开的另一方面提供了一种基于无模型自适应控制器控制燃气轮机转速的装置，包括：第一确定模块，用于根据燃气轮机的期望转速，确定燃气轮机的预测燃料量；第二确定模块，用于根据所述预测燃料量，确定燃气轮机的实际转速；第一输入模块，用于将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量，以便根据所述修正量得到燃气轮机的目标燃料量；校正模块，用于根据所述目标燃料量，校正所述燃气轮机的实际转速，直至所述燃气轮机的实际转速与所述燃气轮机的期望转速之间的误差满足预设阈值。
本公开的另一方面还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述基于无模型自适应控制器控制燃气轮机转速的方法。
本公开的另一方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述基于无模型自适应控制器控制燃气轮机转速的方法。
本公开的另一方面还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述基于无模型自适应控制器控制燃气轮机转速的方法。
根据本公开的实施例，通过基于无模型自适应控制器对燃气轮机转速的控制，能够以燃气轮机的实际转速与燃气轮机的期望转速之间的误差作为输入，得到目标燃料量，并根据该目标燃料量校正燃气轮机的实际转速，以便燃气轮机的实际转速与期望转速之间的误差满足预设阈值。因为可以根据实际转速与期望转速之间的误差，进一步自适应校正调节由离线优化的反馈调节方式引起的燃气轮机控制系统带来的对转速的控制误差，可以实现消除由离线优化方式带来的对转速的控制误差的目的，所以至少部分地克服了相关技术中由于离线计算存在的控制误差的问题，进而达到了提高控制工业燃气轮机转速的控制精度的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的基于无模型自适应控制器控制燃气轮机转速的方法流程图；
图2A示意性示出了根据本公开实施例的基于无模型自适应控制器控制燃气轮机转速的系统架构图；
图2B示意性示出了根据本公开实施例的相关技术中的控制燃气轮机转速的系统架构图；
图3A示意性示出了根据本公开实施例的升高至额定转速的向上阶跃对比图；
图3B示意性示出了根据本公开实施例的降低至额定转速的向下阶跃对比图；
图4示意性示出了根据本公开实施例的基于无模型自适应控制器控制燃气轮机转速的装置的结构框图；
图5示意性示出了根据本公开实施例的适于实现基于无模型自适应控制器控制燃气轮机转速的方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
工业燃气轮机需要在不同负载需求下保持长期稳定运行，因此对燃料量的调控要求较高。目前，通过模型预测控制工业燃气轮机燃料量的方法可以作为一种从工业领域发展而来的控制方法，模型预测控制具有鲁棒性强，方便处理多变量，多约束等优势，理论上可以便于处理燃机燃料量的控制问题。例如，一种通过模型预测控制冷热电联供型微电网运行方法，能够消除由于预测不准对系统优化运行造成的影响，降低系统运行的风险。又例如，可以利用递推最小二乘辨识方法构建转速系统的多模型集合，针对各模型设计各子预测控制器，将各子预测控制器输出的控制量进行加权作为对燃气轮机转速的实际控制量，进而对燃气轮机转速的控制可以得到在全局范围的最优值，最终实现对燃气轮机转速系统的多模型自适应广义预测控制。
上述的利用预测控制模型控制燃气轮机，一般是在线控制优化，而这样的方法本质上都存在着在预测时域和控制时域较大的情况下会产生大量的计算消耗，同时，由于燃气轮机模型的结构复杂，所以使得上述方法应用于实际工程具有一定的难度。
为了解决预测控制模型在线优化计算量大的问题，一般可以将预测控制模型的计算量转移至离线进行计算，以减少在线计算的资源消耗。但离线计算消耗一般会引起对转速的控制误差。有鉴于此，在离线计算的过程添加无模型自适应控制器，以消除由于离线计算造成的对燃气轮机转速的控制误差。
具体地，本公开的实施例提供了一种基于无模型自适应控制器控制燃气轮机转速的方法，用于减少对燃气轮机转速的控制误差，提高对燃气轮机转速的控制精度。该方法包括：根据燃气轮机的期望转速，确定燃气轮机的预测燃料量；根据预测燃料量，确定燃气轮机的实际转速；将根据实际转速与期望转速确定的误差输入至无模型自适应控制器中，输出对预测燃料量的修正量，以便根据修正量得到燃气轮机的目标燃料量；根据目标燃料量，校正燃气轮机的实际转速，直至燃气轮机的实际转速与燃气轮机的期望转速之间的误差满足预设阈值。
图1示意性示出了根据本公开实施例的基于无模型自适应控制器控制燃气轮机转速的方法流程图。
如图1所示，该方法包括S110～S140。
在操作S110，根据燃气轮机的期望转速，确定所述燃气轮机的预测燃料量。
在操作S120，根据所述预测燃料量，确定所述燃气轮机的实际转速。
在操作S130，将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量，以便根据所述修正量得到所述燃气轮机的目标燃料量。
在操作S140，根据所述目标燃料量，校正所述燃气轮机的实际转速，直至所述燃气轮机的实际转速与所述燃气轮机的期望转速之间的误差满足预设阈值。
根据本公开的实施例，期望转速可以是期望燃气轮机达到的转速，例如，期望燃气轮机由目前的转速提升至或降低至额定转速，则额定转速可以作为期望转速。期望转速还可以根据实际情况进行适应性调整。
根据本公开的实施例，预测燃料量可以是将燃气轮机由目前的转速调整至期望转速所需要的燃料量。具体地，将期望转速输入至预测模型中，经过包含预测模型的模型预测控制系统(Model Predictive Control，MPC)可以得到预测燃料量。
根据本公开的实施例，实际转速可以是根据预测燃料量调整后的燃气轮机的转速，该转速可以是接近期望转速的。具体地，可以将预测燃料量输入至燃气轮机控制系统中，燃气轮机根据预测燃料量进行调整后得到的燃气轮机的实际转速。在一实施例中，燃气轮机控制还可以是其他用于工业控制的系统，可以根据实际需要进行适应性调整。
根据本公开的实施例，为减少MPC系统在线反馈带来的资源消耗，将MPC系统在线反馈的方式调整为离线反馈，离线反馈过程中的MPC系统在计算过程中，仍会以最优化计算的方式实现控制信号的计算，而将该信号用于实际控制转速时，因为不是在线反馈调节，所以在实际控制时，可能由于燃气轮机控制系统的控制误差，进而导致了对转速的控制误差，使得期望转速和实际转速之间有误差。
根据本公开的实施例，基于上述的误差，无模型自适应控制器(Model-freeadaptive control，MFAC)可以根据期望转速和实际转速之间有误差，得到对预测燃料量的修正量，根据修正量对预测燃料量进行修正后可以得到目标燃料量，燃气轮机控制系统能够根据目标燃料量，调整燃气轮机的实际转速，以便实际转速可以无限接近期望转速，直至实际转速和期望转速之间的误差能够满足预设阈值。其中，预设阈值可以是预设误差阈值，用于表征当前的实际转速是否可以确认为已调整到期望转速。优选地，预设阈值可以是0。预设阈值还可以根据实际需要进行适应性设置。
图2A示意性示出了根据本公开实施例的基于无模型自适应控制器控制燃气轮机转速的系统架构图；图2B示意性示出了根据本公开实施例的相关技术中的控制燃气轮机转速的系统架构图。
如图2A所示，该系统架构200可以包括MPC系统201、积分模块202、燃气轮机控制系统203、MFAC 204。
在控制工业燃气轮机转速的过程中，输入的期望转速经过MPC系统201后可以得到燃气轮机升高至或降低至额定转速所需的燃料分量，积分模块202可以对该燃料分量进行积分，得到预测燃料量。根据期望转速得到预测燃料量的过程，可以是离线反馈的方式。将该预测燃料量输入至燃气轮机控制系统203，可以得到调整后的燃气轮机的实际转速，实际转速和期望转速之间可能存在误差。MFAC 204可以根据实际转速与期望转速之间的误差可以在线反馈对预测燃料量的修正量，以便对预测燃料量进行修正得到目标燃料量，进而使得燃气轮机控制系统203可以根据目标燃料量得到的实际转速与期望转速之间的误差满足预设阈值，优选地，预设阈值可以是0，实际转速可以等于期望转速。图2中MFAC204中的符号可以表示触发调节。
如图2A～图2B所示，相关技术中的系统架构只是包括MPC系统201、积分模块202、燃气轮机控制系统203，且是在线调节和反馈。相较于相关技术，本公开实施例提供的系统架构200不仅可以实现离线计算，较少计算量的消耗；还可以消除由于离线反馈带来的控制误差，提高控制燃气轮机转速的控制精度的同时还减少了计算量的消耗。具体地，MFAC根据实际转速与期望转速之间的误差，得到预测燃料量的修正量，进而调整实际转速，使得实际转速无限接近期望转速，不仅可以提高对转速的控制精度，还可以实现将MPC的计算过程转移至离线计算，且不需考虑离线调节存在的控制误差的问题。
根据本公开的实施例，通过基于无模型自适应控制器对燃气轮机转速的控制，能够以燃气轮机的实际转速与燃气轮机的期望转速之间的误差作为输入，得到目标燃料量，并根据该目标燃料量校正燃气轮机的实际转速，以便燃气轮机的实际转速与期望转速之间的误差满足预设阈值。因为可以根据实际转速与期望转速之间的误差，进一步自适应校正调节由离线优化的反馈调节方式引起的燃气轮机控制系统带来的对转速的控制误差，可以实现消除由离线优化方式带来的对转速的控制误差的目的，所以至少部分地克服了相关技术中由于离线计算存在的控制误差的问题，进而达到了提高控制工业燃气轮机转速的控制精度的技术效果。
根据本公开的实施例，操作S110可以包括如下操作：将燃气轮机的期望转速输入至预测模型中，输出燃气轮机的预测燃料量，其中，预测模型包括状态空间模型。
根据本公开的实施例，输出燃气轮机的预测燃料量包括：根据状态空间模型的输出矩阵和与燃气轮机的期望转速相关的状态向量，输出燃气轮机的预测燃料量。
根据本公开的实施例，在MPC系统中，预测模型可以是状态空间模型，状态空间模型可以处理多变量的控制、方便进行矩阵运算。本公开实施例用到的是小偏差状态空间模型作为预测模型。预测模型的种类还可以根据实际需要进行适应性调整。在已知预测模型后，可以根据约束条件和期望输出的期望转速，通过MPC的方法计算满足约束的最优预测燃料量。
根据本公开的实施例，预测模型的建模定义过程可以如公式(1)～(4)所示。
xm(k+1)＝Amxm(k)+Bmu(k) (1)
y(k)＝Cmxm(k)+Dmu(k) (2)
其中，k表示时刻，m表示状态模型，xm(k)、xm(k+1)表示与期望转速相关的状态向量，y(k)表示输出参数，可以是预测燃料量，u(k)表示输入参数，可以是期望转速，Am、Bm、Cm、Dm表示状态空间模型的状态空间矩阵，具体地，Am可以表示状态模型的状态矩阵、Bm可以表示状态模型的输入矩阵、Cm可以表示状态模型的输出矩阵、Dm可以表示状态模型的输入输出矩阵。
根据本公开的实施例，为了消除Dm矩阵，可以进一步构建增广形式的状态空间模型，构建增广形式的状态空间模型，还可以在整个预测时域内迭代求解。构建增广形式的状态空间模型的过程可以如公式(3)～(4)所示。
其中，公式(3)～(4)中与公式(1)～(2)的相同字符代表的含义可以相同，om可以表示0矩阵，Δu(k)可以表示输入参数的增量，Δxm(k+1)可以表示状态向量的增量。根据公式(1)～(4)可以得到MPC的状态空间预测模型。
根据本公开的实施例，状态空间模型的预测时域和控制时域内的预测量可以写成如公式(5)所示的矩阵形式。
Y＝Fx(ki)+ΦΔU (5)
其中，x(ki)可以表示状态向量，Y表示控制输出信号，U表示控制输入信号，F与Φ为预测量的矩阵系数。
根据本公开的实施例，公式(5)可以表示一段时间内的系统变化过程；方便后续过程中与期望转速(Rs)作差，并最优化求解。预测时域和控制时域可以理解为两个时间段，预测时域和控制时域和Y矩阵、U矩阵的大小相关，具体地，Y表示预测时域内所有的y向量组成的矩阵，U表示控制时域内所有u组成的向量；当具体到某一时刻k的转速和燃料量时，可以是Y矩阵最后一行和U矩阵第k列。
根据本公开的实施例，因为控制过程的目的是使得输出的实际转速能够符合期望输出的转速，所以优化控制过程之前可以先假设状态空间模型的期望转速序列为r(ki)是，因此损失函数可以如公式(6)所示。
其中，
表示的是维数为n的单位阵，rw≥0，是调节控制性能的参数。Np表示预测域的长度，Nc表示控制域的长度，上标T表示矩阵的转置。
根据本公开的实施例，偏导数为0是取极值的必要条件，于是为使得损失函数J最小(系统输出的实际转速和期望输出的期望转速的误差最小)，所以可以将公式(5)代入公式(6)之后求偏导得到。求偏导后的公式可以如公式(7)所示。
其中，公式(7)与公式(1)～(6)中各相同字符代表的含义可以相同，在此不再赘述。公式(5)～(7)可以是无约束条件的最优化求解过程。
根据本公开的实施例，MPC系统的控制过程需要对反馈的实际转速和期望输出的期望转速进行误差计算，并进一步结合预测模型和过程约束来求解最优化计算过程，最后得到控制输入信号。依据期望输出的期望转速，控制使用的预测模型，以及输出实际转速的约束条件等，可以将最优化求解问题抽象为求解以下二次规划问题，具体如公式(8)～(9)所示。
s.t.MΔU≤γ
M＝[M1 M2 M3]T，γ＝[N1 N2 N3]T；
其中，s.t.(subject to)可以表示需要在满足MΔU≤γ的情况下进行最小值求解，I可以表示单位矩阵。公式(8)～(9)可以是进一步针对一般情况(带约束条件)的求解过程进行的公式表示。
根据本公开的实施例，操作S120还可以包括如下操作：将所述预测燃料量输入至燃气轮机控制系统中，输出所述燃气轮机的实际转速。
根据本公开的实施例，操作S130还可以包括如下操作：以时刻为单位确定对所述预测燃料量的修正量；第k时刻的修正量是根据第k+1时刻的期望转速和第k时刻的实际转速之间的误差、第k-1时刻的修正量得到的，其中，k大于1。
根据本公开的实施例，所述第k时刻的实际转速是根据第k-1时刻的实际转速至第k-1-ny时刻的实际转速、第k-1时刻的修正量至第k-1-nu时刻的修正量确定的，其中，ny表示所述燃气轮机控制系统的输出模型阶次，nu表示所述燃气轮机控制系统的输入模型阶次。
根据本公开的实施例，在已知预测模型后，根据约束条件和期望输出的期望转速，可以通过模型预测控制的方法计算满足约束的最优预测燃料量。而在获得预测模型的基础上，还需结合无模型自适应控制的模块化方案，改进原模型预测控制的结构，使MPC系统的在线优化过程转移至离线后仍然可以实现无静差的控制。
根据本公开的实施例，考虑到离线过程的MPC系统在预先的计算过程中，仍然是以最优化计算的方式实现控制信号的计算，而将该信号用于实际控制转速时将由于未能在线实时调节反馈，所以燃气轮机控制系统会存在控制误差。在调整预测燃料量的过程中，当MPC系统与实际燃气轮机控制系统的偏差并不太大时，离线所计算出的预测燃料量仍然是相对最优的。所以在考虑和MFAC的结合上仍然通过离线MPC系统计算出的预测燃料量完成大部分控制过程，而在最后因为未建模部分形成稳态误差时，进行外环的MFAC的触发，进而实现在线对稳态误差进行消除。
无模型自适应控制适用于大多燃气轮机控制系统，一般燃气轮机控制系统的模型可以由下面的离散时间SISO非线性系统描述，具体如公式(10)～(11)所示。
y(k)＝f(y(k-1),...y(k-1-ny),u(k-1),...u(k-1-nu)) (10)
y(k+1)＝f(y(k),...y(k-ny),u(k),...u(k-nu)) (11)
其中，公式(10)～(11)中的y(k)、y(k+1)、y(k-1)表示燃气轮机系统的输出，可以理为输出的不同时刻的实际转速；u(k)、u(k+1)、u(k-1)表示燃气轮机系统的输入，可以是不同时刻的预测燃料量，ny、nu分别表示燃气轮机控制系统的输出和输入的模型阶次。
根据本公开的实施例，在MFAC模块化设计中，无模型自适应是用来根据实际转速和期望转速之间的误差校正输入的预测燃料量，所以y(k)和u(k)在MFAC中可以对应于输入的误差量和输出的燃料量的修正量。
根据本公开的实施例，对于无模型自适应控制器而言，离散时间非线性系统的动态化线性方法可以包括紧格式动态线性化方法(CFDL)、偏格式动态线性化方法(PFDL)和全格式动态线性化方法(FFDL)。在本公开实施例中，仅以考虑紧格式动态线性化方法为例，基于紧格式动态线性化方法确定的MFAC的可调参数相对较少，结构简单，便于减少计算量的消耗。
根据本公开的实施例，由类似改进的投影算法改进动态线性化模型的建立过程，可以得到紧格式无模型自适应控制CFDL-MFAC的控制律，并基于此可以根据实际转速与动态转速之间的误差得到预测燃料量的修正量。根据误差得到修正量的过程可以如公式(12)所示。
其中，u(k)、u(k-1)在此处可以表示k时刻、k-时刻对预测燃料量的修正量，y*(k+1)表示第k+时刻的期望转速，y(k)表示第k时刻的实际转速；λ＞0为惩罚因子，用来限制输入量的变化，ρ∈(0,1]为步长因子；φ(k)表示MFAC控制算法里的伪偏导数。
根据本公开的实施例，由公式(12)这种控制律的对称相似结构给出的一种有效的伪偏导数估计律可以如公式(13)所示，公式(13)也可以是迭代求解伪偏导数的过程。
其中，μ＞0为惩罚因子，用来限制伪偏导数估计值的变化，η∈(0,2]为步长因子。出于应用上的考虑，对伪偏导数的估计明显不合理时可以重置伪偏导数，其中ε为任意小的常数，ε可以如公式(14)所示。
or|Δu(k-1)|≤ε
其中，Δu(k-1)可以是第k-1时刻的修正量的增量。MFAC算法求解过程中，对伪偏导数的自动校正，利用公式(12)～(13)迭代求解u的过程中判断所求得的伪偏导数是否合理，不合理则重置为初始值。
根据本公开的实施例，如图2A所示，计算离线MPC系统的期望输出的期望转速与实际输出的实际转速的误差，从而将其作为MFAC的信号输入。从原理上而言，MPC系统与燃气轮机控制系统可以视为一个整体，外环的MFAC可以是类似嵌入式的模块化设计方案，能够在离线MPC系统不能处理稳态误差的过程中加入控制环节。在控制过程中MFAC起到的作用是对已经离线实现的过程进行在线的修正，考虑到线性预测模型在偏离设计点时就会产生误差，所以外环的修正过程在转速调节至非设计点工况时都会触发，设计点可以是和期望转速相关联的转速点等。在数据的利用角度，本公开实施例提供的基于无模型自适应控制器控制燃气轮机转速的系统架构可以充分利用控制过程中的生成的信号数据。该系统结构的设计具有合理性，可以在触发外回路的MFAC时，消除离线MPC系统的稳态误差。从而可以将MPC的优化计算转移至离线。
图3A示意性示出了根据本公开实施例的升高至额定转速的向上阶跃的对比图；图3B示意性示出了根据本公开实施例的降低至额定转速的向下阶跃的对比图。
如图3A～图3B所示，图中横坐标为时间，纵坐标为转速百分比。图中分别对比了期望转速、离线MPC系统调节的实际转速、离线MPC系统和MFAC共同调节后的实际转速这三种情况。依据图3A～图3B中的向上阶跃和向下阶跃的仿真结果，可以得到离线MPC系统调节的实际转速与期望转速相差较大，而由离线MPC系统和MFAC共同调节的实际转速可以在离线MPC系统控制过程的后续趋于稳定的阶段，能够有效对离线MPC系统进行在线控制时存在的稳态误差进行矫正，使得最后得到的实际转速和期望转速接近，进而使得整个控制过程符合工业控制应用的需求。
根据本公开的实施例提供的基于无模型自适应控制器控制燃气轮机转速的方法不仅对线性预测模型的MPC系统适用，也可以对非线性预测模型的MPC系统适用。外回路的模块化MFAC不仅可以消除因为离线计算引起的控制偏差，还可以消除实际过程中的噪声等问题引发的偏差。
根据本公开的实施例，基于无模型自适应控制器控制燃气轮机转速的系统架构的设计结构简单，可以方便进行外回路控制过程的开闭；能够将MPC较大的计算量转移至离线计算，减少资源的消耗，虽然MFAC是在线调节的方式，但使用的MFAC在线计算量小，不会消耗计算资源；本公开实施例提供的基于无模型自适应控制器的控制方法还适用于在线校正各类燃气轮机在实际控制过程中存在的偏差。
需要说明的是，本公开实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序，或者不同操作在技术实现上存在执行的先后顺序，否则，多个操作之间的执行顺序可以不分先后，多个操作也可以同时执行。
基于上述基于无模型自适应控制器控制燃气轮机转速的方法，本公开还提供了一种基于无模型自适应控制器控制燃气轮机转速的装置。以下将结合图4对该装置进行详细描述。
图4示意性示出了根据本公开实施例的基于无模型自适应控制器控制燃气轮机转速的装置的结构框图。
如图4所示，该实施例的基于无模型自适应控制器控制燃气轮机转速的装置400包括第一确定模块410、第二确定模块420、第一输入模块430和校正模块440。
第一确定模块410，用于根据燃气轮机的期望转速，确定燃气轮机的预测燃料量。
第二确定模块420，用于根据所述预测燃料量，确定燃气轮机的实际转速。
第一输入模块430，用于将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量，以便根据所述修正量得到燃气轮机的目标燃料量。
校正模块440，用于根据所述目标燃料量，校正所述燃气轮机的实际转速，直至所述燃气轮机的实际转速与所述燃气轮机的期望转速之间的误差满足预设阈值。
根据本公开的实施例，通过基于无模型自适应控制器对燃气轮机转速的控制，能够以燃气轮机的实际转速与燃气轮机的期望转速之间的误差作为输入，得到目标燃料量，并根据该目标燃料量校正燃气轮机的实际转速，以便燃气轮机的实际转速与期望转速之间的误差满足预设阈值。因为可以根据实际转速与期望转速之间的误差，进一步自适应校正调节由离线优化的反馈调节方式引起的燃气轮机控制系统带来的对转速的控制误差，可以实现消除由离线优化方式带来的对转速的控制误差的目的，所以至少部分地克服了相关技术中由于离线计算存在的控制误差的问题，进而达到了提高控制工业燃气轮机转速的控制精度的技术效果。
根据本公开的实施例，第一确定模块410还可以包括第一输入单元。
第一输入单元，用于将所述预测燃料量输入至燃气轮机控制系统中，输出所述燃气轮机的实际转速。
根据本公开的实施例，第二确定模块420还可以包括第二输入单元。
第二输入单元，用于将所述燃气轮机的期望转速输入至预测模型中，输出所述燃气轮机的预测燃料量，其中，所述预测模型包括状态空间模型。
根据本公开的实施例，第二输入单元还包括输出子单元。
输出子单元，用于根据所述状态空间模型的输出矩阵和与所述燃气轮机的期望转速相关的状态向量，输出所述燃气轮机的预测燃料量。
根据本公开的实施例，第一确定模块410、第二确定模块420、第一输入模块430和校正模块440中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一确定模块410、第二确定模块420、第一输入模块430和校正模块440中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一确定模块410、第二确定模块420、第一输入模块430和校正模块440中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
需要说明的是，本公开的实施例中基于无模型自适应控制器控制燃气轮机转速的装置部分与本公开的实施例中基于无模型自适应控制器控制燃气轮机转速的方法部分是相对应的，基于无模型自适应控制器控制燃气轮机转速的装置部分的描述具体参考基于无模型自适应控制器控制燃气轮机转速的方法部分，在此不再赘述。
图5示意性示出了根据本公开实施例的适于实现基于无模型自适应控制器控制燃气轮机转速的方法的电子设备的方框图。
如图5所示，根据本公开实施例的电子设备500包括处理器501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 503中，存储有电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备500还可以包括输入/输出(I/O)接口505，输入/输出(I/O)接口505也连接至总线504。电子设备500还可以包括连接至I/O接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的基于无模型自适应控制器控制燃气轮机转速的方法。
在该计算机程序被处理器501执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分509被下载和安装，和/或从可拆卸介质511被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种基于无模型自适应控制器控制燃气轮机转速的方法，包括：
根据燃气轮机的期望转速，确定所述燃气轮机的预测燃料量；
根据所述预测燃料量，确定所述燃气轮机的实际转速；
将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量，以便根据所述修正量得到所述燃气轮机的目标燃料量；
根据所述目标燃料量，校正所述燃气轮机的实际转速，直至所述燃气轮机的实际转速与所述燃气轮机的期望转速之间的误差满足预设阈值。
2.根据权利要求1所述的方法，还包括：以时刻为单位确定对所述预测燃料量的修正量；
其中，所述将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量包括：
第k时刻的修正量是根据第k+1时刻的期望转速和第k时刻的实际转速之间的误差、第k-1时刻的修正量得到的，其中，k大于1。
3.根据权利要求2所述的方法，其中，所述根据所述预测燃料量，确定燃气轮机的实际转速包括：
将所述预测燃料量输入至燃气轮机控制系统中，输出所述燃气轮机的实际转速。
4.根据权利要求3所述的方法，其中，所述第k时刻的实际转速是根据第k-1时刻的实际转速至第k-1-ny时刻的实际转速、第k-1时刻的修正量至第k-1-nu时刻的修正量确定的，其中，ny表示所述燃气轮机控制系统的输出模型阶次，nu表示所述燃气轮机控制系统的输入模型阶次。
5.根据权利要求1所述的方法，其中，根据燃气轮机的期望转速，确定燃气轮机的预测燃料量包括：
将所述燃气轮机的期望转速输入至预测模型中，输出所述燃气轮机的预测燃料量，其中，所述预测模型包括状态空间模型。
6.根据权利要求5所述的方法，其中，所述输出所述燃气轮机的预测燃料量包括：
根据所述状态空间模型的输出矩阵和与所述燃气轮机的期望转速相关的状态向量，输出所述燃气轮机的预测燃料量。
7.一种基于无模型自适应控制器控制燃气轮机转速的装置，包括：
第一确定模块，用于根据燃气轮机的期望转速，确定燃气轮机的预测燃料量；
第二确定模块，用于根据所述预测燃料量，确定燃气轮机的实际转速；
第一输入模块，用于将根据所述实际转速与所述期望转速确定的误差输入至无模型自适应控制器中，输出对所述预测燃料量的修正量，以便根据所述修正量得到燃气轮机的目标燃料量；
校正模块，用于根据所述目标燃料量，校正所述燃气轮机的实际转速，直至所述燃气轮机的实际转速与所述燃气轮机的期望转速之间的误差满足预设阈值。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～6中任一项所述的方法。
9.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～6中任一项所述的方法。
10.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211082425.2A CN115419508A (zh) | 2022-09-06 | 2022-09-06 | 基于无模型自适应控制器控制燃气轮机转速的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211082425.2A CN115419508A (zh) | 2022-09-06 | 2022-09-06 | 基于无模型自适应控制器控制燃气轮机转速的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115419508A true CN115419508A (zh) | 2022-12-02 |
Family
ID=84201860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211082425.2A Pending CN115419508A (zh) | 2022-09-06 | 2022-09-06 | 基于无模型自适应控制器控制燃气轮机转速的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115419508A (zh) |
-
2022
- 2022-09-06 CN CN202211082425.2A patent/CN115419508A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bemporad et al. | Robust model predictive control: A survey | |
| Huang et al. | Neuro-adaptive control with given performance specifications for strict feedback systems under full-state constraints | |
| JP6008898B2 (ja) | プロセス制御システムにおけるオンライン適応モデル予測制御 | |
| JP4614536B2 (ja) | モデル予測制御用ロバスト定常状態目標計算を用いたシステム制御方法、システム制御装置及びコントローラ並びにモデル予測制御用ロバスト定常状態目標計算を用いたシステム制御方法を実行するプログラム記憶媒体 | |
| US9292010B2 (en) | Online integration of model-based optimization and model-less control | |
| Shi et al. | A design method for indirect iterative learning control based on two-dimensional generalized predictive control algorithm | |
| WO2016195117A1 (en) | Method and system for controlling operation of machine | |
| Martín‐Sánchez et al. | Survey of industrial optimized adaptive control | |
| US9448546B2 (en) | Deterministic optimization based control system and method for linear and non-linear systems | |
| Baranski et al. | Comparative study of neighbor communication approaches for distributed model predictive control in building energy systems | |
| Khan et al. | Experimental evaluation of control performance of mpc as a regulatory controller | |
| CN114428462B (zh) | 基于mpc算法对被控系统进行动态控制的方法、设备和介质 | |
| Yang et al. | Dynamic fuzzy temperature control with quasi-Newtonian particle swarm optimization for precise air conditioning | |
| Di Cairano et al. | Indirect adaptive model predictive control and its application to uncertain linear systems | |
| CN115419508A (zh) | 基于无模型自适应控制器控制燃气轮机转速的方法 | |
| Abidi | A robust discrete‐time adaptive control approach for systems with almost periodic time‐varying parameters | |
| JP7275492B2 (ja) | 制御装置、制御方法及びプログラム | |
| CN115981159A (zh) | 基于模型辅助和类史密斯预估的广义改进自抗扰控制方法 | |
| Ansay et al. | Model uncertainties in GPC: A systematic two-step design | |
| Huang et al. | Realization of robust nonlinear model predictive control by offline optimisation | |
| Zan et al. | Output feedback MPC for uncertain delayed system and control of a wind tunnel system | |
| Garcia-Gabin et al. | Application of multivariable GPC to a four tank process with unstable transmission zeros | |
| JP7283095B2 (ja) | 制御装置、制御方法及びプログラム | |
| CN115867870A (zh) | 使用广义同质性来改进pid控制命令 | |
| Sokolov | Problems of adaptive optimal control of discrete-time systems under bounded disturbance and linear performance indexes |
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 |