掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
發電過程非線性模型預測控制 版權信息
- ISBN：9787030682444
- 條形碼：9787030682444 ; 978-7-03-068244-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
發電過程非線性模型預測控制 內容簡介
本書從非線性預測控制存在的固有問題入手，在理論方面闡述了非線性預測控制的優化求解方法，完整構造了基于輸入輸出反饋線性化的非線性模型預測控制，針對發電過程的復雜動態特性深入開展非線性模型預測控制的應用研究。全書共七章：章綜述了非線性模型預測控制的發展及其在發電過程控制中的應用；第二章全面討論了非線性預測控制的優化求解方法，包括經典的二次規劃方法、現代啟發式優化方法、以及近年來興起的數據驅動方法；第三章詳細構造了基于反饋線性化的非線性模型預測控制；第四章運用輸入輸出反饋線性化構造了雙饋風力發電機組高效非線性模型預測控制；第五章針對160MW燃油火電機組，構造基于模糊模型的非線性模型預測迭代學習控制，進而針對1000MW超超臨界機組，構造基于模糊神經網絡的分級遞階非線性模型預測控制。第六章深入研究了火力發電機組經濟模型預測控制策略；第七章在深入研究"堆跟機"模式下核反應堆控制系統特性的基礎上，構造了核電機組蒸汽發生器水位的準優選-很小模糊模型預測控制和壓水堆空間功率分散預測控制。
發電過程非線性模型預測控制 目錄
目錄
第1章 緒論 1
1.1 模型預測控制的發展歷程 1
1.2 非線性模型預測控制 3
1.2.1 非線性模型預測控制存在的固有問題 3
1.2.2 精確優化法與近似優化法 4
1.2.3 非線性模型預測控制的有效方法 5
1.2.4 非線性模型預測控制的穩定性問題 10
1.3 智能發電廠模型預測控制 11
1.3.1 發電廠模型預測控制的背景與挑戰 11
1.3.2 發電廠模型預測控制的研究現狀 15
第2章 非線性模型預測控制的理論基礎——非線性約束優化方法 18
2.1 非線性模型預測控制的優化問題 18
2.2 無約束的優化問題 23
2.2.1 解析法 23
2.2.2 直接法 43
2.3 帶約束的優化問題 54
2.3.1 帶等式約束的優化問題 55
2.3.2 帶不等式約束的優化問題 58
2.3.3 帶混合約束的優化問題 66
2.3.4 模型預測控制中基本的優化問題求解 81
2.4 現代啟發式優化算法 83
2.4.1 模擬退火算法 84
2.4.2 遺傳算法 87
2.4.3 蟻群優化算法 93
2.4.4 粒子群優化算法 98
2.5 本章小結 102
第3章 基于反饋線性化的非線性模型預測控制 103
3.1 精確反饋線性化 105
3.1.1 單輸入單輸出系統精確反饋線性化 105
3.1.2 多輸入多輸出系統精確反饋線性化 107
3.2 線性控制結構 110
3.3 約束處理 112
3.3.1 非線性約束的展開 113
3.3.2 迭代QP算法 113
3.3.3 算法步驟 115
3.4 仿真結果 116
3.4.1 數字例子 116
3.4.2 攪拌反應器 118
3.5 本章小結 121
第4章 風力發電系統高效非線性模型預測控制 122
4.1 雙饋風力發電機組的非線性模型預測控制 123
4.1.1 雙饋風力發電機組控制的研究背景 123
4.1.2 電網平衡情況下雙饋風力發電機非線性模型預測控制 125
4.1.3 電網不平衡情況下雙饋風力發電機非線性模型預測控制 140
4.2 永磁同步電機高效非線性模型預測控制 154
4.2.1 永磁同步電機控制背景 154
4.2.2 PMSM非線性模型建立 155
4.2.3 PMSM狀態反饋線性化 156
4.2.4 PMSM的約束模型預測控制策略 158
4.2.5 仿真結果 163
4.3 本章小結 168
第5章 火力發電機組的非線性模型預測控制 169
5.1 基于模糊模型的非線性模型預測迭代學習控制 169
5.1.1 T-S過程模型的描述 170
5.1.2 NMPILC控制律求解 172
5.1.3 NMPILC系統收斂性分析 175
5.1.4 鍋爐-汽輪機系統仿真研究 177
5.2 超超臨界機組的分級遞階非線性模型預測控制 185
5.2.1 研究背景 185
5.2.2 超超臨界機組的控制問題 186
5.2.3 USC系統的分級遞階非線性模型預測控制 188
5.2.4 仿真結果 195
5.3 本章小結 204
第6章 火力發電系統的經濟模型預測控制 205
6.1 火電機組穩定模糊經濟模型預測控制 206
6.1.1 鍋爐-汽輪機模糊模型 206
6.1.2 模糊經濟模型預測控制器設計 208
6.1.3 仿真研究 213
6.2 基于深度神經網絡的超超臨界機組經濟模型預測控制 219
6.2.1 超超臨界機組模型 219
6.2.2 經濟模型預測控制 220
6.2.3 仿真研究 226
6.3 本章小結 232
第7章 核電機組的非線性模型預測控制 233
7.1 基于離線不變集的水位模糊預測控制 233
7.1.1 蒸汽發生器水位控制系統 234
7.1.2 水位模糊系統 238
7.1.3 水位準*小*大模糊預測控制 240
7.1.4 數值仿真研究 245
7.2 重水堆空間功率分散模糊預測控制 248
7.2.1 反應堆功率控制系統 249
7.2.2 模糊建模 252
7.2.3 分散模糊預測控制 255
7.2.4 仿真結果 257
7.3 本章小結 263
參考文獻 265
第1章 緒論 1
1.1 模型預測控制的發展歷程 1
1.2 非線性模型預測控制 3
1.2.1 非線性模型預測控制存在的固有問題 3
1.2.2 精確優化法與近似優化法 4
1.2.3 非線性模型預測控制的有效方法 5
1.2.4 非線性模型預測控制的穩定性問題 10
1.3 智能發電廠模型預測控制 11
1.3.1 發電廠模型預測控制的背景與挑戰 11
1.3.2 發電廠模型預測控制的研究現狀 15
第2章 非線性模型預測控制的理論基礎——非線性約束優化方法 18
2.1 非線性模型預測控制的優化問題 18
2.2 無約束的優化問題 23
2.2.1 解析法 23
2.2.2 直接法 43
2.3 帶約束的優化問題 54
2.3.1 帶等式約束的優化問題 55
2.3.2 帶不等式約束的優化問題 58
2.3.3 帶混合約束的優化問題 66
2.3.4 模型預測控制中基本的優化問題求解 81
2.4 現代啟發式優化算法 83
2.4.1 模擬退火算法 84
2.4.2 遺傳算法 87
2.4.3 蟻群優化算法 93
2.4.4 粒子群優化算法 98
2.5 本章小結 102
第3章 基于反饋線性化的非線性模型預測控制 103
3.1 精確反饋線性化 105
3.1.1 單輸入單輸出系統精確反饋線性化 105
3.1.2 多輸入多輸出系統精確反饋線性化 107
3.2 線性控制結構 110
3.3 約束處理 112
3.3.1 非線性約束的展開 113
3.3.2 迭代QP算法 113
3.3.3 算法步驟 115
3.4 仿真結果 116
3.4.1 數字例子 116
3.4.2 攪拌反應器 118
3.5 本章小結 121
第4章 風力發電系統高效非線性模型預測控制 122
4.1 雙饋風力發電機組的非線性模型預測控制 123
4.1.1 雙饋風力發電機組控制的研究背景 123
4.1.2 電網平衡情況下雙饋風力發電機非線性模型預測控制 125
4.1.3 電網不平衡情況下雙饋風力發電機非線性模型預測控制 140
4.2 永磁同步電機高效非線性模型預測控制 154
4.2.1 永磁同步電機控制背景 154
4.2.2 PMSM非線性模型建立 155
4.2.3 PMSM狀態反饋線性化 156
4.2.4 PMSM的約束模型預測控制策略 158
4.2.5 仿真結果 163
4.3 本章小結 168
第5章 火力發電機組的非線性模型預測控制 169
5.1 基于模糊模型的非線性模型預測迭代學習控制 169
5.1.1 T-S過程模型的描述 170
5.1.2 NMPILC控制律求解 172
5.1.3 NMPILC系統收斂性分析 175
5.1.4 鍋爐-汽輪機系統仿真研究 177
5.2 超超臨界機組的分級遞階非線性模型預測控制 185
5.2.1 研究背景 185
5.2.2 超超臨界機組的控制問題 186
5.2.3 USC系統的分級遞階非線性模型預測控制 188
5.2.4 仿真結果 195
5.3 本章小結 204
第6章 火力發電系統的經濟模型預測控制 205
6.1 火電機組穩定模糊經濟模型預測控制 206
6.1.1 鍋爐-汽輪機模糊模型 206
6.1.2 模糊經濟模型預測控制器設計 208
6.1.3 仿真研究 213
6.2 基于深度神經網絡的超超臨界機組經濟模型預測控制 219
6.2.1 超超臨界機組模型 219
6.2.2 經濟模型預測控制 220
6.2.3 仿真研究 226
6.3 本章小結 232
第7章 核電機組的非線性模型預測控制 233
7.1 基于離線不變集的水位模糊預測控制 233
7.1.1 蒸汽發生器水位控制系統 234
7.1.2 水位模糊系統 238
7.1.3 水位準*小*大模糊預測控制 240
7.1.4 數值仿真研究 245
7.2 重水堆空間功率分散模糊預測控制 248
7.2.1 反應堆功率控制系統 249
7.2.2 模糊建模 252
7.2.3 分散模糊預測控制 255
7.2.4 仿真結果 257
7.3 本章小結 263
參考文獻 265
展開全部
發電過程非線性模型預測控制 節選
第1章 緒論 1.1 模型預測控制的發展歷程 模型預測控制是一種先進的優化控制算法，由三個基本要素構成，即預測模型、滾動優化以及反饋校正。其中，預測模型用來預測系統未來一段時間內的動態行為，然后根據給定的約束以及性能要求進行在線滾動優化，并將當前時刻控制量施加于被控系統。*后利用檢測的實時信息進行反饋校正，使得下一步的預測模型更加接近實際動態，在線優化問題更加可行。概括而言，模型預測控制具有以下內在特征和優勢： (1) 可以直接考慮被控過程的輸入、狀態以及輸出約束條件。 (2) 控制算法嵌入顯式過程模型，控制器的設計直接體現被控過程的動態。 (3) 將控制問題轉化為優化問題，考慮對象未來的行為特征，并且可以直接處理耦合多變量系統。 早期的模型預測控制主要應用于石油冶煉過程，而近年來其在更廣泛的制造行業中得到應用，如化工、食品工業、汽車制造、航空航天、冶金和造紙等。 20世紀70年代，工業過程中產生了*早的模型預測控制算法。預測模型采用易于獲得的非參數模型，并且無須進一步辨識就可直接進行控制器的設計。1978年，Richalet等在Automatica期刊上發表論文，提出了基于對象脈沖響應模型的模型預測啟發控制，也稱為模型算法控制(model algorithmic control，MAC)[1]，標志著模型預測控制的誕生。1980年，Cutler等提出了基于對象階躍響應模型的動態矩陣控制(dynamic matrix control，DMC)，其相關研究成果發表在當年于舊金山召開的聯合自動控制會議上[2]，隨后DMC被廣泛應用于化工過程控制中。上述模型預測控制算法均基于系統非參數模型進行預測，采用有限時域目標函數進行滾動優化，且滾動的每一步以實時信息進行反饋校正。20世紀80年代，自適應控制的發展促成了另一類模型預測控制算法的研究。1987年，英國牛津大學Clarke等首次基于受控自回歸積分滑動平均(controlled auto-regressive integrated moving average，CARIMA)模型，提出了廣義預測控制(generalized predictive control，GPC)[3]。這類模型預測控制算法比采用非參數模型的預測控制具有更加完備的理論基礎，也因此帶動了模型預測控制的理論研究。20世紀90年代，模型預測控制的理論分析開始從定量轉為定性，立足于*優控制理論基礎，以Lyapunov穩定性分析方法作為穩定性保證的基本方法，以不變集、線性矩陣不等式等作為基本工具，形成了預測控制理論發展的主流。進入21世紀，非線性模型預測控制成為理論研究以及應用研究的重點和難點問題，特別是其優化求解、穩定性、魯棒性等問題是近年來相關學者共同關注的焦點。在過去的二十年間，國內外關于模型預測控制的理論和應用研究都取得了巨大的發展，涌現出了一批優秀的綜述性文獻和論著：2000年，英國倫敦帝國理工學院Mayne教授和美國威斯康星大學Rawlings教授等的綜述文章Constrained model predictive control: Stability and optimality[4]對模型預測控制的穩定性以及*優性進行了分析和總結。文章中首先介紹了預測控制的發展歷程，列舉了大量在過程控制中成功應用的文獻，隨后總結了目前分析預測控制穩定性與*優性的常用方法。這篇綜述文章截至目前，已有超過5000次的引用，可見其對預測控制發展的重要作用，為研究預測控制的學者提供了有力的參考依據。隨著非線性模型預測控制的發展，英國牛津大學的Cannon教授針對非線性模型預測控制在線優化問題的有效求解方法進行了綜述[5]，列舉了包括直接法和Hamilton-Jacobi-Bellman(HJB)法在內的幾種有效的求解方法，為非線性模型預測控制的發展提供了求解基礎。此外，德國斯圖加特大學的Allgoewer教授從理論研究、計算求解以及實際應用三個角度闡述了非線性模型預測控制的研究現狀[6]。文獻[6]中**部分回顧了非線性模型預測控制的理論研究基礎，隨后為了與實際應用結合，第二部分重點討論了非線性模型預測控制的輸出反饋問題。這篇綜述是將非線性模型預測控制應用于實際工業過程的堅實橋梁。早在2003年，美國得克薩斯大學Qin和Badgwell的綜述文章A survey of industrial model predictive control technology[7]介紹了工業模型預測控制技術的發展簡史，給出了1995～1999年的調查數據，但其中多以線性預測控制的應用為主。近年來，國內預測控制的研究也取得了大量階段性的成果。2013年，國內模型預測控制領域的著名學者席裕庚等在《自動化學報》上發表的綜述文章《模型預測控制——現狀與挑戰》[8]總結了預測控制算法研究的新動向，并指出了未來可拓展的研究領域；陳虹等圍繞非線性模型預測控制的算法、穩定性、魯棒性和滾動時域估計等一系列研究成果進行了綜述，并闡述了理論和應用方面未來的研究方向[9]；何德峰等進一步從這幾個方面對近些年的*新研究進行了總結與展望[10]。劉向杰和孔小兵在《中國電機工程學報》上發表文章《電力工業復雜系統模型預測控制——現狀與發展》[11]，全面綜述了模型預測控制在電力生產過程和電力系統自動發電控制中的應用現狀，并闡述了理論與應用方面有待進一步研究的幾個主要問題。 此外，從預測控制誕生至今，國內外的知名學者均出版了其相關專著。1999年，Camacho教授從工程實踐的角度，在Model Predictive Control一書中總結了DMC以及GPC的設計方法及設計技巧，并在書中第五章給出了GPC在實際工業過程中的應用實例，為過程控制中存在的實際問題提供了有效的解決方案[12]。2000年，劍橋大學的Maciejowski編寫了Predictive Control with Constraints[13]一書，該書針對研究生課程學習，提供MATLAB仿真程序語言以及預測控制相關的工具箱，使得讀者可以快速掌握預測控制的內在本質以及使用方法，為讀者學習預測控制提供了有力工具。隨后幾年，預測控制的理論成為研究主流，并取得了一定的研究成果。2003年由CRC Press出版的Model-Based Predictive Control: A Practical Approach一書從應用與理論兩個角度全面地總結了預測控制理論，包括GPC的應用實例、穩定性以及*優性分析、可行性、魯棒性等。但該書討論的對象主要是線性系統，并未對非線性系統做出相關討論[14]。近年來，隨著預測控制理論體系的發展，有關其非線性、穩定性以及魯棒性等問題的研究也取得了大量成果，并匯編成相關書籍。Kouvaritakis和Cannon共同整理的文獻Nonlinear predictive control: Theory and practice[15]首次在理論研究和應用研究兩個層面上討論了非線性模型預測控制的潛在能力，包括反饋線性化、輸出反饋以及與神經網絡方法結合等幾個方面。該文獻的每一章都由不同的預測控制領域專家編著，從不同的角度討論了非線性模型預測控制的發展狀況以及存在的諸多問題，對非線性模型預測控制的后續發展起到了指導性作用。2009年，Rawlings與Mayne共同編寫的書籍Model Predictive Control: Theory and Design[16]針對包括線性系統以及非線性系統在內的一般系統給出了穩定性和魯棒性的分析方法，為非線性模型預測控制理論研究提供了有力參考。該書也是2000年其綜述文章Constrained model predictive control: Stability and optimality思想的細化和深入。2011年，施普林格出版社出版的Nonlinear Model Predictive Control: Theory and Algorithms[17]一書總結了Grüne教授團隊對非線性模型預測控制在穩定性以及動態性能分析方面取得的研究成果。此外也包括部分其他研究團隊取得的創新性的進展。該書不但具有深入的理論講解，還包括相關程序語言的具體實現過程，使得非線性模型預測控制的學習更加立體化。除了傳統的模型預測控制，Christofides教授團隊針對經濟模型預測控制理論研究的難點問題，在Economic Model Predictive Control: Theory， Formulations and Chemical Process Applications[18]一書中總結了其團隊近年來取得的研究成果，這也是預測控制理論研究的突破性工作。上述的國外專家學者均根據自己研究過程中的思考以及相應的研究成果編寫了一系列讓讀者受益的專著。此外，隨著預測控制的蓬勃發展，國內預測控制領域專家也取得了顯著的研究進展，并編寫成書籍供讀者學習。上海交通大學席裕庚教授以及吉林大學陳虹教授均出版了關于模型預測控制算法理論研究的相關專著[19，20]。早在1991年，席裕庚教授就出版了《預測控制》一書供讀者參考學習。2012年，席裕庚教授又出版了《預測控制》的第二版。較之**版，第二版中加入了后期預測控制在理論研究上取得的結論性成果。2013年，陳虹教授出版了《模型預測控制》一書，其深厚的理論分析過程使讀者受益匪淺。2003年，上海交通大學的李少遠和李檸在《復雜系統的模糊預測控制及其應用》[21]一書中討論了將模糊控制思想與預測控制思想結合，產生了一種更適用于工業應用的控制方法，即模糊預測控制。2008年，李少遠在《全局工況系統預測控制及其應用》[22]一書中從頻域角度分析并得出了串級結構抗干擾性優于簡單控制回路的結論。針對過程控制的純滯后、有約束、大時間常數對象，闡述了串級廣義預測控制算法的核心內容。鄒濤等聯合撰寫了《模型預測控制工程應用導論》[23]，該書介紹了工業模型預測控制及相關建模、優化、性能評估的理論與方法，側重于模型預測控制技術實施的完整性。 1.2 非線性模型預測控制 1.2.1 非線性模型預測控制存在的固有問題 工業應用中的模型預測控制大部分都采用線性動態模型(階躍或脈沖響應模型)。其主要原因在于線性經驗模型可直接由過程測試數據辨識獲得。對于諸如冶煉一類的過程，控制目標主要是維持系統期望的穩定狀態，而不是實現系統在操作點之間的快速切換。充分準確的線性模型辨識能夠滿足此類系統的控制要求。而且，采用線性模型和二次型目標，運用凸結構的二次規劃能夠得到可靠的優化解。1997年，Qin和Badgwell總結梳理了2200余例模型預測控制的商業應用案例，2003年模型預測控制的商業應用實例擴展到4600余例，在食品、汽車及航空航天工業等領域都有廣泛的應用[7]。其中大部分預測控制算法都基于線性模型，且應用對象主要集中在冶煉、化工等領域。 然而，許多實際系統存在強非線性，若采用精確的非線性模型進行預測，需要在每個采樣點通過序列二次規劃(sequential quadratic programming，SQP)求解復雜的非凸優化問題，并且其復雜程度隨控制時域的增大呈指數增加，難以達到全局*優解。相比較而言，線性模型預測控制理論較為成熟，其形成的二次規劃(quadratic programming，QP)問題易于求解，閉環系統性能更易于分析。但是非線性系統的動態隨操作點變化而頻繁變化，線性模型在遠離操作點時無法代表系統動態特性。因此，線性模型預測控制的許多優勢能否推廣到非線性模型預測控制，是控制學者面臨的極具挑戰性的問題。 1.2.2 精確優化法與近似優化法 根據非線性模型預測控制所采用的實時在線優化的不同方式，解決預測控制非線性問題的途徑大致可分為兩類，即精確優化法(exact optimization me
書友推薦
- >
李白與唐代文化
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
月亮與六便士
- >
【精裝繪本】畫給孩子的中國神話
- >
山海經
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我與地壇
- >
中國歷史的瞬間
本類暢銷
