基于事件触发机制的燃气轮机控制系统滑模容错控制方法研究

来源 :华北电力大学(北京) | 被引量 : 0次 | 上传用户:lizhuyundao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
重型燃气轮机是一个高度非线性的综合复杂系统,他的控制系统是燃气轮机稳定安全运行的重要运行系统。随着重型燃气轮机技术的发展,控制系统的复杂性日益增加,如果一个节点发生故障,都可能导致部分系统无法操作或出现整体瘫痪。如果能够提高控制系统的性能,那么对控制系统容错控制设计具有重要意义。本文以某重型燃气轮机为对象,分别针对控制系统执行器和传感器的故障问题展开了一系列研究,主要开展工作如下:(1)构造重型燃气轮机线性模型。考虑燃气轮机内部结构和工作原理,以Rowen模型为基础,分析其热力循环过程,重构了 Rowen模型的参数。以负荷控制系统为例,采用最小二乘拟合法建立燃气轮机负荷控制系统的线性状态空间方程模型。(2)针对燃气轮机负荷控制系统执行器故障问题,提出了一种事件触发滑模容错控制方法。首先,考虑网络迟延、事件触发机制和外部干扰,建立一个包含滑动模态的系统模型。然后,基于李雅普诺夫泛函方法,提出了一个满足H∞性能的线性矩阵不等式的渐近稳定性充分条件,设计了事件触发参数和滑模参数,以此构造了一种基于反馈的滑模容错控制器。最后,给出了燃气轮机系统的仿真结果,以此来表明滑模容错控制方法的有效性。(3)针对燃气轮机负荷控制系统传感器故障问题,提出了一种在动态事件触发下的控制系统的传感器故障估计和滑模容错控制方法。首先,通过滤波将传感器故障等效为系统中的虚拟内部系统故障,构造动态事件触发的故障/状态观测器来观测传感器故障和系统状态。然后,考虑故障、网络时延和外部干扰,建立了一个包含滑动模态和故障/状态误差动态的离散模型。接着,基于李雅普诺夫泛函方法,提出了一个满足H∞性能的线性矩阵不等式的渐近稳定性充分条件,同时给出参数的设计方法。在此基础上,设计滑模容错控制器,并通过程序仿真表明滑模容错控制方法的有效性。(4)基于上述容错控制方法,设计可靠性评价指标,通过蒙特卡洛模拟法分别对带执行器故障和传感器故障的燃气轮机控制系统进行可靠性分析,并验证提出的容错控制方法的可靠性。
其他文献
当前的工业过程控制系统中,线性控制器仍占绝大部分。然而真实的工业系统都是非线性的,工况切换,设备老化等等实际工业问题都对传统控制器带来挑战。研究更加智能的,具有自学习能力的控制算法具有重要意义。随着机器学习算法的不断发展,以深度学习、机器学习为基础的强化学习算法使得非线性系统自适应控制出现了新的研究方向。强化学习是具有自我决策能力的控制算法,通过探索与试错拥有类似人类的学习能力,通过学习不断改善自
在工业过程控制中,控制器的自整定被认为是一个提高控制系统自动化程度的有效方法。控制器自整定的一般过程就是通过激励信号获取系统输出数据,其次利用这些简单的采样数据获取系统重要的特征参数,最后利用这些特征参数快速获得控制器参数。目前ABB、Siemens、Honeywell等公司都已经将PID自整定技术用在了自己的产品中,效果不错。然而调查研究表明,PID虽在工业现场使用极其普遍,但效果也不一定总是很
随着人工智能技术的日益成熟,基于深度学习模型的文本分类技术被广泛的应用于现实任务中,例如情感分类、恶意文本检测、新闻分类等。但深度学习模型很容易受到对抗样本的攻击,这影响了模型可靠性,从而给使用相关技术的企业和个人带来了安全隐患。因此,如何在保证模型具有较好泛化性的同时提高模型对于对抗样本的鲁棒性,成为近几年深度学习领域亟需解决的重要问题。本文聚焦于深度学习文本分类任务,对影响模型可靠性的对抗样本
肝移植手术是应对急性肝衰竭、肝硬化甚至肝癌最有效的治疗方法之一,而对于肝移植术后受者并发症的预测则是现代医学中很有意义的一项工作,能够准确预测术后并发症将对肝移植治疗起到很大的帮助。虽然现在已有很多机器学习算法能够很好地应对预测分类问题,但这些方法用于小样本,特征空间很大的医疗数据集时存在着预测准确率低,精确率和召回率不高等问题。对肝移植手术数据进行科学的分析与处理,以获取有效信息,在协助医生进一
由于人力成本的逐年增加,在高强度或高危险的重复性任务中,使用智能机械臂代替人工符合时代的需求。随着相关计算机视觉算法研究的不断深入,机器人对抓取目标的感知能力得到了技术和理论支撑。本文针对机器人抓取中的平面抓取检测问题进行研究,利用图像处理和深度学习的技术,结合目标检测算法设计了一种抓取检测的基本网络结构,并在此基础上提出了一种准确实时的平面抓取检测方法,实现了较高的抓取检测准确率。首先,分析了平
随着分布式控制和多智能体系统的发展,分布式估计/观测器技术引起了科学界越来越多的关注。分布式观测器由于具有灵活性和鲁棒性,在复杂环境监测、目标跟踪等场景中得到广泛应用。本论文主要研究分布式观测器的设计问题,并将事件触发控制,量化控制运用到分布式观测器中,最后通过数值仿真验证设计方法的有效性。全文主要工作包括以下方面:1.对于无向通信拓扑结构,为了实现(子)观测器之间的离散时间通信,提出了一种动态事
在实际的工业生产过程当中,时常会遇到两种或两种以上的物体混合共同流动的工况,这一现象一般被学术界还有工业界称为多相流。而目前能够解决两相流中的过程检测的重要手段就是被广泛应用的过程层析成像(Process Tomography,PT)技术。电容层析成像(Electrical Capacitance Tomography,ECT)这种技术就是过程层析成像技术的一种,它具有高精度和非侵入性,成本低,结
卷积神经网络CNN(Convolutional Neural Network,CNN)算法是当前人工智能领域尤其是计算机视觉领域的一个重要研究方向,在目标检测、图像跟踪,图像分类等研究方向取得了巨大突破。但是随着网络性能的提高,算法的计算密度和内存需求也急剧上升,导致其难以在计算和存储资源以及能耗受限的嵌入式端侧设备上进行模型部署和应用,从而制约了计算机视觉的发展和推广。由于FPGA具有高性能、低
目标跟踪是计算机视觉领域的研究热点,也是很多计算机视觉应用的基础部分。由于跟踪对象和背景的复杂性,以及目标跟踪内在的实时性要求,使得目标跟踪任务极富挑战性。判别式相关滤波方法相比生成式跟踪方法具有更佳优良的特征表征能力。其次,相关滤波跟踪速度上优势明显。随着深度学习在目标识别方面取得巨大进展,将深度学习和相关滤波跟踪算法相结合成为新的研究热点。本文以空间正则化判别式相关滤波(SRDCF)算法为基础
目前电缆隧道内的巡检任务多由人工巡检完成,不仅费时费力,且具有极大的安全隐患。随着深度学习和智能技术的发展,越来越多的工业任务使用基于智能算法的机器人完成。因此,本文针对隧道内巡检任务苦难,环境复杂的问题设计出一种搭载深度学习智能算法的轨道式机器人系统。设计了机器人巡检策略,搭建了电缆检测模型,并进行了隧道内电缆的动态检测研究。首先对相关文献分析,采用了轨道机器人作为隧道巡检任务主要载体,设计了相