过热蒸汽温度量子粒子群优化无模型自适应控制

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

过热蒸汽温度量子粒子群优化无模型自适应控制

发电技术论坛 | 更新时间：2025-09-28

- 过热蒸汽温度量子粒子群优化无模型自适应控制
- Model-free adaptive control of superheated steam temperature based on quantum-behaved particle swarm optimization
- 热力发电 2016年第3期
- 作者机构：
  
  西安理工大学自动化与信息工程学院,陕西,西安,710048
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： V231.1
- 网络出版日期：2016-04-15，
  
  纸质出版日期：2016
- 稿件说明：
移动端阅览
杨延西, 谢宙桦, 邓毅. 过热蒸汽温度量子粒子群优化无模型自适应控制[J]. 热力发电, 2016,(3).

YANG Yanxi, XIE Zhouhua, DENG Yi. Model-free adaptive control of superheated steam temperature based on quantum-behaved particle swarm optimization[J]. Thermal power generation, 2016, (3).
杨延西, 谢宙桦, 邓毅. 过热蒸汽温度量子粒子群优化无模型自适应控制[J]. 热力发电, 2016,(3). DOI：

YANG Yanxi, XIE Zhouhua, DENG Yi. Model-free adaptive control of superheated steam temperature based on quantum-behaved particle swarm optimization[J]. Thermal power generation, 2016, (3). DOI：

火力发电厂锅炉过热蒸汽温度不仅具有大滞后特性

且其模型还会随锅炉负荷的变化而变化

故依赖数学模型设计的PID控制一直未取得较好的控制品质。对此，本文提出一种基于量子粒子群的改进无模型自适应控制(QPSO-IMFAC)算法

摆脱了对模型的依赖

利用量子粒子群(QPSO)算法对IMFAC算法控制参数寻优

解决了传统无模型自适应控制(MFAC)算法控制参数难以确定的问题。仿真结果表明:采用QPSO-IMFAC算法控制锅炉过热蒸汽温度时

系统具有强扰动抑制性和高鲁棒性

QPSO-IMFAC算法对锅炉过热蒸汽温度控制是有效的；对阶跃响应和定值扰动的控制效果均优于QPSO-PID算法。因此，可以将IMFAC算法实现于DCS控制中，且使用QPSO-IMFAC算法优化出的控制参数可作为锅炉过热蒸汽温度调节的基准值。

浏览量

249

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于系统动力学的省煤器建模与仿真

锅炉过热蒸汽温度动态预测PID控制算法

新型生物质裂解油常温两级串联复合雾化喷嘴

燃煤机组煤质发热量实时计算模型

锅炉主蒸汽温度的模型驱动二自由度PID控制