內容簡介
《火電廠熱工過程先進控制技術》分上、下兩篇。上篇介紹基於控制器力學統一性的系統設計方法，把經典控制理論、現代控制理論與過程控制的工程實際需求相結合，研究了幾種典型控制系統的改進設計和參數整定方法，並對其進行了力學統一性分析，《火電廠熱工過程先進控制技術》設計的基於經典力學勻加速運動方程的系統狀態觀測器能夠準確觀測被控系統。下篇介紹熱工過程計算智慧型方法及其套用研究，在傳統神經網路算法的基礎上，提出了神經網路的改進算法以及一種新型的動態遞歸網路；並把神經網路和混沌最佳化策略以及PSO算法相融合，提出了新型的基於神經網路的智慧型融合最佳化方法；針對標準遺傳算法存在的問題，提出了改進的遺傳算法，通過把模糊技術，量子計算引入遺傳算法，提出了新型的模糊量子遺傳算法；《火電廠熱工過程先進控制技術》還設計了改進的蟻群最佳化算法；最後把計算智慧型套用於電廠熱工系統，設計了基於智慧型計算方法的智慧型控制策略。目錄
序前言
上篇基於控制器力學統一性的系統設計方法
第1章熱工過程控制策略概述
1.1概述
1.2熱工過程先進控制策略研究現狀
1.2.1改進的PID控制
1.2.2預測控制
1.2.3自適應控制
1.2.4狀態變數控制
1.2.5熱工過程控制的研究及存在的問題
第2章基於時間尺度的PID參數整定和二階系統參數辨識
2.1基於時間尺度的PID控制器參數整定
2.1.1系統的時間尺度
2.1.2基於時間尺度的PID控制器參數整定
2.1.3仿真研究
2.2二階系統參數辨識
2.2.1線性時不變二階系統描述
2.2.2時變參數二階系統及其參數辨識
2.3本章小結
第3章基於勻加速運動方程構建的系統狀態觀測器
3.1卡爾曼濾波器
3.2狀態觀測器
3.3基於勻加速運動方程構建的系統狀態觀測器
3.3.1理論推導
3.3.2仿真研究
3.4基於勻加速運動方程狀態觀測器構建的控制系統
3.4.1控制系統設計
3.4.2仿真研究
3.5本章小結
第4章大滯後控制系統的幾種設計方法
4.1確定性大時滯控制系統的兩步整定方法
4.1.1控制系統設計
4.1.2仿真研究
4.2時變大時滯控制系統的兩種設計方法
4.2.1純滯後系統的Smith控制算法
4.2.2史密斯預估控制系統的改進設計
4.2.3基於極點配置的狀態觀測器及其控制系統
4.3本章小結
第5章幾種典型控制器的動力學統一性分析及其設計改進
5.1二階系統通用控制器
5.1.1通用控制器設計
5.1.2仿真研究
5.2魯棒控制器
5.2.1魯棒控制系統概述
5.2.2魯棒控制器設計
5.2.3仿真研究
5.2.4魯棒控制器動力學統一性分析
5.2.5控制系統魯棒性能進一步分析
5.3PID控制器
5.3.1PID控制器動力學統一性分析
5.3.2非線性PID控制器設計
5.3.3自適應（自校正）PID控制器設計
5.4內模控制系統（IMC）
5.5狀態反饋控制
5.5.1狀態反饋控制的動力學統一性分析
5.5.2仿真研究
5.6預測控制（GPC／MPC）
5.6.1預測控制的動力學統一性分析
5.6.2仿真研究
5.7本章小結
第6章對非線性控制系統設計的探討
6.1引言
6.2反饋線性化
6.3系統間隙度和非線笥系統的最佳化控制
6.3.1間隙度
6.3.2間隙度的性質
6.3.3仿真研究
6.4本章小結
下篇熱工過程計算智慧型方法及其套用研究
第7章計算智慧型概論
7.1概述
7.2計算智慧型在電廠熱工系統中的套用
第8章神經網路及其算法研究
8.1BP神經網路及其改進算法
8.1.1BP神經網路的拓撲結構及其學習算法
8.1.2加入動量項的學習算法
8.1.3RPROP——局部自適應的彈性更新值算法
8.2RBF神經網路
8.2.1RBF神經網路拓撲結構及其算法
8.2.2OLS（OnhogonalLeastSquare）算法
8.3CMAC神經網路
8.4PID神經網路
8.4.1PID神經網路的拓撲結構
8.4.2PID神經網路擬合能力仿真試驗
8.5HIOCDRN動態遞歸神經網路及其在系統辨識中的套用
8.5.1Elman神經網路
8.5.2HIOCDRN神經網路
8.5.3辨識仿真
8.6本章小結
第9章混沌和PSO算法研究及其與神經網路的混合套用
9.1混沌最佳化策略
9.2RPROP與混沌最佳化耦合算法
9.3PSO算法
9.3.1粒子群算法的生物模型
9.3.2粒子群算法基本原理
9.3.3標準粒子群算法流程
9.3.4PSO算法的設計步驟
9.3.5PSO與其他進化算法的比較
9.4PSO算法改進策略
9.4.1基本PSO算法性能分析
9.4.2動態變數區間方法和重新啟動策略
9.4.3改進算法性能測試
9.4.4改進PSO算法最佳化主汽溫控制系統PID控制器參數
9.5基於PSO的RBF神經網路在熱工系統辨識中的套用
9.5.1PSO算法中的非線性慣性因子遞減策略
9.5.2辨識原理分析
9.5.3熱工對象辨識仿真實驗
9.6本章小結
第10章模糊量子遺傳算法
10.1標準遺傳算法
10.1.1遺傳算法的概念
10.1.2遺傳算法過程
10.1.3遺傳算法中的編碼
10.1.4遺傳算法中的適應度函式設計
10.1.5遺傳操作運算元
10.2改進的自適應遺傳算法
10.3模糊量子遺傳算法
10.3.1量子計算及量子編碼
10.3.2基於模糊規則調整的量子鏇轉門
10.3.3模糊量子遺傳算法在熱工過程辨識中的套用
10.4本章小結
第11章計算智慧型在熱工控制系統中的套用研究
11.1單神經元神經網路控制器
11.1.1單神經元神經網路控制器原理及算法
11.1.2單神經元自適應控制器在DCS中的實現
11.2基於神經網路的內模控制
11.3神經網路預測控制
11.4基於PID神經網路的干擾觀測器設計
11.4.1干擾觀測器設計原理
11.4.2基於PID神經網路逆模型的干擾觀測器
11.5一種基於神經網路和遺傳算法的鍋爐燃燒最佳化方法
11.5.1鍋爐燃燒送風控制系統及最佳化方案
11.5.2鍋爐燃燒過程建模
11.5.3遺傳算法尋優
11.5.4仿真實驗
11.6本章小結
第12章蟻群最佳化算法及其在熱工控制系統中的套用
12.1關於蟻群最佳化算法
12.1.1概述
12.1.2國內外研究動態
12.1.3本章內容
12.1.4基本蟻群算法及其特點
12.1.5基本蟻群算法流程
12.1.6基本蟻群算法的優點與不足
12.1.7本節小結
12.2具有分工特徵的蟻群算法
12.2.1算法的啟發思想
12.2.2連續空間中變數編碼規則
12.2.3三維坐標信息素體系
12.2.4人工螞蟻的行為
12.2.5具有分工特徵的蟻群算法模型
12.2.6晉級組蟻群與工蟻群工作流程
12.2.7具有分工特徵的蟻群算法流程
12.2.8仿真算例
12.2.9本節小結
12.3基於具有分工特徵的蟻群算法的熱工過程辨識
12.3.1過程辨識的步驟和方法
12.3.2基於具有分工特徵的算法的熱工過程辨識
12.3.3過程辨識方案設計
12.3.4仿真與套用研究
12.4基於具有分工特徵的蟻群算法的控制器參數最佳化
12.4.1PID控制器參數整定的研究狀況
12.4.2基於具有分工特徵的蟻群算法的PID參數最佳化整定
12.4.3套用研究
12.4.4串級PID控制器參數整定
12.5本章小結
附錄1KPAACP最佳化在汽包水位系統中的套用
附錄2300MW火電機組再熱汽溫調節
前言
由開平安、劉建民、焦嵩鳴、曹文亮、李欣欣和牛玉廣編著的《發電廠熱工過程先進控制技術》一書的出版，對於在我國發電廠熱工過程系統中，採用先進控制技術，提高發電廠的自動化水平，促進節能減排具有積極的推動作用。該書特點是理論結合工程實際，把經典控制理論、現代控制理論與發電廠熱工過程實際需求相結合，對發電廠熱工過程中一些老、大、難的控制系統（例如再熱汽溫時變大滯後系統），設計了幾種控制策略和參數最佳化整定方法，並進行了力學統一性分析。該書能夠把現代控制理論的一些理念（例如，卡爾曼濾波器、狀態觀測器、魯棒控制器、自適應控制、內模控制系統、狀態反饋二次型最佳化控制、預測控制等）設計成能夠組態到發電廠分散式控制系統（DCS）的控制策略，這些工作使得該書中的先進控制技術具有實用和可操作性，從附錄中可以看到該書中的先進控制技術的套用成果。
該書把現在熱門研究的計算智慧型方法套用於電廠熱工系統，設計了基於智慧型計算方法的智慧型控制策略。在傳統神經網路算法的基礎上，提出了神經網路的改進算法以及一種新型的動態遞歸網路；並把神經網路和混沌最佳化策略以及PSO算法相融合，提出了新型的基於神經網路的存在問題，提出了改進的遺傳算法，通過把模糊技術、量子計算弓]入遺傳算法，提出了新型的模糊量子遺傳算法。本書還設計了改進的蟻群最佳化算法並套用於發電廠熱工過程中控制器的參數最佳化和對象辨識，這是利用仿生科學設計改進熱工控制系統的一個嘗試。這些計算智慧型最佳化方法對於進一步提高發電廠熱工過程控制系統的品質具有積極的意義。
