城市固废焚烧过程炉温非线性模型预测控制

为实现城市固废焚烧(MSWI)过程炉温的稳定控制,本文提出一种炉温非线性模型预测控制(NMPC)方法.首先,采用炉排温度与一次风温作为炉温控制的中间变量,将串级控制策略融入到NMPC中,以获得一种新的MSWI炉温控制结构.其次,利用随机配置网络(SCN)离线建立炉温静态非线性预测模型,并通过递推最小二乘法在线更新SCN隐含层神经元的输出权值,从而建立炉温动态非线性预测模型.最后,将改进的海鸥优化算法同设定值评价与学习模型相融合,得到一种改进的滚动优化策略,以提升NMPC滚动优化的求解性能.实验结果表明,炉温动态非线性预测模型可以准确预测炉温,提出的控制方法具有良好的自适应性及鲁棒性,能够实现M...

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 41; no. 11; pp. 2023 - 2032
Main Authors 胡开成, 严爱军, 王殿辉
Format Journal Article
LanguageChinese
Published 数字社区教育部工程研究中心,北京 100124 01.11.2024
北京工业大学信息学部,北京 100124
东北大学流程工业综合自动化国家重点实验室,辽宁沈阳 110819
拉筹伯大学计算机科学与信息技术系,澳大利亚墨尔本VIC 3086
城市轨道交通北京实验室,北京 100124%中国矿业大学人工智能研究院,江苏徐州 221116
数字社区教育部工程研究中心,北京 100124%北京工业大学信息学部,北京 100124
Subjects
furnace temperature
seagull optimization algorithm
随机配置网络
set value evaluation and learning
设定值评价与学习
海鸥优化算法
municipal solid waste
非线性模型预测控制
nonlinear model predictive control
城市固废
炉温
stochastic configuration network
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2023.20397

Cover

More Information
Summary:为实现城市固废焚烧(MSWI)过程炉温的稳定控制,本文提出一种炉温非线性模型预测控制(NMPC)方法.首先,采用炉排温度与一次风温作为炉温控制的中间变量,将串级控制策略融入到NMPC中,以获得一种新的MSWI炉温控制结构.其次,利用随机配置网络(SCN)离线建立炉温静态非线性预测模型,并通过递推最小二乘法在线更新SCN隐含层神经元的输出权值,从而建立炉温动态非线性预测模型.最后,将改进的海鸥优化算法同设定值评价与学习模型相融合,得到一种改进的滚动优化策略,以提升NMPC滚动优化的求解性能.实验结果表明,炉温动态非线性预测模型可以准确预测炉温,提出的控制方法具有良好的自适应性及鲁棒性,能够实现MSWI过程炉温的平稳控制.
ISSN:1000-8152
DOI:10.7641/CTA.2023.20397