-
公开(公告)号:CN115718479A
公开(公告)日:2023-02-28
申请号:CN202211467258.3
申请日:2022-11-22
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于模型度量指标的分程控制系统性能评估方法,属于控制系统评估领域。包括:采集分程控制系统输出值、分程控制系统的控制器输出值、分程控制系统的候选分程点值,根据分程控制系统的控制器输出值与候选分程点值的比较结果,将采样时间段内获得的分程控制系统的输出值分为两个数据集;采用预测误差算法,建立两个时间序列自回归模型并从离散域转为连续域,以候选分程点为界,计算两个连续域自回归模型的模型度量指标值,该指标反映了分程控制系统性能,从而判断候选分程点选取是否合理,确定最优候选分程点。本发明解决了复杂控制系统中分程控制系统性能评估问题,通过确定最优分程点能使分程控制系统保持良好的控制水平。
-
公开(公告)号:CN115236970A
公开(公告)日:2022-10-25
申请号:CN202210868080.7
申请日:2022-07-22
Applicant: 浙江大学
IPC: G05B11/42
Abstract: 本发明公开了一种PID控制器参数劣化溯源方法,包括判断系统性能是否劣化、系统整定过快还是整定过慢;针对控制器整定过快的回路,判断回路是否存在振荡;若整定过快的回路存在振荡,使用基于互相关函数的同异相程度指数追溯PID控制器劣化的原因是比例作用过强主导还是积分作用过强主导;针对控制器整定过慢的回路,使用基于粒子群优化算法的分段曲线拟合方法对闭环脉冲响应序列进行拟合;计算所得拟合曲线比例主导区内的下降幅度指数,同时计算拟合曲线的下降时间,追溯PID控制器劣化的原因是比例作用过弱主导还是积分作用过弱主导。本发明的方法能及时发现、识别控制系统和回路的缺陷,优化控制系统参数,从而提升系统的可靠性和运行性能。
-
公开(公告)号:CN113051810B
公开(公告)日:2022-05-06
申请号:CN202110271732.4
申请日:2021-03-12
Applicant: 浙江大学
Abstract: 本发明公开了一种基于约束网格层次聚类的空分过程PWA模型辨识方法。该方法以精馏塔为研究对象,包括特征向量的估计、特征向量的聚类与区域划分的联合估计、以及PWA子模型的参数估计。本发明通过将回归域划分成网格,并且在层次聚类的过程中考虑实际回归域划分的约束条件,完成了数据聚类与区域划分的联立求解。相对于已有技术,本发明减轻了奇异点可能导致的回归域不可划分问题,且避免了复杂的切面方程参数求解工作,同时可应用于非线性划分的回归域,在较高噪信比时也能保持较高的辨识精度。
-
公开(公告)号:CN111368435A
公开(公告)日:2020-07-03
申请号:CN202010147968.2
申请日:2020-03-05
Applicant: 浙江大学
IPC: G06F30/20
Abstract: 本发明公开了一种面向不确定需求的空分管网装置启停及负荷调度方法。根据空分管网中装置的运行状况将其划分为不同的模态,建立每个生产装置每个模态下产品产量的分段线性代理模型,并对管网中其他装置的流程平衡和边界条件等进行分析,从氧氮氩三个层面建立整个管网的调度优化模型;在此基础上,针对市场需求的不确定性,采用两阶段随机优化模型,同时引入条件风险价值模型,以最大化空分管网的两阶段利润和条件风险价值为目标,制定生产调度方案。本发明能够在市场需求不确定的情况进行风险度量,根据不同的风险水平制定不同的调度方案,从而有效规避低收益、高风险的情况;同时分段线性代理模型可以减少求解时间,便于大规模模型的求解计算。
-
公开(公告)号:CN111062111A
公开(公告)日:2020-04-24
申请号:CN201910959461.4
申请日:2019-10-10
Applicant: 杭州杭氧股份有限公司 , 浙江大学
Abstract: 一种空分设备自动变负荷目标优化方法。该方法针对当前空分设备自动变负荷过程中变负荷目标无法进行优化的问题,首先建立基于物料平衡的变负荷目标优化模型,在每次装置变负荷之前获取操作人员输入的变负荷目标值,带入变负荷目标优化模型进行优化求解,最终产生最接近变负荷目标的一系列生产被控变量期望值。同时,本方法可以在优化模型结构不变的前提下,根据生产被控变量的实际情况及时修正优化模型参数,以适应不断变化的变负荷生产环境。此方法具有较好的稳定性和实时性,其原理简洁清晰,易于实施。
-
公开(公告)号:CN108873701B
公开(公告)日:2019-11-22
申请号:CN201810780959.X
申请日:2018-07-17
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于FPAA模拟神经网络的空分装置快速模型预测控制方法。该方法分为离线计算和在线计算两部分。离线计算包括MPC控制参数的计算和模拟电路QP求解器的构建。在线计算包括状态更新、无约束优化、计算平移变换和尺度变换参数、模拟电路求解QP构成。本方法采用连续神经网络求解QP问题,具有天然并行性;通过平移变换和尺度变化解决了模拟电路实现连续神经网络的信号限制;在此基础上,采用FPAA设计了模拟电路,从而实现了MPC中QP的快速求解。相对于已有技术,本发明有效解决了离散神经网络的缺点,且较好地解决了基于传统数值方法的MPC求解速度慢、实时性较差的问题。
-
公开(公告)号:CN105809203B
公开(公告)日:2019-01-18
申请号:CN201610146318.X
申请日:2016-03-15
Applicant: 浙江大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于层次聚类的系统稳态检测算法。对于一段连续时间区间内的工业数据,计算所有两两类之间的距离,得到矩阵,找到矩阵中的最小距离值合并为一个新类,并作删除,再处理获得更新后的矩阵,迭代计算获得层次聚类树的表达矩阵;对于表达矩阵,由最后一次迭代数值向第一次迭代数值的顺序依次计算获得各次的聚类结果合理性值,由每次计算得到的聚类结果合理性值求取计算获得最终的阈值,以作为最终的阈值对工业数据进行聚类计算,获得最终聚类结果序列,通过联合时序判断获得系统稳态的情况。本发明适用性强,而且避免了处理数据中因为数据维度而产生的计算量剧增现象。
-
公开(公告)号:CN108983607A
公开(公告)日:2018-12-11
申请号:CN201810747594.0
申请日:2018-07-09
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于内模控制的压水堆蒸汽发生器液位控制系统整定方法,主要手段是将液位控制系统等效变换后根据串级控制回路进行整定。首先,根据方框图等效变换的方法,将压水堆蒸汽发生器液位控制系统等效转化为串级三冲量控制回路;然后,基于内模控制设计方法,整定等效串级控制回路;最后再将根据等效变换求取原液位控制系统的参数。所设计的方法不仅可以解决压水堆液位控制系统的整定问题,还可以解决控制回路中各环节的耦合,整定的控制器参数有清晰的数值解。
-
公开(公告)号:CN107355772A
公开(公告)日:2017-11-17
申请号:CN201710471754.9
申请日:2017-06-20
Applicant: 浙江大学 , 神华国华(舟山)发电有限责任公司
IPC: F22G5/12
CPC classification number: F22G5/12
Abstract: 本发明公开了一种基于过热器温升特性的一级过热器出口温度防超温的控制方法。锅炉汽温串级控制系统的主调节器采用比例-积分控制规律,根据一级汽温测量值和设定值的偏差校正导前汽温设定值,没有考虑偏差的变化速度对一级汽温的影响,往往造成一级汽温波动过大,甚至超温。本方案将一级汽温设定值与测量值偏差的微分作为主调节器的前馈,使微分参数与比例-积分参数可以单独整定,减小了一级汽温控制系统调试的工作量。既能有效抑制一级汽温的快速变化,又不影响控制系统的稳态调节品质。
-
公开(公告)号:CN106642992A
公开(公告)日:2017-05-10
申请号:CN201610609103.7
申请日:2016-07-27
Applicant: 杭州杭氧股份有限公司 , 浙江大学
IPC: F25J3/04
CPC classification number: F25J3/04412 , F25J3/04678 , F25J3/04703 , F25J3/04721 , F25J3/04727 , F25J3/04806 , F25J3/04654 , F25J2210/40 , F25J2215/58 , F25J2280/02
Abstract: 一种空分装置制氩系统的氮塞防控方法,它是通过选取氩馏分的氩含量、氩馏分温度和粗氩塔Ⅱ顶部氩含量各重要指标的测量值作为被控变量,其中,氩馏分的氩含量、氩馏分温度作为监测制氩系统是否发生氮塞的第一道防线,粗氩塔Ⅱ顶部氩含量作为其第二道防线;选取气氧取出量、上塔纯液氮回流量和粗氩气提取量作为操作变量;由预测控制算法计算出当前各操作变量的最优控制增量,其中,气氧取出控制增量、上塔纯液氮回流控制增量用以调节主塔的氩馏分氩含量和氩馏分温度,粗氩气提取控制增量用来调节粗氩塔Ⅱ顶部氩含量;此外,控制器还设计了前馈控制功能,将影响氩馏分氩含量和氩馏分温度的分子筛纯化器切换升压过程作为事件变量引入到控制器的扰动变量中,为气氧取出量和纯液氮回流量两个操作变量提供前馈信息。
-
-
-
-
-
-
-
-
-