自适应延时控制（共6篇）
自适应延时控制 篇1
0 引言
电动汽车的迅速发展对汽车电源系统提出了更高的要求,而优化的动力电池充电方法和良好的充电设备,则是提高电源系统质量、增加电动汽车行驶里程的关键因素。在中大功率开关中,全桥移相软开关电源的应用越来越广泛。全桥移相电路采用相位控制,在换流时利用谐振实现开关器件的零电压开通,消除开通损耗,提高开关频率。但全桥移相ZVS变换器仍然存在一些缺点,如滞后臂实现ZVS的范围受负载和电源电压的影响,轻载时难以实现ZVS,导致效率下降;引入了大的电感,增加了功率损耗,降低了效率。为此,本文将自适应延时控制技术引入到全桥移相ZVS电路中,从而使变换器几乎能在整个工作条件下实现ZVS[1]。通过大幅度减小谐振电感,即缩小谐振电感的体积及功耗,从而也减小占空比的丢失以及由此而带来的功率损耗,提高了电源效率。
1 基于自适应延时控制技术扩大ZVS范围
1.1 全桥移相电路ZVS PWM电路
全桥移相电路ZVS PWM电路拓扑图如图1所示。在图1中,全桥移相ZVS变换电路由IGBT管G1到G4、并联二极管VD1到VD4、并联电容C1到C4、变压器T1、谐振电感Lr共同组成,利用谐振电感Lr和并联电容C谐振,使IGBT管的并联电容C的电压逐渐下降为0,使相应IGBT管的并联二极管导通,为IGBT管的ZVS创造条件[2,3,4]。其中G1、G3为超前臂,G2、G4为滞后臂,G1(G3)超前G2(G4)一个移相角。Lf、Cf分别为滤波电感和滤波电容。
1.2 全桥移相零电压开关中滞后臂难以实现ZVS问题
零电压开关的实质是利用谐振过程对开关管并联电容进行充放电,使同一桥臂即将开通的开关管并接二极管导通,从而将该管两端电压钳位在0 V,为实现ZVS创造条件。在超前臂谐振过程中,副边2个整流二极管只有1个导通,此时输出滤波电感反射到原边,参与串联谐振,因此超前臂谐振时可迅速完成充放电过程。而滞后臂的谐振过程,发生在副边2个整流二极管同时导通期间,这就切断了副边反射电感,使参加滞后臂谐振的电感量只剩下变压器原边漏感,因此滞后臂难以实现ZVS[5,6,7]。
1.3 基于自适应延时控制技术扩大滞后臂实现ZVS范围的方法
传统的扩大电路实现ZVS范围的方法都集中在解决滞后臂难以实现ZVS问题上,但是这些方法在以下几个方面都存在缺点而影响ZVS范围的进一步扩大,其主要不利因素有[8]:
1) 不能在开关管达到零电压条件时瞬时开通,由于IGBT管的驱动电路等存在延时,使开关管开通时有可能部分是硬开关,在滞后臂不能实现ZVS时损耗达到最大,致使电路损耗增加。
2) 电路对附加谐振电感的依赖性都比较高,附加谐振电感量大于需求值时会使占空比丢失严重;附加谐振电感量小于需求值时没有足够的能量使滞后臂并联电容充放电,无法达到实现ZVS的条件。
3)在不同时段,实际电网电压存在不同程度的偏差,一次整流直流电压值也会在额定值上下出现偏差。采用固定延时的全桥移相控制器无法使滞后臂开关管在ZVS条件下开通或只能部分实现在ZVS条件下开通。
4) 在负载发生变化时,变压器副边电流改变,使原边电流相应改变,从而滞后臂并联电容充放电的时间也相应变化,达到ZVS条件的时刻发生变化。而固定延时PWM控制器的控制信号并不能相应变化,特别是在轻载和空载等恶劣条件下,致使开关管开通时出现硬开关的成分,电路损耗增加[9]。
针对固定延时PWM控制方法的不足,提出采用自适应延时控制技术来解决或扩大电路实现ZVS工作范围的方法。
自适应延时控制技术是在直接传感技术的基础上实时检测控制对象的状态,通过控制器的分析判断实时作出控制信号触发时间长短调整的技术。基于直接传感技术的自适应延时电路的工作原理描述如下:
利用直接传感技术对电路检测如图2所示。通过S1、S2直接检测两桥臂的中点电压信号,并设定触发电压值(触发电压值通常换算成触发延时时间,需考虑IGBT及其驱动电路等元件存在的导通延时)[10,11,12]。当S1或S2检测到的电压值达到预定值时,认为ZVS条件达到,此时发出开关信号。若预定值设定的合理,当控制信号到达IGBT时,则使开关管瞬时实现ZVS。
利用S3来检测电网电压,当电网电压浮动时,迅速将信号反馈到控制器中,通过控制器相应地提高S1、S2的电压预定值,以此来调节控制信号的延时。
2 主电路元件参数的设计
主电路元件参数设计的技术要求为
输入:交流三相380V±15%,50Hz±10%。
输出:直流稳压输出的额定电压值为100 V,输出额定电流值为25 A。
整个电源的设计主要包括以下几个方面。
2.1EMI
EMI滤波部分可以衰减电网进入电源的EMI信号,防止开关电源产生的EMI信号进入电网,EMI滤波电路如图3所示。
在图3中,L1、L2和C1共同组成了差模噪声滤波器,L3、L4和C2、C3组成共模噪声滤波器。
2.2IGBT的选择
三相交流电经过整流滤波后,直流母线电压的最大值为590 V。在开关工作时,IGBT的额定电压一般要求高于直流母线电压的2倍[13],因此选择1 200 V耐压等级的IGBT。根据本文的设计要求,可知电路电流为25 A,负载电气启动会引起1.5倍的过载电流,所以IGBT的耐流等级大于37.5 A。
2.3 高频变压器的设计
由于高频变压器频率在10～100 kHz范围内,因此可供使用的软磁材料有铁氧体材料和非晶、纳米晶材料。经过综合分析,最终选择铁氧体材料。利用公式计算变压器原边侧绕组的匝数NP和副边侧绕组的匝数NS为
undefined
式中:Vp为变压器原边侧电压;Kf为波形系数。方波取4;Bw为磁通密度,本文取0.15T;fs为开关工作频率;Ae为磁芯的有效截面积。
则
undefined
24.717。 (2)
变压器原边侧绕组取整数25匝。Vp取变压器原边侧直流电压最小值,即1.35×380×(1-15%)=436 V。为了保证输入电压最小,仍可以维持输出电压100 V。变压器副边侧绕组为
undefined
式中:VS为变压器副边整流之前的输出电压;Vo为变压器副边直流输出电压;VD为变压器副边整流二极管的正向导通压降,取0.7 V。
代入数值得:
undefined
故变压器副边侧绕组取6匝。
2.4 谐振电感的设计
谐振电感设计在1/3满载负载[14,15,16]为
Lr=8CmosVundefined/(3Iundefined), (6)
IP=(Iomax/3+ΔILf/2)/n, (7)
式中:Cmos为开关管漏源极电容(包括外并电容),实际中取3 300 pF;Vdmax为直流母线电压的最大值,取1.35×380×(1+15%)=590 V;Ip为滞后臂开关管关断时原边电流;Iomax为输出电流最大值,取35 A;为允许输出电感电流的脉动值,取0.2×35=7.0 A;n为变压器原副边的匝数比。
由以上数据计算,可得Lr=231.2 μH。
2.5 控制电路的选择
控制电路采用凌特公司推出的一款全桥移相ZVS控制器LTC3722[17],该移相控制PWM芯片对每个开关管能够提供自适应ZVS电路延时的导通信号。
3 基于自适应模式的全桥移相实验研究
在输出电压等级为100 V条件下,对基于自适应延时控制技术的全桥移相ZVS PWM DC/DC全桥移相电路的性能进行理论验证,图4—图8是各种不同运行模式下的实验波形。
由图4和图5可知,在自适应模式轻载、空载下,电路都能够识别达到ZVS的条件,从而迅速使滞后臂开关管开通,变压器原边电流迅速向反方向增大,很快实现ZVS。
由图6—图8可知,在自适应模式条件下,全桥移相 ZVS PWM 全桥移相电路的超前臂和滞后臂在电压波动和负载电流变动时,均能实现ZVS。
4 结论
1)自适应延时控制技术可以调整控制信号触发时间的长短,扩大ZVS实现的范围。
2)自适应延时控制技术可以解决软开关滞后臂难以实现的问题,在轻载甚至是空载等恶劣状况下仍然能够实现ZVS,从而降低开关损耗,提高电源的效率。
自适应延时控制 篇2
随机混合自适应控制在交通信号控制中的应用
针对中国中小城市道路交通的`特点及交通控制系统现状和未来发展的需要,将随机混合自适应控制应用于城市交通信号控制系统.改变传统的城市交通控制系统,减少车辆的等待时间,改善交叉口通行能力,为优化城市交通控制提供一种参考方法.
作 者：史瑾瑾 作者单位：西南科技大学环境与资源学院,绵阳,四川,60刊 名：科技经济市场英文刊名：KEJI JINGJI SHICHANG年，卷(期)：“”(2)分类号：U4关键词：随机自适应控制 交通信号 交通控制系统
自适应延时控制 篇3
【关键词】无人飞行器 自适应控制 设计 实验
无人飞行器是目前较为先进的无人侦查设备之一，具有较好的机动性，体重较轻，能够高速飞行，适合未来战场上的侦查工作。目前世界上的飞行器主要以无人旋翼飞行器为主，其根据螺旋桨的个数或螺旋桨轴的个数进行分类，可以实现高难度的空中动作，如翻滚、直停、侧飞、垂直升降等，在继承直升机等机型优点的基础上，加入了一些更加先进的技术。
一、自适应飞行控制律的设计
（一）模型逆
自适应控制系统最早是被应用在航天航空领域，提出这一理念是因为当飞行设备在外部环境下进行飞行的过程中会遇到各类外界因素的影响。这些因素都会影响飞行装置的稳定性，对飞行器的飞行高度和速度造成一定的影响。目前想要获得无人旋翼飞行器的精确公式还有一定困难，通常情况下均是采用经验对相关数据进行估计，或实验中所得出的平均参数，因此这类计算方法存在一定的误差性。其误差可以用：来进行表示。其代表飞行器系统的实际动态情况和预估动态情况之间的差异，这种误差可以通过控制器逆误差来进行补偿。
（二）模型逆误差动态特性
以三轴无人飞行器为例，其控制回路的设计模型一般上是用二阶稳定模型来进行表示，其指令向量的公式为：。而飞行器在飞行过程中所收到的角加速度影响向量的公式则为：，用来表示神经网络中计算数据所需要的输出量，以此来对模型的逆差进行补偿。
由上图中可以看出，在对控制无人飞行器姿态的系统进行设计时，其模型逆控制器输出值的伪控制量一般利用：来表示，其中来表示，是模型的跟踪误差。代表无人飞行器控制器的输出，可以用来抵消模型所产生的误差。当无人飞行器控制器的输出量能够完全抵消掉误差，则上述公式即转化为无固定控制量的方程，其动态误差呈现收敛性，并且矩阵A对其起到了决定性的影响作用。如果可以有效保证、的正确性，则就会使无人飞行器整体系统趋于稳定，其所产生的误差就会缩小，并且误差趋势也会有所收敛。
（三）模型逆误差神经网络补償
神经网络是自适应系统中比较重要的组成部分，其使得自适应系统具备了自学习和自适应属性，因此，这一组成部分可以有效帮助整个系统对模型带来的误差进行补偿。以但隐层神经网络为例，以具体构成图如下：
在这一系统中，其隐含的层节点激活函数一般是以S型函数进行表达的，其具体可列为：。而输出层节点则与隐含层节点存在不同的表达方式，其主要是以线性函数进行表单，具体可以列为：
。其中代表输入层的节点数，代表隐含层的节点数，而则代表输出层的节点数，代表输入层的偏置量，而则表示隐含层的偏置量，表示隐含层的阈值，而则表示输出层的阈值。其中和均不能是负数。
为了保证系统在实际操作阶段不出现较大波动的变化，稳定操作量的输出，可以对神经网络输出值进行有效地计算，其是以增加高增益鲁棒项为标准的，具体为：，其中，。
（四）神经网络权系数自主学习的算法
神经网络的在线学习能力也是整个系统自适应的一种表现，其主要是由于非线性函数使得该系统能够无限接近自主学习特性。所有的参考模型信号有界，而神经网络的权系数计算公式则可以表示为：
二、无人旋翼飞行器控制系统实验
在控制系统设计并安装完毕后，需要对整个系统进行实际操作测试，如果条件允许的情况下可以先制作出样机进行测试；而如果条件不允许的情况下则可以利用Simulink工具对其进行仿真模拟测试。主要测试的项目包括无人旋翼飞行器的水平垂直升降的稳定性和控制器对其的操作性能，还要验证飞行器在飞行过程中悬停、侧飞、翻滚、复位等动作的稳定性和控制性的可操作性。利用计算机程序对飞行器飞行轨迹进行计算，分析其飞行姿态和动作轨迹是否能够与控制器保持一致。
无人旋翼飞行器是目前较为先进的飞行技术，其打破了传统飞行器设计理念，结合目前最为先进的科学技术，对未来飞行设备的发展有着巨大的影响。
参考文献：
【1】夏青元，徐锦法.变转速共轴旋翼载荷建模及实验验证[J].实验力学，2012.
自适应延时控制 篇4
对自通应超静定桁架结构的强度控制问题进行了研究,把模型从单一工况推广到了多工况,实现了理论的`完整性.定义了结构工作状态系数,分析了作动器的联入对结构强度的影响,利用超静定桁架的耦合特性和作动器的调节功能,把强度控制问题转化为数学规划问题,方法简单有效.
作 者：隋允康 邵建义 作者单位：隋允康(北京工业大学机电学院,北京,100022)
邵建义(大连理工大学工程力学系,大连,116023)
自适应延时控制 篇5
摘要：针对三自由度直升机模型的稳定运行控制问题，根据各个自由度运动特性，采用牛顿力学原理，建立了直升机系统的数学模型.采用自适应神经模糊算法对模型进行控制，通过编写MATLAB的M文件和应用ANFIS工具箱结合simulink对控制效果进行仿真，得到仿真曲线，对比模型原厂自带PID控制器的控制效果，神经模糊控制俯仰轴调整时间缩短，超调降低，结果验证了自适应模糊神经算法在三自由度直升机模型的稳定运行控制问题上是有效可行的.
关键词：三自由度直升机；自适应模糊神经；极点配置：MATLAB； ANFIS工具箱
DOI： 10.15938/j.jhust.2015.02.007
中图分类号：TP273
文献标志码：A
文章编号：1007-2683（2015）02-0035-06
0 引 言
三自由度直升机模型是典型的非线性、强耦合、多输入多输出的复杂控制系统，是可以验证各种控制算法有效性的理想试验平台.直升机飞行控制系统的非线性、强耦合的特点和广阔的应用前景使得许多研究人员投入了大量的精力来研究这一控制系统.通过进行直升机系统的建模、设计、仿真与实验，不断提高直升机飞行器的控制性能，文建立了3-DOF直升机的神经网络模型，采川APC方法解决直升机的飞行姿态控制问题，义将二次型最优控制、滑模控制和遗传算法融合在控制系统中，使直升机系统得以稳定，国内高校对直升机控制问题关注较早的赵笑笑多次撰文研究直升机多种研究算法控制器的设计，均获得了不错的效果.
模糊控制系统与神经网络控制时，无需获得被控对象精确的数学模型.模糊控制系统凭人的经验知识进行控制，而神经网络则是通过样本学习，调整改变网络的连接权重达到控制目的，因此，把神经网络的学习机制引入模糊系统，使模糊系统具有自学习、自适应能力，而神经网络也能够利用已有的经验知识，既发挥二者的优点，又可弥补各自的不足.
本文采用由固高公司生产的三自由度直升机模型为研究对象，将现代控制理论中的极点配置控制应用于模型中，通过对直升机模型的运动原理进行数学描述，选取适当的状态变量获得状态空间模型，从而设计了极点配置控制器并进行了仿真，然后将极点配置控制的仿真结果作为训练数据，利用自适应神经模糊推理系统ANFIS的控制数据得到神经模糊控制器，对其控制效果进行仿真分析.
1 系统模型分析
三自由度直升机控制系统的工作原理如图1所示，上位机输出电压控制量经过运动控制卡驱动螺旋桨旋转，电压值的改变引起螺旋桨转速和方向的变化.位置编码器按照设定的采样周期将直升机当前状态传送给运动控制卡后传送到上位机，再根据设计的算法求出相应的控制量输送给电机.
三自由度直升机模型如图2所示，基于三自由度直升机系统的特点，忽略各个轴之间的耦合，系统分为三个轴分别建模.
1.1俯仰轴
基于三自由度直升机实验系统动态特性，俯仰运动简化模型如图3所示，
假定直升机初始位置是悬在空中并保持平衡状态，根据力学原理可得到下列等式：其中：Je是俯仰轴的转动惯量，V1和V2是两个电机的电压，由它们产生升力F1和F2；Kc代表螺旋桨的电机升力常数；l1.是支点到电机的距离；l2是支点到平衡块的距离；Tg是由俯仰轴的重力G产生的有效重力矩，是俯仰轴的俯仰加速度.
1.2横侧轴
横侧运动简化示意图如图4所示，
其动力学方程如下：其中：Jp代表横侧轴转动惯量；P为横侧轴运动方向的角加速度.
1.3旋转轴
旋转轴的简化示意图如图5所示.直升机旋转轴动力学的方程如下：
其中：r为旋转轴的旋转速度，单位rad/s；Jt是旋转轴的转动惯量，
俯仰轴状态变量选取x1=[εε]T，输入量为螺旋桨电机的电压和；横侧轴状态变量选取x2=[p，P]T输入量为螺旋桨电机的电压差；由于旋转轴的运动可以通过横侧轴来控制，因此在本文中不做单独状态反馈控制器的设计，仍采用原系统自带的PID控制器控制.其中：Je为俯仰轴转动惯量；Jp为横侧轴转动惯量；l1为螺旋桨到俯仰轴的距离；lp为螺旋桨到横侧轴的距离；Kc为电机力常数，
文对三自由度直升机模型的PID控制方法及参数渊节研究详细，在此不再详述，其PID控制仿真曲线如图6所示.
2 极点配置控制器设计及仿真
2.1 极点配置控制器设计
现代控制理论，经常采用的是状态反馈，所谓的状态反馈，就是把系统状态变量与对应的反馈系数相乘，然后反馈到输入端与参考输入相加形成控制律，作为受控系统的控制输入，即状态反馈M=一纸[吲.只要系统足能控的，通过这种方法，极点配置的线性状态反控制可以满足被控对象对于控制器的要求.
对于上述俯仰轴与横侧轴的状态空间模型通过计算，得到Tc=[B AB]满秩，即俯仰轴、横侧轴系统可控，闪此直升机模型俯仰轴和横侧轴可以分别设计极点配置控制器，
调用MATLAB控制系统命令step（A，B，C，D），可得到系统的单位阶跃响应曲线如图7所示.
由图可看出，未加控制器的系统很显然是发散的，不稳定的，
极点配置控制器设计时，期望极点的选择严重影响控制系统的性能.通过多次仿真试验，为获得较好控制效果，俯仰轴阻尼比ζ1=0.783，横侧轴阻尼比ζ2=0.477，Matlab运行后可确定期望的闭环极点：
wn=log（1/deta*sqrt（1-kosi.^2））1（kosi*t），
s=-kosi*wn+j*wn*sqrt（1-kosi.^2）.
运行结果俯仰轴Sl=-1.7186+1.3653i，横侧轴S2=-3.7829+6.9703i.
通过计算得到俯仰轴和横侧轴的状态反馈矩阵分别为Kl=[0.9996 0.5906]； K2=[0.9887 0.0604].
2.2仿真
在Simulink环境下进行极点配置仿真，各模块连接框图，如图8所示.
给定俯仰角角度为30°，旋转速度给定值为10rad/s，根据计算得出的反馈矩阵K搭建模型，利用状态方程的解随着时间的变化来观察状态变量的变化，仿真结果如图9所示，
由图9可知，俯仰角经过短时间调整后稳定于30°，跟踪效果良好，直升机旋转速度由0到给定值产牛一定的横侧角，随着旋转速度的增加，横侧角逐渐减小，旋转速度超调时，横侧角减小到负值，旋转速度完成跟踪后，横侧角稳定到0°.
3 自适应神经模糊控制
3.1 自适应神经模糊控制器设计
将通过极点配置控制得到的数据作为训练数据，输入隶属度函数个数为5，类型为钟形，输出类型为线性，训练次数为40次.可通过编辑M文件进行控制，采用genfsl（）函数自动生成Takagi-Sugeno型模糊推理系统，利用函数anfis（）训练白适应神经模糊系统；也可使用ANFIS工具箱进行控制.将神经模糊网络进行训练后导出，就可作为控制器对直升机模型进行控制，
以控制俯仰轴角度为例分别用M文件控制和ANFIS工具箱控制.
3.1.1 M文件
numpts= 68
data=E：
trndata= data（1：2：numpts，：）；%训练数据对集
chkdata=data（2：2：numpts，：）；%检验数据对集
%%采用genfisl（）函数直接由训练数据生成TS型模糊推理系统
numMfs=5；mfType='gbellmf'；
fisMat=genfisl（trnData， numMfs， mfType）；
%%根据给定训练数据训练自适应神经模糊系统
epochs=40；%训练次数为40
trnOpt=[epochs NaN NaN NaN NaN]；
disOpt=[]；
[Fis， error， stepsize， chkFis， chkEr]=anfis（trn-data， fisMat， trnOpt， disOpt， chkdata）；
%%计算训练后神经模糊系统的输出与训练数据的均方根误差trnRMSF
trnOutl=evalfis（trndata（：，1），Fis）；
trnOut2=evalfis（trndata（：，1），chkFis）；
trnRMSEJ=norm（trnOutl-trndata（：，2））/sqrt（length（trnOutl））；
trnRMSE2=norm（trnOut2-trndata（：，2））/sqrt（length（trnOut2））；
%%计算神经模糊推理系统的输出
anfis_y1=evalfis（x，Fis）；
anfis_v2=evalfis（x，chkFis）；
程序运行后绘制曲线如图10所示.
可知，经过训练后的隶属度函数产生了变化，训练后ANFIS的输出可以进行很好的跟踪拟合.
3.1.2
ANFIS工具箱
在ANFIS工具箱中，导人训练数据，输入隶属度函数个数为3，类型为钟形，输出类型为线性，训练次数为50次，进行训练，如图11所示.
将训练好的神经模糊网络导出，对三自由度直升机模型的俯仰轴进行控制，如图12所示.
3.2仿真
给定俯仰轴角度30°，仿真结果如图13所示，可知自适应神经模糊控制可实现直升机模型俯仰轴的稳定控制.
通过比较图13与图6（a），明显看出，自适应神经模糊控制调节时间为5s左右，而PID控制俯仰轴调节时间为16s，神经模糊控制俯仰轴达到稳定状态的时间明显优于PID控制器，同时，神经模糊控制曲线上来看几乎不存在超调量，而从PID控制曲线来看，明显存在超调量.通过以上比较可以得出自适应神经模糊控制方法效果更优.比较俯仰轴的自适应神经模糊控制与极点配置控制仿真效果，可以看出两种控制方法的控制效果基本一致，但是，极点配置控制需要依赖数学模型，而自适应神经模糊控制是一种智能的控制方法，仅需要经验控制数据，因此，自适应神经模糊控制对于基于数据的经验控制易于实现，具有一定的实际意义.
3 结 论
自适应延时控制 篇6
关键词：火电厂自适应预估控制DCS系统
0 引言
随着我国现代科学技术的不断进步，对火力发电组的要求越来越高。为了提高火电厂的生产效率，并顺应时代的发展需求，必须对其进行自动化控制，以确保火力发电组的高效生产。目前分散控制系统（DCS）在我国大多数火电厂中得到了广泛的应用，对火力发电的生产、监督、管理等方面发挥着巨大的作用。本文就自适应预估控制技术在火电厂DCS中的应用进行了研究分析，从而使DCS发挥出最大的价值，促进我国火电厂更好更快的发展。
1 自适应预估控制系统概述
在科学技术日新月异的今天，我国大多数火电厂的发电组仍然沿用了比较传统的控制方法，对火电厂的生产、监督与管理带来了诸多不便，使电厂存在较大的滞后性和惯性，降低了火电厂生产的效率。为了提高火电厂运作的稳定性和安全性，必须改进其控制方式，确保机器设备的正常使用。在这样的背景下，自适应控制系统应运而生，在考虑到火电厂生产滞后性和不稳定性的情况，可以在系统运行过程中进行不断的测试，根据系统各方面的参数指标，按照调控系统的参数变化提高系统运行的稳定性。随着近年来计算机技术、通信技术和CRT显示技术的不断发展，在自适应控制系统的基础上，自适应预估控制系统的出现，无疑对火电厂生产的稳定性和收敛性带来了机遇和挑战。
自适应预估控制系统是一种本质非线性系统，虽然火电厂引入了大量的先进技术，但是由于火力发电生产过程的复杂性，存在大量的特性时变、强耦合、非线性等干扰情况。目前由于建立在PID技术上的传统控制策略具有简单、易于掌握的特性而得到了广泛的应用，但是在实际的操作过程中却不能发挥出最大的功能价值。传统的控制策略容易受到不同因素的干扰，使系统难以稳定安全的运行，不能较好的解决火电厂生产滞后大、惯性大等问题。另外，在发电机组设备发生异常情况时，传统的控制策略并不能对其进行科学的调控与处理，无法满足负荷较大机组的运行。自适应预估控制在我国火电厂生产中取得了较大的成效，但是仍然存在自适应调整回路滞后问题。随着模糊控制、神经控制等智能控制方式的发展，提出了模型参考自适应预估控制方法（MRAPC），该方法在火电厂主汽温、燃烧等大滞后，以及参数时变的实际控制系统中实现了自适应预估控制算法，促进系统控制效果大大提高。
2 自适应预估控制在火电厂DCS中的应用
传统的控制策略无法在火电厂的DCS中发挥最佳的功能，自适应预估控制系统的出现较好的解决了DCS运行的问题。当前MRAPC的运行主要通过人工控制，通过网络对火电厂的DCS进行干涉，不仅能保证DCS系统通信的开放性，还可以提高网络通信质量。同时也可以将各类计算机语言下载到DCS控制器中，如C语言、Java语言等，充分利用DCS系统的软硬件资源，在提高系统稳定性的同时也加强了自动化控制水平。目前，自适应预估控制在火电厂的气温控制系统以及燃烧协调控制系统中得到了广泛的应用。
2.1 MRAPC在火电厂燃烧协调控制系统的应用
在火电厂主蒸汽压力控制系统中，采用MRAPC算法，能较好的解决系统迟钝等问题。在燃烧协调控制系统中，为了促进上发电机组负荷跟踪速度的加快，可以在非线性为补偿的基础上，采用能量平衡前馈信号。运用MRAPC算法，在正常情况下，系统在依靠反馈控制系统下，主汽压能维持在±0.2MPa左右。但是在实际生产中，由于发电组单机容量增大，汽轮机相对热容量减少，这就使得必须通过燃烧给煤率的变化来满足负荷的变化。在燃烧协调控制系统中应用自适应预估控制方案，实现了燃烧协调控制系统传统的自动控制，提高了发电机组的稳定性，为整个机组投入AGC远程调度控制奠定了基础。
2.2 MRAPC在火电厂气温控制系统的应用
火电厂气温控制系统主要包括主汽温控制系统和再热汽温控制系统。主汽温控制系统往往需要提高蒸汽温度来促进机组热效率的提升，但是因怕温度过高对汽机造成损坏，威胁发电机组的运行安全性。因此采用自适应预估控制方案，既改善了主汽温控制系统的性能，还大大提高了系统的抗干扰能力和自动化控制水平。再热汽温控制系统与主汽温控制原理相似，也是一个串级形式的自适应预估控制系统，利用PID对参数进行调整，不仅能提高系统的稳定性，还能增加系统对输出扰动的抑制能力。从火电厂DCS整体来看，自适应预估系统在近年来取得了不错的成就，达到了预期的控制效果。
3 结束语
自适应预估控制方案的出现，无疑对火电厂DCS系统带来了新的机遇，同时也较好的满足了自适应控制系统自身的发展要求。虽然目前火电厂生产中仍然存在较多的问题，但是只要充分的利用DCS系统的软硬件资源，对系统进行不断的优化，从而促进DCS系统运行的稳定性和安全性，为我国电力产业做出更多的贡献。
参考文献：
[1]王杰，高昆仑，王万召.基于OPC通信技术的火电厂DCS后台控制[J].电力自动化设备，2013，04:142-147.
[2]陈林海.基于控制历史的自适应PID控制方法及其在热工过程中的应用[D].重庆大学，2013.
[3]刘芳.Smith自适应辨识控制算法在间歇式反应釜釜温控制