調(diào)壓橇壓力控制系統(tǒng)是天然氣分輸站的重要組成部分之一,其管道壓力控制性能的好壞直接影響著分輸站的運(yùn)行穩(wěn)定及下游用戶用氣安全。由于調(diào)壓橇長(zhǎng)期工作在非穩(wěn)態(tài)工況且調(diào)節(jié)閥存在連續(xù)死區(qū)等非線性特性,現(xiàn)階段常規(guī)PID控制器控制效果較差,存在壓力難以穩(wěn)定、調(diào)節(jié)閥頻繁動(dòng)作等情況。因此,本文深入研究了不同工況下的調(diào)壓橇壓力控制方法,并完成了以下工作。首先,針對(duì)調(diào)壓橇壓力控制系統(tǒng)非線性嚴(yán)重、PID參數(shù)整定不良等因素造成的壓力波動(dòng)幅度大、控制不及時(shí)等問(wèn)題,提出了一種改進(jìn)RBF_PID壓力控制器。該控制器根據(jù)壓力偏差等系統(tǒng)信息實(shí)時(shí)調(diào)整PID參數(shù)值,提高了系統(tǒng)的動(dòng)態(tài)控制性能。使用L-M(Levenberg-Marquardt)算法替換傳統(tǒng)梯度下降法,提高了響應(yīng)速度;提出了一種自適應(yīng)變步長(zhǎng)策略,提高了PID參數(shù)調(diào)整效率;設(shè)計(jì)了PID參數(shù)在線整定啟停條件,提高了控制器工作效率。數(shù)值仿真實(shí)驗(yàn)表明該方法有效可行。同時(shí)為加快在線整定的收斂速度,設(shè)計(jì)了基于多目標(biāo)優(yōu)化及多屬性決策的PID參數(shù)初始化方案。采用改進(jìn)非支配排序遺傳(Nondominated Sorting Genetic Algorithm∏,簡(jiǎn)...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-2RBFPID控制器框圖

第2章基于改進(jìn)RBF_PID的調(diào)壓橇壓力控制器設(shè)計(jì)10∑x1x2xnhmh2h1w1w2wmymij......圖2-1RBF神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig2-1RBFneuralnetworkstopologyarchitecture圖中，12[,...]Tnxxx為神經(jīng)網(wǎng)絡(luò)輸入；12....

圖2-7系統(tǒng)模型辨識(shí)及PID參數(shù)整定界面

第2章基于改進(jìn)RBF_PID的調(diào)壓橇壓力控制器設(shè)計(jì)22參數(shù)的初始化功能，其主要包括以下四個(gè)界面，分別完成參數(shù)初始化的四個(gè)步驟：系統(tǒng)模型辨識(shí)界面：模型辨識(shí)采用遞推最小二乘法（RLS），為獲得相對(duì)準(zhǔn)確的模型，分別辨識(shí)一階、二階、三階模型，并分別計(jì)算各階模型的平均誤差，顯示誤差曲線。參....

圖2-8多屬性決策界面

第2章基于改進(jìn)RBF_PID的調(diào)壓橇壓力控制器設(shè)計(jì)22參數(shù)的初始化功能，其主要包括以下四個(gè)界面，分別完成參數(shù)初始化的四個(gè)步驟：系統(tǒng)模型辨識(shí)界面：模型辨識(shí)采用遞推最小二乘法（RLS），為獲得相對(duì)準(zhǔn)確的模型，分別辨識(shí)一階、二階、三階模型，并分別計(jì)算各階模型的平均誤差，顯示誤差曲線。參....

圖3-1調(diào)壓橇壓力控制系統(tǒng)工藝流程圖

中國(guó)石油大學(xué)（華東）工程碩士學(xué)位論文29第3章調(diào)壓橇仿人壓力智能控制系統(tǒng)設(shè)計(jì)針對(duì)用氣量大幅波動(dòng)以及調(diào)節(jié)閥死區(qū)引起的壓力控制振蕩等問(wèn)題，本文依據(jù)仿人智能控制思想設(shè)計(jì)了調(diào)壓橇仿人壓力智能控制系統(tǒng)，該控制系統(tǒng)包括干擾控制器、PI控制器和仿人智能控制器3個(gè)控制器。干擾控制器采用前饋控制算....

本文編號(hào)：3957958