第六章 MATLAB综合训练38309.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第六章 MATLAB综合训练38309.ppt

1 、蒸汽压力控制和燃料空气比值控制系统 锅炉燃烧的目的是生产蒸汽供其他生产环节使用。一般生产过程中蒸汽的控制是通过压力实现的,后续环节对蒸汽的生产用量不同,反映在蒸汽锅炉环节就是蒸汽压力的波动。维持蒸汽压力恒定是保证生产正常进行的首要条件。 保证蒸汽压力恒定的主要手段是随着蒸汽压力波动及时调节燃烧产生的热量,而燃烧产生热量的调节是通过控制所供应的燃料量以及适当比例的助燃空气的控制实现的。 因此,蒸汽压力是最终被控制量,可以根据生成情况确定;燃料量是根据蒸汽压力确定的;空气供应量根据空气量与燃料量的合理比值确定 2 、炉膛负压控制系统 锅炉炉膛负压过小时,炉膛内的热烟、热气会外溢,造成热量损失,影响设备安全运行甚至会危及工作人员安全;当炉膛负压太大时,会使外部大量冷空气进入炉膛,改变燃料和空气比值,增加燃料损失、热量损失和降低热效率。 控制方案: 某锅炉燃烧系统要求对系统进行蒸汽压力控制。本项目采用燃烧炉蒸汽压力控制和燃料空气比值控制系统,并辅以炉膛负压控制的方案,控制系统框图如图6-1所示。 已知控制系统传递函数: 实现步骤: 1、系统稳定性分析 作出伯德图,如果相角裕度Pm0°或幅值裕度Gm1,表示系统稳定。 2、控制系统参数整定 (1)燃料控制系统参数整定 为使系统无静差,燃料流量调节器采用PI形式 思路:先使ki=0,在单位阶跃信号下,调整Kp使系统等幅震荡,即系统处于临界稳定状态。记录此时的震荡周期Tc,比例系数Kc。则Kp=kc/2.2,Ki=kp/(0.8Tc)。 (2)蒸汽压力控制系统参数整定(采用PI形式) (3)空气流量控制系统参数整定 (4)炉膛负压控制系统参数整定 (5)负压控制系统前馈补偿整定 3、控制系统仿真 4、鲁棒性分析 5、仿真结果综合分析比较 项目二:最小二乘辨识及其MATLAB实现 最小二乘理论是有高斯(K.F.Gauss)在1795年提出:“未知量的最大可能值是这样一个数值,它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最小。”这就是最小二乘法的最早思想。 最小二乘辨识(LS)方法提供了一个估算方法,使之能得到一个在最小方差意义上与实验数据最好拟合的数学模型。 最小二乘算法简介 例题:最小二乘一次完成算法及其MATLAB实现 已知对象为 式中,v(k)是服从正态分布的白噪声 。输入信号采用4阶M序列,幅度为1。选择如下的辨识模型,即 解:输入信号的取值从k=1到k=16的M序列,则待辨识的参数为 式中,被辨识参数 、观测矩阵 和 的表达式为 u=[-1,1,-1,1,1,1,1,-1,-1,-1,1,-1,-1,1,1];%系统辨识的输入信号为一个周期的M序列 z=zeros(1,16); %定义输出观测值的长度 for k=3:16 z(k)=1.5*z(k-1)-0.7*z(k-2)+u(k-1)+0.5*u(k-2); %用理想输出值作为观测值 end u,z HL=[-z(2) -z(1) u(2) u(1);-z(3) -z(2) u(3) u(2);-z(4) -z(3) u(4) u(3);-z(5) -z(4) u(5) u(4);-z(6) -z(5) u(6) u(5);-z(7) -z(6) u(7) u(6);-z(8) -z(7) u(8) u(7);-z(9) -z(8) u(9) u(8);-z(10) -z(9) u(10) u(9);-z(11) -z(10) u(11) u(10);-z(12) -z(11) u(12) u(11);-z(13) -z(12) u(13) u(12);-z(14) -z(13) u(14) u(13);-z(15) -z(14) u(15) u(14)] %给样本矩阵HL赋值 ZL=[z(3);z(4);z(5);z(6);z(7);z(8);z(9);z(10);z(11);z(12);z(13);z(14);z(15);z(16)]% 给样本矩阵zL赋值 c1=HL*HL; c2=inv(c1); c3=HL*ZL; c=c2*c3 %计算并显示估计值 a1=c(1), a2=c(2), b1=c(3), b2=c(4) %从中估计值中分离出a1 、a2、 b1、 b2并显示 最小二乘递推算法 一次完成算法是直接利用已经获得的所有观测数据进行运算处理,也就是说估计出模型的参数需要存储已经收集到的全部数据。 递推算法的基本思想为,在上一次已经得到的计算结果基础上,根据新获得的数据,对上一时刻的计算结果进行修正。递推算法可以概

文档评论(0)

cai + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档