基于前馈预测的电液伺服PID控制系统

doi:10.12096/j.2096-4528.pgt.2018.072

发电技术 ›› 2018, Vol. 39 ›› Issue (5): 466-468.DOI: 10.12096/j.2096-4528.pgt.2018.072

基于前馈预测的电液伺服PID控制系统

张银龙¹(),田红丹²,魏超¹,唐梓彭¹,张勇铭¹

¹ 华电电力科学研究院有限公司, 浙江省杭州市 310030
² 杭州奥能电源设备有限公司, 浙江省杭州市 310030

收稿日期:2018-03-12 出版日期:2018-10-30 发布日期:2018-10-29
作者简介:张银龙(1988),男,工学硕士,助理工程师,主要从事光伏电站检测与诊断平台研究工作, 1005173583@qq.com

A PID Control System of Electro-Hydraulic Servo Based on Feedforward Prediction

Yinlong ZHANG¹(),Hongdan TIAN²,Chao WEI¹,Zipeng TANG¹,Yongming ZHANG¹

¹ Huadian Electric Power Research Institute Co., Ltd., Hangzhou 310030, Zhejiang Province, China
² Hangzhou Austrian Power Equipment Co., Ltd., Hangzhou 310030, Zhejiang Province, China

Received:2018-03-12 Published:2018-10-30 Online:2018-10-29

摘要/Abstract

摘要：

根据预测控制思想，针对已有的电液伺服调速系统模型，设计了一种基于前馈预测的PID控制系统。该控制系统不依赖对象的精确数学模型，利用预测控制的快速性以及自适应性等特点，通过滚动优化与PID相结合来确定系统当前时刻的控制量。仿真实验结果表明，该文建立的新型控制器能够满足现有的电液伺服调速系统的控制性能要求，实现对该系统的快速精确控制。

关键词: 预测, PID控制, 前馈, 电液伺服

Abstract:

A PID control system based on feedforward prediction was designed according to the thought of predictive control, in view of the existing model of electro-hydraulic servo control system.. The control system does not rely on the exact mathematical model of the object, and uses the characteristics of the fast and adaptive predictive control to determine the current control of the system by the combination of rolling optimization and PID. The simulation results show that the new type of controller can satisfy control performance requirements of the existing electro-hydraulic servo control system, achieving the rapid precise control of the system.

Key words: forecast, PID control, feedforward, electrohydraulic servo

张银龙,田红丹,魏超,唐梓彭,张勇铭. 基于前馈预测的电液伺服PID控制系统[J]. 发电技术, 2018, 39(5): 466-468.

Yinlong ZHANG,Hongdan TIAN,Chao WEI,Zipeng TANG,Yongming ZHANG. A PID Control System of Electro-Hydraulic Servo Based on Feedforward Prediction[J]. Power Generation Technology, 2018, 39(5): 466-468.

[1]	付小标, 侯嘉琪, 李宝聚, 温亚坤, 赖晓文, 郭雷, 王志伟, 王尧, 张海锋, 李德鑫. 一种二模态天气分型方法及其在光伏功率概率预测的应用[J]. 发电技术, 2024, 45(2): 299-311.
[2]	邵宜祥, 刘剑, 胡丽萍, 过亮, 方渊, 李睿. 一种改进组合神经网络的超短期风速预测方法研究[J]. 发电技术, 2024, 45(2): 323-330.
[3]	付红军, 朱劭璇, 王步华, 谢岩, 熊浩清, 唐晓骏, 杜晓勇, 李程昊, 李晓萌. 基于长短期记忆神经网络的检修态电网低频振荡风险预测方法[J]. 发电技术, 2024, 45(2): 353-362.
[4]	封钰, 宋佑斌, 金晟, 冯家欢, 史雪晨, 俞永杰, 黄弦超. 基于随机森林算法和粗糙集理论的改进型深度学习短期负荷预测模型[J]. 发电技术, 2023, 44(6): 889-895.
[5]	赵珈卉, 田立亭, 程林. 锂离子电池状态估计与剩余寿命预测方法综述[J]. 发电技术, 2023, 44(1): 1-17.
[6]	迟福建, 孙阔, 张章, 张媛, 吴倩. 网格化规划系统中电气计算核心算法的实现[J]. 发电技术, 2022, 43(6): 860-868.
[7]	李存文, 王在华, 陈涛, 冯前伟, 徐克涛, 张杨. 基于燃煤电站运行数据的烟气脱硫系统性能预测研究[J]. 发电技术, 2022, 43(4): 673-678.
[8]	雷旭, 马鹏飞, 宋智帅, 李卫东. 计及风电预测误差的柔性负荷日内调度模型[J]. 发电技术, 2022, 43(3): 485-491.
[9]	张永蕊, 阎洁, 林爱美, 韩爽, 刘永前. 多点数值天气预报风速和辐照度集中式修正方法研究[J]. 发电技术, 2022, 43(2): 278-286.
[10]	许中, 栾乐, 莫文雄, 罗思敏, 叶宗林, 陈超, 赖轩达, 解明辉. 基于Logistic快速最小误差熵算法的配电变压器停电预测[J]. 发电技术, 2022, 43(2): 313-319.
[11]	刘长春, 关淳, 郭魁俊, 李宇峰, 马义良. 汽轮机长叶片颤振预测方法[J]. 发电技术, 2021, 42(4): 500-508.
[12]	张磊, 李继影, 李钦伟, 张敏策, 郭云丰, 张立栋. 风力机偏航系统控制策略研究现状及进展[J]. 发电技术, 2021, 42(3): 306-312.
[13]	黄树帮, 陈耀, 金宇清. 碳中和背景下多通道特征组合超短期风电功率预测[J]. 发电技术, 2021, 42(1): 60-68.
[14]	杨正瓴, 王如雪, 乔健, 张玺, 杨钊, 张军. 大气压的差值对风速空间相关性预测的影响分析[J]. 发电技术, 2020, 41(6): 617-624.
[15]	宋晓辉, 梁恒, 陈新明, 普建国, 廖军林, 伍刚, 尹金亮. 1000MW超超临界机组调阀快关边界条件分析与应用[J]. 发电技术, 2020, 41(6): 689-696.

基于前馈预测的电液伺服PID控制系统

A PID Control System of Electro-Hydraulic Servo Based on Feedforward Prediction

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

参考文献

相关文章 15

编辑推荐

Metrics