在信号处理中,噪声往往是非平稳和随时间变化的,传统方法很难解决噪声背景中的信号提取问题。通过对自适应噪声消除原理的研究,介绍了基于参考信号和基于预测原理的两种自适应噪声消除(ANC,Adaptive Noise Cancellation)方法,分析对比了基于最小均方(LMS,Least Mean Squares)、递推最小二乘(RLS,Recursive Least Squares)和平方根自适应滤波(QR-RLS,recursive least squares based on QR decomposition)三种噪声消除算法的性能。仿真结果表明:这几种算法都能从高背景噪声中有效地抑制干扰提取出有用信号,显示出了良好的收敛性能。相比之下,RLS算法和QR-RLS算法呈现出更快的收敛速度、更强的稳定性和抑噪能力。
在火电机组运行过程中,出于系统运行稳定性与安全性的考虑,很难在开环条件下进行过热汽温对象模型辨识。而在闭环条件下,由于不可测噪声通过反馈环节与控制输入信号相关,用常规开环辨识算法进行建模将产生较大的估计误差。为克服闭环辨识中噪声的影响,提出了基于RLS(recursive least squares,递归最小二乘)算法的两阶段闭环辨识方法。该方法将闭环辨识问题转换成两个开环环节进行信号处理,通过RLS滤波器的噪声消除构造出无噪声污染的中间信号,再将其应用于RLS滤波器进行模型辨识,达到精确建模的目的。将该方法应用于过热汽温对象的闭环辨识,仿真结果表明该方法建模精度高,能达到满意的辨识效果。
针对热工对象建模难的现状,为达到精确建模的目的,分析了基于RLS(recursive least squares,递归最小二乘)滤波器的热工过程在线建模方法,建立过热汽温系统不同负荷工况点的线性模型,仿真结果和现场数据验证了该方法具有较高的精确度,对分析热工过程对象和控制方案实施具有一定的指导意义和参考价值。
针对过热汽温对象难以用开环辨识算法得到精确模型,使基于模型设计的PID串级控制器难以整定的现状,提出了基于RLS(Recursive least squares,递归最小二乘)算法的两阶段闭环辨识方法,并将辨识模型结合内模控制原理对PID参数进行整定。将该方法应用于过热汽温控制系统,仿真结果验证了该控制器整定方法的有效性。
