一种火电机组脱硝系统平行过程控制器及平行控制系统

    公开(公告)号:CN115167130A

    公开(公告)日:2022-10-11

    申请号:CN202210839649.7

    申请日:2022-07-18

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种火电机组脱硝系统平行过程控制器及平行控制系统。本发明的平行过程控制器包括平行执行系统、人工系统、仿真实验系统和脱硝程序控制逻辑系统;所述的平行执行系统包括脱硝伪随机序列模块和脱硝外部预测优化控制模块;所述的人工系统包括时段数据采集模块和脱硝系统辨识模块;所述的仿真实验系统包括脱硝闭环仿真实验回路;脱硝程序控制逻辑系统实现对平行执行系统、人工系统和仿真实验系统的时序协调动作,按步序完成平行控制的三个过程。本发明的平行过程控制器能在线自动完成系统闭环辨识实验和控制性能优化试验,从而可有效改善系统控制品质。

    一体化控制系统子系统间通讯时延测试方法及系统

    公开(公告)号:CN114844803A

    公开(公告)日:2022-08-02

    申请号:CN202210536496.9

    申请日:2022-05-17

    IPC分类号: H04L43/0852 H04L67/12

    摘要: 本发明公开了一种一体化控制系统子系统间的通讯时延测试方法,涉及时延测试技术领域,用于解决现有一体化控制系统子系统间通讯时延测试困难的问题,该方法包括以下步骤:事件顺序记录系统接收2路信号,一路来自发送子系统直接发送,另一路由所述发送子系统以通讯方式转发至接收子系统,再由接收子系统输出端接至所述事件顺序记录系统。通过两路信号的接收时间差得到网络通讯时延。本发明还提供了一种一体化控制系统子系统间通讯时延测试系统,通过配置控制系统发送子系统和接收子系统的测试逻辑,产生两路信号,分别接至事件顺序记录系统,通过事件顺序记录系统的接收时间差得到子系统间通讯时延。

    一种工业过程多阶惯性闭环系统的闭环建模方法

    公开(公告)号:CN110244557B

    公开(公告)日:2022-03-15

    申请号:CN201910364806.1

    申请日:2019-04-30

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种工业过程多阶惯性闭环系统的闭环建模方法。本发明的闭环建模方法包括:首先,在多阶惯性闭环系统的控制量上加入正、反向阶跃扰动,采用基于多种惯性滤波的深度学习全连接神经网络训练后获得第一个DNN模型;再在多阶惯性闭环系统的设定值上加入正、反向阶跃扰动,将第一个DNN模型的输出数据与被控对象输出数据作为深度学习随机失活神经网络的输入进行训练,训练好后获得第二个DNN模型,两个DNN模型组成闭环系统模型,以有效辨识出被控对象模型的特性。本发明基于两个DNN模型,在建模过程中只需采用较简单的正反向阶跃激励信号,可以简便、准确的辨识出被控对象模型,有效提高了该类闭环系统的控制品质。

    一种工业控制系统网络中威胁管理方法和系统

    公开(公告)号:CN109688142B

    公开(公告)日:2021-07-06

    申请号:CN201811615420.5

    申请日:2018-12-27

    IPC分类号: H04L29/06

    摘要: 本发明公开了一种工业控制系统网络中威胁管理方法和系统。目前,工业控制系统网络面临不断增长的安全隐患和大量未被解决的安全漏洞,其中任何一个设备被攻击者利用的话,都会使工业设施处于不安全的状态。本发明采用的技术方案为:捕获来自多个工业控制系统网络中联网设备的实时数据,生成工业控制系统的正常运行的数据模型,同时接收外部威胁情报数据,利用控制系统正常运行的数据模型和外部威胁情报分析当前的工业控制系统网络实时数据,确定工业控制系统潜在当前威胁,并预测即将发生的潜在威胁以及严重程度。本发明使工业控制系统的安全从传统的响应式的解决方案转化为预测式的解决方案,使安全隐患在成为真正的问题之前被发现并解决。

    一种基于深度学习的工业过程多阶惯性系统开环辨识方法

    公开(公告)号:CN110222711B

    公开(公告)日:2021-06-18

    申请号:CN201910363068.9

    申请日:2019-04-30

    IPC分类号: G06K9/62 G06N20/00

    摘要: 本发明公开了一种基于深度学习的工业过程多阶惯性系统开环辨识方法。本发明基于深度学习随机失活神经网络,在该网络的输入端设置惯性时间常数为30秒和60秒的一阶惯性滤波环节及惯性时间常数为30秒、60秒和160秒的二阶惯性滤波环节后,形成一个基于深度学习的开环对象辨识器;在辨识开环对象模型时,在开环对象模型的输入端加入正向和反向的阶跃输入,开环对象模型输出相应数据,然后将输入数据和输出数据同时输入开环对象辨识器,深度学习随机失活神经网络经过离线训练后,有效辨识出开环对象模型的特性。本发明能简便、准确的辨识出多阶惯性系统开环对象模型,有效提高了该类系统的控制品质。