基于物理信息神经网络的 HRSG 余热器超声管故障容错温度控制：阀门泄漏稳定性分析
系统与控制
2025-12-02 v1 系统与控制
摘要
热回收锅炉 (HRSG) 中的故障和运行扰动，如阀门泄漏， presents 给制造业带来严重挑战， disrupt 蒸汽温度调节， potentially 导致效率损失、安全风险和单元停机。传统比例-积分 (PI) 控制器因系统固有的延迟、非线性动力学以及静态增益限制， struggle due to inherent system delays, nonlinear dynamics, and static gain limitations。本文提出一种故障容错温度控制框架， 将 PI 控制与前馈控制策略集成于物理信息神经网络 (Physics-Informed Neural Networks, PINN) 中。前馈组件用于预测扰动， 提前调整控制动作， 而 PINN 则在实时内嵌热力学约束下自适应调节控制增益， 管理变化的运行条件和阀门泄漏故障。基于 Lyapunov 的稳定性分析确认了在有界泄漏条件下温度跟踪误差的渐近收敛性。使用 Pareh-Sar 组合循环电厂的运行数据进行仿真， 结果表明响应时间显著缩短， 温度偏差降低， 故障鲁棒性提升， 控制增益平滑调整。该自适应数据驱动方法在工业部署中展现出强大的潜力， 确保 HRSG 系统可靠运行、自动故障恢复及性能提升。
引用
@article{arxiv.2512.00990,
title = {Fault-Tolerant Temperature Control of HRSG Superheaters: Stability Analysis Under Valve Leakage Using Physics-Informed Neural Networks},
author = {Mojtaba Fanoodi and Farzaneh Abdollahi and Mahdi Aliyari Shoorehdeli and Mohsen Maboodi},
journal= {arXiv preprint arXiv:2512.00990},
year = {2025}
}