欢迎来到天天文库
浏览记录
ID:36621063
大小:1.99 MB
页数:52页
时间:2019-05-13
《基于神经网络的再热汽温控制系统的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、哈尔滨工业大学工学硕士学位论文摘要在火电厂热工生产过程中,再热蒸汽是整个汽水通道中温度最高的工质之一,其温度过高或过低,都将给安全生产带来不利影响,因此,必须严格控制再热器的出口蒸汽温度,使之不超出规定的范围。再热汽温对象迟延和惯性都比较大,干扰因素多,对象模型不确定,在热工自动调节系统中属于可控性较差的一个调节系统。目前热工过程控制中,传统的控制方法如PID等得到了广泛的应用,但这种方法在系统负荷稳定时能够取得比较好的控制效果,而在系统负荷有较大的波动时,则难以稳定及时的对系统进行控制。随着智能控制的深入研究,智能控制为火电厂热工过程自动控制提供了新的方法。首
2、先,本文分析了影响再热蒸汽温度变化的各种扰动因素。在研究影响再热汽温变化的四个主要扰动因素即负荷,烟气流量,汽一汽旁通和减温水流量变化时系统动态特性的基础上,采用神经网络建模的方法,建立了再热蒸汽温度系统的数学模型,主要包括减温水流量与再热汽温关系模型,负荷与再热汽温关系模型,烟汽流量与再热汽温关系模型,旁通阀开度与再热汽温关系模型,仿真结果表明建模所用的径向基函数网络具有快速逼近非线性函数的能力。然后,根据神经元控制理论,设计了增益可调的神经元自适应PID控制器,并建立了控制系统的SIMULINK仿真模型。通过仿真试验,将神经元自适应PID控制系统与常规PID
3、控制系统做了对比,分别在加入负荷扰动、烟汽流量扰动、旁通阀扰动及三种扰动同时作用和对象参数发生变化等情况下进行了比较,结果表明,神经元自适应PID控制器有着更好的控制效果,在抗干扰和适应工况变化方面都优于常规PID控制器。最后,在研究DCS控制组态基本原理的基础上,在组态软件平台上运用功能模块组态的方法,进行了增益可调的神经元自适应PID控制算法的组态,从而完成了该控制算法的软件实现。关键词再热蒸汽;神经网络建模:神经元;仿真;组态哈尔滨工业大学工学硕士学位论文AbstractThereheatsteamisoneofthemaximaltemperaturem
4、aterialsinthewholesteamchannelsattheprocessingofthermodynamicengineeringinpowerplant.Ifthesteamtemperatureistoohighortoolow,itwillbringondangerousfactors,wemustcontrolthesteamtemperatureintheoutletofthereheatertoanexpectedrange.Ithasbiginertiaanddelay,manydisturbances,anditsmodelisun
5、certain.Itisthesystemdifficulttocontrolintheprocessingofthermodynamicengineering.AtPresent,thetraditionalcontrolsuchasPIDisimplementedwidely.Butitworkswellonlywhentheloadissteady-goingandcan'tworkwellwhentheloadfluctuateswithawidemargin.Withstudyingofintelligentcontrol,itprovidesanew
6、controlmethodfortheprocessingofthermodynamicengineeringinpowerplant.Atfirst,thepaperanalyzesmanydisturbancefactorsinthereheatsteamtemperature.Itbuildsmathmodelsofthereheatsteamsystembymeansofneuralnetworkonthebasisofanalyzingfourmajordisturbancefactorsincludingload,smokeflux,by-passv
7、alueandwaterflux.Thesemodelsincludewaterflux-temperaturemodel,load-temperaturemodel,smokeflux-temperaturemodel,by-passvalue-temperaturemodel.SimulationresultsshowthatRBFnetworkhastheabilitytoapproximatenonlinearfunctionrapidly.Basedonneuronnetworktheory,thispaperdesignsneuronself-ada
8、ptivecontrol
此文档下载收益归作者所有