汽包水位的模糊调整自适应神经网络控制仿真研究

《汽包水位的模糊调整自适应神经网络控制仿真研究》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、维普资讯http://www.cqvip.comNo2电力科学与工程2006ELECTRICP0WERSCIENCEANDENGINEERING·43·文章编号：1672—0792(2006)02—0043—04汽包水位的模糊调整自适应神经网络控制仿真研究毛新静，刘健夫，韩璞，焦嵩鸣(1．华北电力大学自动化系，河北保定071003；2．华北电力大学校长办公室，河北保定071003)AdaptiveNeuralNetworkControlforDrumWaterLevelBasedonFuzzySelf-

2、tuningMAOXin—jing，LIUJian—fuHANPu，JIAOSong—ming(NorthChinaElectricPowerUniversity，Baoding071003，China)Abstract：FuzzyInferenceEngine(FIE)isusedtotrainneural面积减少，加快了汽包水位的变化速度；锅炉容量networkcontrollersonline．Thecontrolstrategypossessesfeed的扩大，提高了锅炉受热面的热负荷，使锅炉负

3、荷forwardcompensationabilityforsteamflowdisturbancebyintro—变化对水位影响加剧J。因此，迫切需要一种鲁棒ducingthesteamflowsignaltoneuralnetworkcontroller．Robust性强、算法相对简单的快速控制方案。controllerisconstructedtoguaranteegoodregulatingperformanceKawato等人在直接自适应控制中，通过并联一whiledynamicbehavio

4、rofthecontrolledplantchangesorexternal个普通的反馈控制器，利用反馈误差法来训练神经steamflowdisturbanceexists．IncontrasttoconventionalcascadePIDcontro1．simulationresultsindicateefficiencyandsuperiority网络，使之成为系统的逆动力学模型，构成了一种oftheprclp0c州strategy．监督控制结构。FANNC(模糊调整自适应神经网Keywords：

5、neuralnetworks；adaptivecontrol；feedforward络控制)在此基础上进行改进，利用模糊推理机产compensation；drumwaterlevel生的分目标学习误差代替反馈控制器的输出信号训摘要：提出了一种基于模糊调整的自适应神经网络控制策练神经网络，使神经网络的学习与系统的实际跟踪略，将其应用到电站锅炉汽包水位的仿真研究中。应用模糊过程相适应，避免了控制器的输出产生振荡或进入推理机在线训练神经网络控制器。将蒸汽流量信号作为神经饱和状态J。网络的输入，使系统具有前馈补

6、偿能力。构造了鲁棒控制本文将模糊调整自适应神经网络控制结构应用器，保证在控制初期以及对象特性变化的情况下系统具有很强的鲁棒性。仿真结果表明了该控制策略的有效性。到锅炉汽包水位控制系统，将蒸汽流量信号引入到关键词：神经网络；自适应控制；前馈补偿；汽包水位神经网络结构中，提出了对负荷变化前馈补偿的汽中图分类号：TK323文献标识码：A包水位系统的模糊调整自适应控制策略。仿真结果表明，采用该新型汽包水位控制策略具有良好的动0引言态调节品质和很强的鲁棒性。锅炉汽包水位间接地反映了锅炉负荷与给水的1模糊调整自适应

7、神经网络控制器平衡关系，是锅炉运行的主要指标之一。维持汽包水位是保持汽机和锅炉安全运行的重要条件⋯。目1．1控制器的结构前，在汽包水位控制策略上已形成了单冲量、双冲提出的FANNC结构如图l。它由一个FC(反量和三冲量等多种成熟的控制方法。但在具体的工馈控制器)和一个NNC(神经网络控制器)组成，业现场，却仍不能保证水位控制的高自动投运率。二者的输出信号之和作为实际控制量对系统进行控其主要原因是近年来锅炉参数的提高和容量的扩大，制。对给水系统提出了更高的要求：汽包蓄水量和蒸发“(k)=“(k)+“f(k

8、)(1)收稿日期：2006—03—28；修订日期：2006—04—07图l中：r为参考输入；e为系统跟踪误差；“f和维普资讯http://www.cqvip.com·44·电力科学与工程采用Mamdani模糊推理算法和重心法进行反模糊化，得到分目标学习误差：=K*Fuzzy(Kf·“f，Kf·f)(6)号哩图1模糊调整自适应神经网络控制结构揣Fig．1StructureofFANNCu分别为FC和NNC的输出；为模糊推理机FIE的输出信号；