单神经元pid控制在电厂过热汽温中应用

《单神经元pid控制在电厂过热汽温中应用》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、单神经元PID控制在电厂过热汽温中应用　　摘要：介绍了单神经元PID结构及其相关算法。以过热汽温系统为对象，研究了单神经元相关参数以及单神经元PID控制器的抗干扰性。仿真结果表明，单神经元PID控制器结构简单、学习算法物理意义明确，参数调整容易，抗干扰能力强。单神经元PID控制器是一种具有自学习能力和自适应能力的良好控制器，控制效果好，鲁棒性强。关键词：单神经元PID；抗干扰性；过热汽温中图分类号：TM62文献标识码：A引言过热汽温系统属于典型的多容环节，其对象具有较大的惯性和延迟性，受到的干扰因素多，具有非线性、时变等特点

2、。电厂过热蒸汽温度控制系统大多采用串级PID控制方式【1】。常规的PID串级控制系统具有结构简单、易于实现等特点。由于过热汽温系统具有非线性和不确定性，且当发电机组向大容量发展，被控对象变得越来越复杂时，常规的汽温串级PID控制已经不能完全满足汽温控制质量的要求，PID控制参数难以确定，控制品质很难保证，而且系统的安全稳定会受影响。5目前得到广泛应用的人工神经网络对于多输入.输出非线性复杂系统具有很强的处理能力它能够以任意精度逼近任意连续非线性函数。对于复杂不确定问题具有自适应能力和自学习能力【2】。当被控对象具有复杂的非线

3、性特性、难以建立精确的数学模型、且对象和环境不确定性时，常规串级PID控制往往难以实现，而神经网络PID却能达到很好的控制效果，通过自学习过程来获得控制器的参数，可以进一步改善控制器的性能，对系统参数变化有较强的适应能力，能很好地改善过热汽温的响应特性。1过热汽温经典串级控制系统模型目前电厂过热汽温控制一般采用串级控制方式.为了克服控制通道的滞后和惯性,采用了由导前汽温和主汽温串级构成的串级汽温控制系统【3】,其原理框图如图1所示.被控对象采用文献【4】所给的参数。图1过热汽温串级控制系统图图1中：r—过热汽温期望值，为系统

4、输入；，—汽温控制对象导前区和惰性区的传递函数，；，—导前汽温和主蒸汽温度测量单元，==1；—内回路副调节器，=0.4；PI—外回路主调节器，.2单神经元自适应PID控制5单神经元自适应PID控制器是通过对加权系数的调整来实现自适应，自组织功能，权系数的调整时按有监督的Hebb学习规则实现的[4]。单神经元自适应PID控制的结构如图（2）所示。图2单神经元自适应PID控制结构控制算法及学习算法为：(1)(2)(3)(4)(5)式中，分别为积分，比例，微分的学习速率，为神经元比例系数，，为加权系数。值的选择很重要，越大，则快速

5、性越好，但超调量大，甚至可能使系统不稳定。当被控对象时延增大时，值必须减少，以保证系统稳定。值选择过小，会使系统的快速性变差。由以上算法可知，单神经元控制部分本质上仍然是PID算法，三个输入权值分别就是PID控制器的积分、比例、微分系数，但是神经元网络权值(i=l，2，3)均能在线调整，具有较强的自学习和自适应能力，能适应环境变化或模型不确定性，增强系统的鲁棒性。但是值的选择只能靠专家经验。2.1单神经元参数分析5针对过热汽温串级控制系统模型,，取输入信号为阶跃信号r=1.0,设P,I,D的初始值为零，采样时间为1s,学习速

6、率分别为：,,，神经元的初始权值,神经元的比例系数。分别改变单神经元参数，的大小，观察仿真曲线的变化，分析仿真曲线，我们可以做出以下结论：（1）越大，则快速性越好，但超调量大，甚至可能使系统不稳定,值选择过小，会使系统的快速性变差。(2)学习速率越大，则超调量越小，系统越稳定，但是系统学习时间变长，达到稳定的时间变长。（3）学习速率越大，则超调量越大，系统越不稳定，甚至出现震荡现象，越小，达到稳定的时间越长。（4），系统对学习速率不敏感。学习速率越大，系统的快速性越差。在小于1时，系统输出曲线几乎不变。2.2单神经元的抗干扰

7、性分析在原来的被控对象的基础上添加扰动信号，为在1200个采样时间下的外加干扰,。为了考察单神经元控制器的抗干扰能力，当系统运行在t=1200s时，在被控对象的输入端加一个幅值为0.1的脉冲扰动信号，由仿真结果可知，单神经元PID控制器具有一定的抗干扰能力。5.总结5本文针对过热汽温串级控制系统，研究了单神经元自适应PID控制器,并在matlab中进行了编程实现。单神经元结构简单，参数设置容易，具有较强的抗干扰性，能够达到较好的控制效果。神经元比例系数对系统性能影响大，学习速率对系统性能不敏感。参考文献[1]周光明，马永光，

8、神经网络在火电厂过热蒸汽温度控制系统中的应用[J]，仪器仪表用户，2005，12（5）：67-68。[2]江颖，王静，许伟明，左小伍，基于RBF的改进单神经元PID控制[J]，仪器仪表学报，2005，26（8）：345-346。[3]薛阳，叶建华，钱虹，杨旭红，火电机组过热汽温神经网络控制