基于RBF神经网络的水轮发电机组动态建模.pdfVIP

19。8 №l-12No,2 998年第12卷第2期． 测试技术学报 基于RBF神经网络的水轮发电机组动态建模 _『艮7； 张建明 王宁 王树青 “_i+7弓 (浙江大学工业控制拄术国家重点实验室，杭州310027) 摘要针对永轮发电机组具有复杂动态特性和不砖定性难以精确建楗的特点，本文提出 了采用径向基函教(瑚3F)神经网络的水轮发电机组动态建模算法，并进行了仿真实验．实验 结果表明用RBF神经网络可方便地建立复杂对象的动态模型，iiji且具有较高的精确度． 关键词径向基函数O啦F)神经网络：水轮发电机组；动态建模 0引盲 动态系统的建模与辩识是冉动控制中十分重要的领域之一．对于很多存在着不确定性 和复杂性的实际工业过程来说，几乎不可能建立其精确的数学模型，只能采用常规方法建 立其近似的模型，但这样的结果或是因精确度不高或是因方法复杂而难以实际应用．自动 控制中的系统建模可以看成是一个寻找输A输出函数映射的过程．由于神经网络本身所具 有的自学习能力和逼近任意非线性函数的能力，在过程动态建模中受到人们的重视．径向 基函数偎BF)神经网络是一种性能优良的前向髓络，不存在BP神经网络的局部最优问题， 此外它的学习算法简单，学习效率较高，因此它是一种新的动态建模工具”。J．水轮发电 机组是一个具有非线性、不确定性、复杂性，集水、机、电为一体的受控对象，要对其进 行精确建模几乎是不可能的，使用常规方法即使在建立其线性化的动态模型时，精度也较 低，难以满足工程设计的要求．本文通过对水轮发电机组动态特性的介绍，提出采用RBF 神经网络建立水轮发电机组动态模型的算法，仿真实验的结果表明用RBF神经网鳍建立 复杂对象的动态模型是一种具有实用价值的方法． 1 水轮发电机组的数学模型 水轮发电机组的调节系统主要由调速器、随动系统、压力引水系统、导叶、水轮机及 负荷组成，如下图l所示． 豳l水轮机调节系统 二上I皇上立里生—～一盐：一墼!!!：塑生型堕，签f立，j!盐篁!乜生：兰i!盘：垒芷i垒cl￡垡，U笠!————!|1 水轮发电机组垃’个非线。阽n?变rJ．其育部分分伽参数及不确定性的复杂系统．要懋 精确建立其数学模型足极其蹦雌的。’r程设汁中常通ji建、Z洲钮对象近似的线性化模型 来进行水轮机组旧建器构没汁。I目}中水轮熨电帆系统各环柏的动忠特性可描述如下： 1．1水轮机动态特性 由文【3I町知，对于混溉式水轮帆．其动态特N：ttj表达为 IM，=M。(Ⅳ，，?，吖) IQ=Q，(1-／，玑a) 式中，M。为水力矩，Q，匀流量．H为水头，n为转述，d为导卧=¨：度 Q，、H、-1，a的柑对偏差量分班i己为Ⅲ，叮，．h，_r霹lf、山(1)式uj僻 l，77，二=m：(h，x，r) 【q，=q．(^、r，f) 在小波动时，将(2)式在一作点附近展肝为索柚缎敢，评略去合_阶以』=导数的各项，可 得到如下的六系数水轮机动态特性表达式 扭2■!。x、j，。ii 。)‘。’ 【q，=rm^+ldq．。r。rq?r 由于导叶肝鹰a与主接力器行程Yh幽’渐廷线性戈系r=^：n c，=k,e，，Pm：^，。∥必3)』E变为 f一7f=c^疗TF，x十P．j，^ { lqf：P驴^+P。。x—F…r。 式中 ff = = ．堕历 q盟觑 盟钆 ‰ 等．％=案，．％ 1．2压力引水系统动态特性 当水体驶锊壁的弹性对水占的影Ⅱ∞较小删，i，H认为是目Ⅱ性水击情况，这时引水系 统的动念特陀I=l_『描述为 打：一7：霉