人工神经网络自适应控制系统讲解.pptVIP

人工神经网络自适应控制系统 演讲人：李晓磊 2014.4.10 用一个实际应用例子描述如何运用人工神经网络的自学习和自适应特性解决过程控制中的自适应控制问题。 某电厂有一台30万KW火力发电机组，因作为调峰机组，一天24小时内负荷变化很大，而且再热汽温在低负荷下比主汽温度偏低30摄氏度以上。原有的再热汽温控制系统，由于主气温度控制系统比再热汽温控制耦合很严重，致使再热温度控制系统部能正常地运行，这些问题给机组的安全性和经济性带来了不良的影响。为了提高机组的经济性使再热汽温能控制到接近于主汽温度，可以采用ANN自适应控制系统。 1 实际例子 1 图1 锅炉机组布置简图 控制再热汽温度的控制量有两个： 烟气再循环量和摆动燃烧器火嘴倾角。 烟气再循环量是主要的控制手段，它是利用风机把省煤器出口处的烟气重新送入炉膛，循环烟气量由风机出口处的挡板开度来调节，从而改变炉膛及烟道中的对流传热量。 摆动燃烧器火嘴倾角的调节范围为+30~-30摄氏度，通过调节火嘴倾角可以改变火焰的上下位置，从而改变炉膛内的辐射传热量。 1 再热汽温调不上去的原因在于 两个调节手段对主汽温度和再热汽温都有影响，也就是说主汽温度与再热汽温存在强耦合，即调节摆动火嘴倾角或循环风量虽然能使再热汽温提高到符合要求的数值，但这时低温过热器出口的汽温经常出现超温，因而影响了机组的安全。为了避免超温现象，采用了再热汽温解耦控制方案。 1 图2 静态解耦系统框图 在图中， 为关联支路的传递函数； 为调节器的传递函数；r为再热汽温的设定值； 、 分别表示烟道挡板开度和摆动火嘴的倾角； 、 分别表示再热汽温和低温过热出口温度； 、 为增益补偿量。根据静态前馈补偿原理，当 （2-1） （2-2） 时，应有 ， （2-3） 其中 分别为关联支路的静态增益、时间常数、时间迟延和阶次，由飞升特性法求得； 分别为PID调节器的比例增益、积分时间和微分时间。 1 对下图1所示的系统做了在20万千瓦下再热蒸汽温度设定值r发生阶跃变化（+10摄氏度）时的解耦仿真实验后，仿真结果如图2所示。从系统达到稳态后的结果来看，达到了控制的静态要求，即把再热汽温度 提高到设定值，而维持低温过热器出口温度 不变。但从动态过程来看， 的波动较大。这是静态解耦存在的缺陷。 1 图3 在20万KW负荷下静态解耦控制仿真 为了使解耦动态过程有所改善，在原有解耦系统的基础上增加了一个补偿环节 形成了下图所示的解耦系统。 1 图4 改进后的解耦控制系统 由上图所示的关系可以推导出， （2-4） （2-5） 进一步不难得出 、 关于设定值r的传递函数：