多变量pid型神经元网络控制系统在再热蒸汽温度控制上的仿真 the control system of multi-variable pid neuron network and its application in reheated steam temperature control.pdfVIP

多变量PID型神经元网络控制系统 在再热蒸汽温度控制上的仿真 程启明1，郑 勇2 1．上海电力学院上海200090 2．上海大学上海200072 [摘 要] 融合解耦控制理论与神经元网络控制原理，给出了一种多变量的PID型神经网络控制方 法。应用所给出的控剁算法，对火电厂再热蒸汽温度、低温过热器出口蒸汽温度控制进行 了仿真。仿真结果表明，控制算法对再热蒸汽温度控制具有良好的解耦性能和自学习控 制特性，当被控对象参数变化时系统具有较强的鲁棒性。 [关键词]多变量；神经元网络；解耦控制；再热蒸汽温度；PID控制 [中图分类号]TK323 [文献标识码]A [文章编号]1002—3364(2007)09—0027—05 神经网络的信息综合、学习记忆和自适应能力，可 1概述 以处理和控制难以用数学模型描述的、具有不确定性 的被控对象和控制过程。单神经元是神经网络的最基 多输人多输出的多变量关联耦合系统(简称多变 本单元．PID型单神经元控制具有传统PID控制和神 量系统)的控制，一直是控制理论及工程应用研究的重 经网络的优点，可解决单变量系统的控制问题。多个 点．多变量系统的关联耦合性一般会使得系统的控制 PID型单神经元交叉关联组成的神经元网络可用于多 性能变差．控制过程较长且不平稳，甚至导致系统无法 变量系统的协调控制，这种网络控制器可在完全不知 正常工作，直接影响控制质量。 道对象内部结构和参数的情况下，通过在线自学习和 ’为了解决耦合影响控制质量问题，传统控制理论 网络权值调整，改变网络中P、I和D作用的强弱，同时 通常采用解耦的方法，设计解耦控制系统使各个控制 对多变量系统进行控制，使系统的每个被控变量只与 系统相互独立，即将各个回路之间相互耦合的多变量 其对应的给定输人有关，而与其它的给定输入无关。 系统变换为若干个相互独立的单变量(sIsO)系统．再此外，各个被控变量都具有良好的动态和静态性能，通 对各变量分别进行控制。但是．解耦器设计要求被控 过各个控制量对被控参数的协调作用，使被控参数按 对象的数学模型已知且为非时变，而在实际过程中难 照给定值的要求变化，实现系统广义解耦控制“．21． 以满足这些条件。多变量系统的关联耦合性也使得内 再热蒸汽温度(再热汽温)具有多变量、强耦合、多 部参数的测算非常复杂；解耦器和控制器互相分割，难 扰动、非线性、大迟延、慢时变等复杂特性，很难建立精 以兼顾，设计过程较复杂。另外，还存在大量非对称的 确的数学模型，其控制难度较大。基于数学模型的传 多变量工业对象(输入与输出个数不同)。因此，解耦 统控制方法难以获得满意的控制效果，其中解决强耦 控制难于实际应用。 含和大时滞是提高控制品质的关键[3“]。对于再热汽 基金项目： 上海市重点学科建设资助项目(P1303．P1301)}上海市教委重点科研资助项目(06ZZ69)． 作者简介：程启明(1965一)，男．江苏盐域人，上海电力学院电力与自动化学院教授．醺士生导师，从事智能控制，电厂自动化等专业的教学与妍究 E-marll chcr培qiming@sina．com 27压匦受E巫囹 万方数据 温这类大迟延对象控制，无法应用传统串联对角精确 2．2控制系统的计算方法 动态解耦技术．因为采用该技术求得的解耦模型含有 按输人层、隐含层及输出层分别计算如下‘“。 超前环节，物理上不可实现。另外