基于BP神经网络整定的PID控制器在汽温控制中的应用.pdf

维普资讯 22 东北 电力技术 2O06年第8期 基于 BP神经网络整定的PID控制器 在汽温控制中的应用 ApplicationofAdjustedPIDControllerBasedon BPNeuralNetworktoSteam Temperature 王 万召 (平顶 山工学院，河南 平顶 山 467OOO) 摘要：通过将BP神经网络和常规 PID控制器结合，提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用 于主汽温控制 ，可以有效克服过热汽温对象的大滞后和大惯性，并能够克服对象在运行中参数变化的影响，获得 良好的控 制品质。仿真试验表明该系统在控制品质 、鲁棒性方面明显优于常规PID控制系统。 关键词：BP神经网络；PID控制器；超临界机组；过热汽温；大迟延 [中图分类号]TP183 [文献标识码]B [文章编号]1004—7913(2006)08—0022—03 火电厂锅炉过热汽温控制系统是提高机组热效 统结构如图l所示，控制器 由两部分构成 。 率和保证机组安全运行的重要组成部分。过热蒸汽 温度的干扰因素很多、很频繁，且扰动量很大，各 种扰动作用下过热蒸汽温度动态特性具有大迟延、 大惯性、时变性和非线性的特点。这一点在超临界 机组中尤为突出。采用固定参数常规PID控制这样 的对象，难 以在稳定性和控制品质间取得折衷，即 图 1 基于 BP神经 网络 的PID控制 系统结构 使整定出一组相对理想的参数，在对象特性变化 时，控制品质也难以保证。针对这种情况，需要一 a． 经典的PID控制器。直接对被控对象进行 种PID控制器，其输出的控制作用不仅与偏差大小 闭环控制，并且 3个参数 kp，k，kd为在线整定。 有关，而且与被控对象的状态有关。这就要求 PID b．神经网络 NN。根据系统的运行状态，调 的控制参数 后。，k，kd，能够根据偏差大小和对象 节PID控制器的参数，以期达到某种性能指标的最 状态的变化 自动修正，保证控制系统的调节品质基 优化。即使输出层神经元的输出状态对应于PID控 本不变。而神经网络所具有的任意非线性表示能 制器的3个可调参数 kp，k，kd，通过神经网络的 力，恰好可以通过对系统性能的学习来寻找到与实 自学习、调整权系数，从而使其稳定状态对应于某 际工况相适应的最佳组合 PID控制参数 k，k， 种最优控制下的PID控制器参数。 经典增量式数字PID的控制算法为 。 M (k)=M (k一1)+△M () (1) 本文将 BP神经网络与常规 PID控制器相结合， Au (k)= (e(k)一e(k一1))+kie(k)+ 通过神经网络对系统性能的学习寻找到最佳组合的 PID控制参数，并将其直接馈送给常规 PID控制 d (e (k) 一2e (k一1)+e (k 器，从而得到基于BP神经网络整定的PID控制器， 一 2)) (2) 并将这种控制器用于超临界机组过热汽温的控制。 设BP神经网络NN是一个三层BP网络，有 仿真结果表明基于BP神经网络整定的PID控制器 个输入节点、Q个隐含节点、3个输出节点。输入 具有较强的自适应能力和鲁棒性，其控制品质优于