電廠熱工過程神經網絡建模與控制的研究.pdf

1、電廠熱工過程對象具有延遲、時變、非線性和耦合等特點，難以建立精確的數(shù)學模型，傳統(tǒng)的建模方法不能滿足仿真技術發(fā)展對模型精度提出的更高要求；常規(guī)PID控制在電廠熱工過程控制中難以取得滿意的控制效果，基于現(xiàn)代控制理論的控制方案因其對模型的精度要求高，難以廣泛地應用于電廠熱工過程控制中。人工神經網絡具有聯(lián)想、記憶、自適應、自學習和適于處理非線性問題等優(yōu)點，提供了辯識時變和非線性對象有效的方法，解決了此類對象控制中的瓶頸問題。 本文采用最

2、小資源分配網絡(MRAN)分別建立了過熱汽溫和單元機組負荷的神經網絡模型，并將過熱汽溫神經網絡模型轉化為傳遞函數(shù)模型，仿真結果表明該模型具有動態(tài)調節(jié)隱含層單元數(shù)、學習速度快和精度高等特點。針對電廠熱工過程的特性、在已有控制策略的基礎之上，進一步研究并提出了模糊神經元自適應控制、基于反饋誤差學習原理的資源分配網絡控制和神經網絡解耦預測函數(shù)控制等新方法。由于這些控制策略無需被控對象的數(shù)學模型，而且適應性較廣，分別將這些控制策略應用于給水控制