水輪機調節(jié)系統(tǒng)控制策略及模型辨識方法研究.pdf

1、水電機組系統(tǒng)是具有時變、非線性、非最小相位等特性的復雜系統(tǒng)，其控制的可靠性是水電廠安全運行的關鍵。為了提高系統(tǒng)的控制性能，設計出控制效果更好的水輪機調節(jié)器，在全面總結現(xiàn)有水電機組系統(tǒng)控制策略和辨識方法成果的基礎上，結合水電機組控制系統(tǒng)特性，引入智能控制系統(tǒng)，對水電機組系統(tǒng)辨識和控制方法做了深入研究，提出了具體的改進措施和智能控制器的設計方法，并給出了仿真結果。 在分析水電機組經典數(shù)學建模和常規(guī)人工神經網絡建模方法基礎上，提出了基

2、于Takagi-Sugeno型的ANFIS網絡進行水電機組辨識方法，并針對該方法在誤差較小時訓練網絡參數(shù)收斂速度慢的問題，采用擬Newton算法和梯度下降混合學習算法進行參數(shù)的訓練學習，使ANFIS辨識網絡具有很好的實時性，對水電機組進行辨識提供了一種新途徑。 針對常規(guī)PID控制存在的問題，詳細分析了現(xiàn)有的PID控制優(yōu)化方法，并對這些優(yōu)化方式進行了設計和仿真；結合仿真實驗結果，分析了其優(yōu)缺點，為選擇較好的優(yōu)化PID方法提供了依據

3、，在此基礎上提出了采用經過模糊整定的PID控制與模糊控制并聯(lián)揉合構成的水電機組控制器，仿真結果驗證了其有效性。 為了提高系統(tǒng)控制性能，設計了水電機組模糊神經網絡控制器，詳細介紹了其控制器結構、模型和學習方法。為了克服基于誤差反傳的模糊神經網絡控制器學習過程容易產生振蕩和收斂速度慢的缺點，提出了采用自適應學習訓練算法。為確保模糊神經網絡控制器學習過程的穩(wěn)定和收斂，采用Lyapunov理論對模糊神經網絡學習參數(shù)進行了優(yōu)化，仿真結果驗

4、證了其有效性。 針對模糊神經網絡設計和仿真過程中的結構參數(shù)選擇具有一定的主觀性和試探性的問題，提出將軟計算方法應用于水電機組控制器設計中，設計了基于模糊推理系統(tǒng)、神經網絡、遺傳算法相融合的水電機組控制器，給出了控制器的結構和設計方法，針對遺傳算法優(yōu)化中存在的早熟等問題，提出了采用改進遺傳算法進行優(yōu)化的方法。為了防止水電機組大擾動時模糊神經網絡學習速度慢、易陷入局部最優(yōu)引起控制效果不佳或引起不穩(wěn)定現(xiàn)象的發(fā)生，控制器中并聯(lián)了監(jiān)督控制