模糊神经网络控制在汽温系统中的应用
牛培峰，郭兴华，孟凡东
(燕山大学工业计算机控制工程村北省重点实验室，河北秦皇岛066004)
摘 要：针对采用常规pid串级控制方法控制火电厂过热汽温系统难以获得满意的控制效果的问题，将模糊控制和神经网络相结合，详细介绍了模糊神经网络控制器的设计过程，利用神经网络实现模糊推理，并对隶属函数进行调整，从而使其具有自适应和学习能力。将其应用于过热汽温控制系统中，仿真研究表明该方法能较好地适应对象特性的变化，基本上可以消除振荡，具有超调量小，鲁棒性强等特点，且控制系统的性能比常规串级控制系统有较大的提高。
关键词：火电厂；过热汽温；串级控制；模糊神经网络
中图分类号：tp 27 文献标识码：a
1引 言
火电厂锅炉过热汽温（主汽温）是锅炉的主要参数之一，对电厂的安全经济运行有重大影响。过热汽温控制系统大多数采用串级pid控制方式，该控制算法简单、鲁棒性强、可靠性高，但是由于大多数工业过程往往表现出非线性、时变、迟延等特性，因而采用固定参数的线性pid控制器常常不能获得满意的控制效果。同时，随着机组向着大容量，高参数的方向发展，主汽温对象也越来越复杂，大惯性、大迟延和时变特性给蒸汽温度调节带来很大困难。
本文提出了将模糊神经网络控制器( fnnc)作为主调节器的新型过热汽温控制系统，并且将其与采用常规pid串级控制系统进行了比较，同时，仿真结果表明基于模糊神经网络控制的过热汽温控制系统有了较强的适应性和鲁棒性，提高了控制系统的自调整、自学习的性能，有效地改善了系统的动态性能。
2 fnnc的设计
1)模糊神经网络模糊控制是一种不依赖于被控过程数学模型的仿人思维的控制技术。它利用领域专家的先验知识进行近似推理，但在工程实际应用中对于时变参数非线性系统，却缺乏在线学习或自调整的能力。
如何自动生成或调整隶属函数或调整模糊规则，是一个很复杂的问题。而神经网络对环境的变化却有极强的自学习能力，并且具有并行处理及泛化能力。将模糊理论的知识表达容易和神经网络自学习能力强这两种优势有机结合起来，取长补短，提高整个系统的学习能力和表达能力，从而达到以神经网络及模糊逻辑各自的优点弥补对方不足的目的．
网络分为4层，第1层为输入层，第2层将输入进行模糊化，第3层进行模糊推理，第4层进行去模糊化操作。每个输入变量划分为7个隶属函数，每个模糊变量的词集为正大( pb)、正中( pm)、正小(ps)、零(ze)、负小(ns)、负中(nm)、负大(nb)，则整个网络的输入输出映射关系如下：
第1层（输入层） 神经元仅仅是将外部输入引入网络，不执行任何的信息处理。
第2层（模糊化层）本层采用高斯函数为隶属函数，对输入进行模糊化处理。
式中aim，bim。分别为第i个输入对应的第m个模糊集高斯函数的中心值和宽度。
此层连接权值都取为1。
第3层（推理层）每个神经元代表一条模糊规则，执行操作，用乘积代替取小运算，此层连接权值都取为1。
第4层（去模糊化层）执行去模糊化操作。
式中，u 表示控制量的输出；职表示连接权值。
aim，bim，wj形这3个为可调参数，可通过模糊神经网络控制器的学习算法进行调节，使控制器的输出能对被控对象实时控制。
|
