摘    要：针对大型火电机组具有控制对象复杂、非线性、大滞后、模型难以建立等特点，设计协调控制系统的控制策略。小波神经网络具有良好的函数逼近能力和模式分类能力，广义预测控制对比较复杂的工业生产过程呈现良好的控制性能和鲁棒性：通过训练小波神经网对大型火电机组建模得到预测模型，然后利用了模型辨识过程中已获得的数据，计算广义预测控制率，避免了广义预测控制求解丢番图方程带来在线计算量较大的缺陷二仿真结果表明，该方法能保证功率、主蒸汽压力快速平稳地跟踪其设定值，具有较好的鲁棒性，为解决大型单元机组协调控制问题提供了一条有效的途径

关键词：单元机扭；小渡神经网络；广义预测控制

中图分类号：tp 273    文献标识码：a

  火电厂大型单元机组控制对象具有非线性、强耦合、大滞后、模型难以准确建立等特点，属于复杂难控的大型生产过程。在常规局部控制系统基础上发展起来的协调控制系统是解决这个问题的有效途径。协调控制系统控制策略的设计直接决定了系统的控制品质。因此，先进控制技术在其中的应用研究对提高资源利用率和保证电厂的安全稳定运行具有重要的意义。目前，小波神经网络以其独特的优点引起了人们的极大关注，并成为非线性系统建模与控制的重要方法。预测控制是近年来发展起来的一种新型的计算机控制算法。由于其对模型的依赖性弱、易于实现、控制的综合效果好等诸多优点，在工业过程控制中得到了广泛的应用。

  本文利用小波神经网络对大型单元机组进行辨识和预测，用广义预测控制方法进行控制，为解决大型单元机组防调控制问题提供一条有效的途径。

    1)基于小波神经网络的预测模型  小波变换通过尺度的伸缩和平移对信号进行多尺度分析，能有效提取信号的局部信息。神经网络具有自学习、自适应和容错性等特点，是一类通用的函数逼近器。结合神经网络和小波分析的优点，1992年，zhang qinghua和benveniste茸先提出了小波神经网络( wniy)的概念和算法口。小波神经网络的基本思想是用小波元代替神经元，即用已定位的小波函数代替sigmoid函数作激励函数，通过仿射变换建立起小波变换与网络参数之问的联系。小波神经网络能够通过训练自适应地调整小波基的形状实现小波变换，同时具有良好的函数逼近能力和模式分类能力j3j。多输入多输出小波神经网络的结构图，如图1所示。

   

    图中，xk为输入层的第k个输入样本，yj为输出层的第j个输出值，vik为连接输入层节点k和隐层节点i的权值，wij为连接隐层节点i和输出层节点j的权值。

    若ai和bi分别为隐层第i个节点的伸缩平移系数，p为输入样本的模式个数，m为输入层节点个数，n为隐层节点个数，n为输出节点个数。

    则网络隐层第i个节点输入为

  

    隐层第i个输出是由母小波函数经过伸缩平移后产生一组小波基函数，数学表达式为

    输出层第j个输入为

    则小波神经网络的模型可以表示为

    本文中小波神经网络采用误差反向传递算法进行训练，自适应地调整小波伸缩平移系数和网络权值。若设x_b^p为第p个模式的第k个输入，y_j^p为第p个模式的第j个网络输出，群为第p个模式的第j个期望输出，定义误差函数为