摘要
电厂主汽温对象是典型的大惯性、大迟延对象,其动态特性随负荷变化而变化,常规的固定参数PID串级控制难以适应这种变时滞、变参数的特性,控制效果不理想。本文给出了一种具有比例积分特性的Elman动态递归神经网络的结构,讨论了它的BP学习算法;将该递归Elman网络作为具有实时学习能力的内部模型,并以通过辨识学习得到的广义对象的SISO逆模型代替串级控制的PID主控制器作为内模控制器应用于电厂主汽温控制系统,使系统对不确定因素的适应性增强。在不同负荷下的仿真试验实践结果表明该控制系统的动态品质明显优于常规PID控制,而且能适应对象参数的变化,具有较强鲁棒性能。
When the temperature of main steam is taken as the object of control, it will be a typical object of large time-delay process. Satisfactory control effects can hardly be obtained with conventional PID cascade control method that could not adapt itself to the character of dead-time varying and parameter–varying. A kind of Elman dynamic recurrent network model is introduced and its BP study algorithm is discussed in this paper. This type of network is used as internal model and inverse main controller in base of identification of main steam temperature object in thermal plants. This is proved having a dynamic performance superior to conventional PID cascade control. And it is featured by stronger robustness and self-adaptability to accommodate itself to variations of the object’s parameters that could be seen in the simulation results in a wide range of load units.
引文
[1]李少远,陈增强.智能控制的新进展.控制与决策,2000,15(1):1-5
[2][美]A.N.米歇尔, 刘德荣.递归人工神经网络的定性分析和综合.北京:科学出版社,2004
[3]于希宁,刘红军.自动控制原理.北京:中国电力出版社,2001
[4]韩曾晋.自适应控制.北京:清华大学出版社,1994
[5] 徐丽娜.神经网络控制.北京:电子工业出版社,2002
[6]郑大钟.线性系统理论.北京:清华大学出版社,2002
[7] 张栾英,孙万云.火电厂过程控制.北京:中国电力出版社,2000
[8] P.Antsaklis, Special issue on Neural networks on Control Systems .IEEE.Control System Magazine, vol.10, No.3 pp: 3-87 Apr. 1990
[9] G.W.Ng, Application of Neural Networks to adaptive control of nonlinearsystems. Control system center series, UMIST, UK, 1997
[10] K.Hornik, M.Stinchcombe, H.White, Multilayer feedforward neural networksare universal approximators, Neural Networks 2(2) 1989, pp: 359-366
[11] P.Lancaster, M.Tismenetsky, The Theory of Matrices, 2nd Edition: Academic Press. New York, 1985
[12] Hunt, K.J.Sbarbaro, D.Zbikowski, R.Gawthrop, Neural Networks for Control Systems— aSurvey,Automatica, 28(6), pp: 1083-1112, 1992
[13]杨熔,李永华,苏义鑫,用神经网络建立非线性系统模型研究,控制理论与应用,1995,12.81-86
[14] Cybenko.G, Approximation by superpositions of a sigmoidal function, Mathematics Control, Signal&System , vol.2, pp:303-314,1989
[15] Park Y M, U Moon, K Y Lee. An optimal tracking neurocontroller for nonlinear dynamic systems. IEEE Trans on Neural Networks, 1996, 7(5): 1099-1110
[16] Sigeru Omatu, Marzuki Khalid and Rubiyah Yusof, Neuro-control and its applications advances in industrial control , Spring-Verlag London Limited, 1996
[17] Narendra K S, K parthasarathy. Identification and control for dynamical systems using neural networks. IEEE Trans on Neural Networks 1990,1(1):4-27
[18] 林相波,邱天爽.固定结构单元权值对基本 Elman 网络性能影响.大连理工大学学报.2004.44(5):734-737.
[19] 金秀章,刘吉臻.自适应内模控制在主蒸汽温度控制系统中的应用研究.中国电机工程学报.2003.23(10):226-228
[20] 彭 钢 , 阎 海 峰 . 引 进 机 组 过 热 蒸 汽 温 度 控 制 系 统 分 析 . 热 力 发电.2005.(9):23-24.
[21]马宝萍,徐治皋.基于改进的 Elman 网络的内模控制及其应用.热能动力工程.2000.15(8):430-431.
[22]姬巧玲,蔡维由.改进 Elman 网络及其在水轮发电机组故障诊断中的应用.水电自动化与大坝监测.2005.29(6):32-33.
[23]王万召.基于 BP神经网络整定的 PID控制器在汽温控制中的应用.东北电力技术.2006.(8):23-24.
[24]张韶华,黄为民.过热汽温智能控制系统研究.现代电力.2005.22(4):52.
[25]Toshio Inoue,Member,IEEE,Haruhito Taniguchi,and Yasuyuki Ikeguchi.A Model of Fossil Fueled Plant with Once-Through Boiler for power System Frequency Simulation Studies. IEEE TRANSACTIONS ON POWER SYSTEMS. VOL.15. NO.4. 2002.15(4):323-1326.
[26]葛宏伟,梁艳春.进化 Elman 神经网络模型与非线性系统辨识.吉林大学学报.2005.35(5):512-515.
[27]钱征,孙亮,阮晓钢.一种基于递归神经网络的自适应控制方法研究.微计算机信息.2005.21(11).
[28]丛爽,高雪鹏.几种递归神经网络及其在系统辨识中的应用.系统工程与电子技术.2005.25(2).
[29]卢志刚,冀尔康,李伟.基于混合 Elman 网络的非线性自适应逆控制.仪器仪表学报.2005.26(8):351-353.
[30]漆为民,程远楚. PID 型 Elman 网络及在动态系统辨识中的应用研究.控制与决策.2005.20(10):1198-1200.
[31]陈晓东,马广富,王子才.改进的 Elman 网络与机理模型的互补建模方法.系统仿真学报.1999.10(2):98-99.
[32]佟绍成,李庆国,柴天佑.基于神经网络的一类非线性系统自适应输出跟踪.自动化学报.2000.26(3):298-300.
[33]马平,朱燕飞,牛征.基于神经网络的主汽温控制系统.华北电力大学学报.2001.28(2):53-55.
[34]杨旭东,张彤,张家余.遗传算法应用于系统在线辨识研究.哈尔滨工业大学学报.2000.23(1):103-104
[35]刘吉臻,李建强,张栾英,朱成林.用 RBF 网络整定的火电厂主汽温 PID 串级控制系统.动力工程.2006.26(1):91-93
[36] 翟 军 勇 , 费 树 岷 . 基 于 多 模 型 切 换 的 过 热 汽 温 智 能 控 制 . 自 动 化 仪表.2005.26(6):11
[37]吴卫兵.基于 RBF 在线辨识的神经网络 PID 控制及其应用.冶金动力.2006.4
[38] 阮荣耀,杨昌利.关于系统时滞、阶数和系数的在线辨识.华东师范大学学报,2003(3):18-20
[39]彭钢.DEB 协调控制系统基本参数的机理研究.河北电力技术.2005(2)
[40]周洪煜,张坚.基于 Elman 网络的过热汽温隐式广义预测控制.计算技术与自动化,2003.22(1):28-30
[41]张韶华,黄为民.过热汽温智能控制系统研究.现代电力,2005.22(4):51-53
[42]范永胜,程方真.600MW 超临界直流锅炉的动态特性研究.清华大学学报(自然科学版),2000.40(10):106
[43]范永胜,徐治皋,陈来九.基于动态特性机理分析的锅炉过热汽温自适应模糊控制系统研究.中国电机工程学报,1997.17(1):23-26
[44]杨平,彭道刚,王志萍,杨艳华.热工过程时滞对象的神经网络内模控制.计算机测量与控制.2004.12(9):838
[45]张栾英,李瑞欣.采用模拟退火算法的 Elman 网络及在热工过程建模中的应用.中国电机工程学报.2006.25(11):93
[46]彭道刚,杨平,韩璞,杨艳华.基于并行自学习的神经网络内模控制及其应用研究.计算机仿真,2004.22(3)
[47]梁义涛,沈宪章,刘新宇.基于自适应神经网络内模控制的控制器设计实现.河南科学,2004.22(1).