0引言
人工神经网络(ANN)是新近发展起来的一门交叉学科，它涉及生物、电子、计算机、数学和物理等学科，在模式识别、信号处理、系统辨识、自动控制等方面得到了广泛的应用［1～3］。对于采用锅炉跟随方式的火电厂单元机组负荷控制这样一个以调门开度和给粉指令为输入变量，实发功率和蒸汽压力为输出变量的双输入双输出系统而言，用传统的线性辨识方法得到精确的数学模型一般比较困难。由于神经网络自身非线性，可以通过直接学习系统的输入/输出数据，使其误差函数达到最小，从而归纳出隐含在系统输入/输出数据中的关系。这个关系隐含在神经网络内部，它不需要知道对象的精确数学模型，只需用神经网络逼近动态系统输入和输出之间的非线性关系，这样经过训练的神经网络就可以成为描述系统的模型。
1多层前向神经网络模型的建立
1.1单元机组负荷控制系统原理
采用锅炉跟随方式的单元机组负荷控制系统原理图如图1所示其中，Ut和Ub分别是模型输入变量。调门开度μt(%)和给粉指令μb(%)，YN和YP分别是模型输出变量：机组功率N(MW)和主汽压力P(MPa)。
图1所示系统的输入输出关系可用下式表示：
GNT(S)、GPT(S)分别为以Ut为输入，YN、YP为输出的传递函数(Ub保持不变)；GNB(S)、GPB(S)分别为以Ub为输入，YN、YP为输出的传递函数(Ut保持不变)
1.2神经网络系统辨识模型
考虑到GNT(S)、GPT(S)、GNB(S)、GPB(S)这4个传递函数精确求解有困难，故本文采用多层前向型神经网络建立系统辨识模型。多层前向型神经采用误差逆传播算法，在实际应用中最为广泛［
