基于Elman网络的过热汽温隐式广义预测控制

    ⑤由式(9)计算控制律Δu(k)、Δu(k+1)、…、Δu(k+P-1),将Δu(k)施加于对象。
    ⑥根据对象的实际输出y(k)与模型的预测输出y_m(k)之差在线修正神经网络的权值。使神经网络预测模型准确地反映对象的动态特性。
    ⑦将⑤中所求的控制律逐一送入神经网络预测模型，得到对象的预测输出y_m(k+1)、y_m(k+2)、…、y_m(k+P)。
    ⑧收集系统以前的输入输出数据Δu(k-m)、Δu(k-m-1)、…、Δu(k-1)及y(k)、y(k-1)、…、y(k-n)和⑤、⑦中所得的数据。
    ⑨令k=k+1，返回③。
4 应用于过热汽温控制的仿真研究
    现代电站对于过热汽温的调节一般采用串级汽温调节系统。用以仿真的被控对象导前区传递函数为：G_０１(s)=被控对象的惰性区的传递函数为：G_０２(s)=，副控制器的传递函数为：G_Ｐ(s)=2.3，主控制器的传递函数为：由对象的惰性区的传递函数可见，惰性区的惯性及迟延都很大。而且，过热汽温的动态特性会随着锅炉负荷的变化而变化。所以此系统的控制效果欠佳。现将本文提出的NNIGPC加到控制系统中代替其主调节器，系统的其余部分保持不变。当外界施加给系统一个阶跃扰动时，系统的仿真结果如图3所示。

    当过热汽温的给定值发生阶跃变化时系统的仿真结果如图4所示。
    从仿真结果可以看出，神经网络隐式广义预测控制(NNIGPC)无论在跟踪设定值还是抑制扰动方面都明显优于传统的PID控制器。

5 结论
    本文所提出的基于神经网络的隐式广义预测控制通过直接辩识控制器参数求解最优控制增量，无需递推求解Diophantine方程及进行矩阵求逆运算，因而计算量小、实时性高，而且其控制性能优良。尤其对于象过热汽温这样时变、大时延、大惯性的对象能够满足在各种工况下对控制品质的要求，具有较强的实用性，有很好的应用前景。

参考文献：

［１］谢庆国，万淑芸，赵金.一种Elman回归网络的设计方法［Ｊ］．华中科技大学学报，2002，30(3)：22-24
［２］李遵基.热工自动控制系统［Ｍ］．北京：中国电力出版社，1997，74-83
［３］王伟.广义预测控制理论及应用［Ｍ］．北京：科学出版社，1998，148-154
［４］Sanaye Pasand M,Malik O P.High speed transmission system directional protection using an Elman network［Ｊ］．IEEE,Trans.On Power Delivery,1998,13(4):1040-1045
［５］Clarke,D.W.,Mohtadi,C.and uffs.P.S.,Generalized Predictive control.Automation［Ｊ］．1989,25(6):859-875
［６］PHAM D T,LIU X.Training of elman networks and dynamic system modeling［Ｊ］．International Journal of Systems Science,1996,27(2):221-226

上一页  [1] [2] 

本文关键字：网络  电工文摘，电工技术 - 电工文摘