基于模糊神经网络的主汽温系统PID控制

基于模糊神经网络的主汽温系统PID控制

段建飞

（河北大唐武安发电有限公司河北省武安市056300）

摘要：锅炉主蒸汽温度是火电厂锅炉运行的重要参数，对火电厂的经济效益、安全生产产生重大影响。由于当前火电厂机组容量大、参数高、效率高，控制汽温对象又具有大迟延、非线性、时变等诸多特点，常规PID串级控制系统往往很难保证系统最优状态运行，满足不了生产的需求。提出了基于模糊神经网络的主汽温系统PID控制，实现对过热蒸汽的有效控制，通过系统仿真表明，基于模糊神经网络的主汽温系统PID控制效果良好，因此该系统是切实可行的。

关键词：主汽温系统，神经网络，PID

PIDControlofMainSteamTemperatureSystemBasedonFuzzyNeuralNetwork

DuanJian-fei

（HebeiDatangWuanPowerGenerationCo.，Ltd.，Wuan，Hebei056300）

Abstract：Themainsteamtemperatureoftheboilerisanimportantparameterfortheoperationoftheboilerinthermalpowerplants，whichhasamajorimpactontheeconomicbenefitsandsafeproductionofthermalpowerplants.Duetothelargecapacity，highparametersandhighefficiencyofthethermalpowerplant，thecontrolofthesteamtemperatureobjecthasmanycharacteristicssuchaslargedelay，non-linearity，time-varying，etc.TheconventionalPIDcascadecontrolsystemisoftendifficulttoensuretheoptimaloperationofthesystem，andcannotmeettherequirements.Productionneeds.ThePIDcontrolofthemainsteamtemperaturesystembasedonfuzzyneuralnetworkisproposedtorealizetheeffectivecontrolofsuperheatedsteam.ThesystemsimulationshowsthatthePIDcontrolofthemainsteamtemperaturesystembasedonfuzzyneuralnetworkiseffective，sothesystemisfeasible.

Keywords：mainsteamtemperature，fuzzyneuralnetwork，PID

引言

在火力发电厂中，锅炉作为火电厂主要三大件之一，其主蒸汽温度又是主要的控制参数，为了保证电厂机组高效安全运行，员工必须严格将主蒸汽温度控制在一定范围内。当前火电厂温度系统的控制器往往是PID控制器，常规PID控制器的参数整定往往要依赖于被控对象，在线调整参数很难实现，控制的蒸汽对象存在大惯性、大迟延和时变等特性，因此传统的PID控制已经满足不了各种工况下的最优化控制，引入基于模糊神经网络的主汽温系统PID控制，解决主蒸汽温度控制系统中存在的各种问题，提高对主蒸汽温度的控制[1]。

1模糊控制的基本原理

模糊控制以逻辑推理、评议变量、集合论等为理论基础，利用计算机进行的智能控制，是由美国加利福利亚大学著名教授查德（L.A.Za）提出[2]，至今为止，模糊控制理论及应用已经取得了非常重大的发展。

模糊控制算法的过程如下：计算机采样得到被控制量的实际值，然后会将此实际值和给定值进行比较，得到误差信号E，误差信号E会作为模糊控制器的输入，会把E的准确值变成模糊量，用模糊评议来表示E的模糊量，可以得到评议个子自集（为模糊矢量），再由和模糊算子得到控制量：

模糊控制器为模糊控制的核心部分，其控制算法由计算机程序完成。模糊控制器的结构、模糊规则、模糊决策以及推理算法都影响着模糊系统的整体性能[3]。模糊控制器又可以称为模糊逻辑控制器（FuzzyLogicControlloer），模糊控制器组成图如图2示。

图1模糊控制器组成图

2模糊神经网络

神经网络具有非常强的学习能力，但是缺点是对既有经验的不理解，然而模糊控制缺乏自学习和自适应能力，但是比较擅长表达模糊的推理过程。正因为二者的互补，将神经网络和模糊控制二者结合起来，用神经网络来模拟模糊控制系统[4]，模糊控制的输入输出就是神经网络的输入输出，

以二输入一输出模糊神经网络为例，该网络为4层前向网络，模糊神经网络图如图3示。

图2模糊神经网络图

图三中，第一层为模糊神经网络的输入层，输入信号分别为误差E和D，在输入层分别模糊处理为集合、，然后传给下一层神经元；第二层为模糊化层，其功能为将输入量作模糊化处理；第三层为模糊推理层，模糊规则数量即神经元个数；第四层为去模糊化层，其功能为去模糊化操作。

3结束语

对河北大唐武安发电有限公司进行了系统仿真分析，通过采用基于模糊神经网络的主汽温系统PID控制，结果表面明该方法具有非常高的鲁棒性以及抗干扰性，控制效果好，可以作为火电厂主汽温系统的调节方法。

参考文献：

[1]王建国，张昊宇，明学星等.基于蚁群算法优化的再热汽温系统变参数预测PID控制[J].化工自动化及仪表，2008，35（3）：19-22.

[2]曾蓉.火电厂蒸汽温度的模糊神经网络控制系统的研究[D].重庆：重庆大学，2007.

[3]李国勇，神经模糊控制理论及应用[M].北京：电子工业出版社，2009.

[4]刘修廷，潘宏侠.自适应模糊神经控制系统及其MATLAB实现[J].机械工程与自动化，2010，（3）：23-25.