基于模糊神經(jīng)混合系統的自適應控制方法及其應用

3 仿真實(shí)驗

電站鍋爐汽包水位間接的反應了鍋爐負荷與給水平衡的關(guān)系，是鍋爐運行的主要指標之一。水位過(guò)高，會(huì )破壞汽、水分離裝置的正常工作，嚴重時(shí)會(huì )導致蒸汽帶水增多，從而增加過(guò)熱器管壁上和汽輪機葉上的結垢；水位過(guò)低時(shí)，則會(huì )破壞水循環(huán)，引起水冷壁的破壞。近年來(lái)鍋爐參數的提高和容量的擴大，對給水系統提出了更高的要求。因此，迫切需要一種魯棒性很好，算法相對簡(jiǎn)單的快捷控制方案。

將圖4框內的一個(gè)廣義對象當一個(gè)整體去考慮，可以消除水流量和蒸汽對汽包水位的傳遞函數不穩定環(huán)節，克服自平衡特性。神經(jīng)網(wǎng)絡(luò )具有充分逼近任意復雜系統的能力，同時(shí)還能學(xué)習和適應不確定性的動(dòng)態(tài)響應。為檢驗所提出的控制策略的有效性，對圖4中的被

采用本文提出的基于模糊神經(jīng)混合系統的自適應控制方法，其對比試驗采用PID串聯(lián)控制系統，PID調節器參數是在折中考慮系統的跟蹤性、抗外擾能力和抗內擾能力的基礎上，經(jīng)過(guò)整定得到的，其外回路KP=1.5，Ki=0.005，內回路KP=0.95[7]。

圖5所示為對象模型匹配情況下的輸出響應圖。圖6為給水量信號H=0 mm時(shí)，在起始時(shí)刻加入蒸汽流量30 %外擾時(shí)輸出響應曲線(xiàn)。

圖7所示為對象時(shí)間為常數，增益常數和延遲時(shí)間均增大20%的輸出響應曲線(xiàn)。圖8在模型失配情況下，在給水流量信號H=0 mm時(shí)，加入蒸汽流量的30%外擾時(shí)輸出響應曲線(xiàn)。

從圖中可以看出，較之串級PID控制，FANNC控制具有良好的動(dòng)態(tài)調節品質(zhì)和較強的魯棒性，實(shí)現了對系統的快速無(wú)超調控制。實(shí)驗中將蒸汽流量擾動(dòng)信號引入到神經(jīng)網(wǎng)絡(luò )中，實(shí)現了對系統的前饋補償，以快速平穩消除蒸汽流量的擾動(dòng)。魯棒控制器FC的構造使系統具有良好的穩定性和魯棒性，與常規PID控制相比，幾乎沒(méi)有超調量。即使在模型失配(參數增加或減少)的情況下仍然能取得滿(mǎn)意的控制品質(zhì)。仿真結果表明了該方案的有效性和優(yōu)越性。

本文提出的這種基于模糊神經(jīng)混合系統的自適應控制方法是針對工業(yè)系統中普遍存在的復雜非線(xiàn)性和時(shí)變不確定性特性提出的。該方法可以做到無(wú)須辨識被控對象的模型，即可進(jìn)行NNC的在線(xiàn)設計；而且NNC的學(xué)習過(guò)程和系統的控制過(guò)程同時(shí)進(jìn)行，不需要特定的教師信號，避免了離線(xiàn)訓練通常存在的訓練數據不足的問(wèn)題。利用模糊推理機產(chǎn)生的分目標學(xué)習誤差對神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練，避免了采用直接反饋誤差進(jìn)行訓練可能造成的飽和和過(guò)調整問(wèn)題，并能有效抑制測量噪聲的影響，提高系統的控制品質(zhì)。仿真實(shí)驗證明，該方法能有效處理工業(yè)系統中普遍存在的復雜非線(xiàn)性和時(shí)變不確定性等特性，為未知不確定非線(xiàn)性系統的智能控制提供了一條有效而可行的新途徑。