可调引射混合式低压加热器的智能控制

2012年06月27日16:06:14 本网站我要评论(2)字号：T | T | T

关键字：应用

周洪煜，孟欢欢，张振华，陈小健
重庆大学动力工程学院，重庆

摘　　　要：针对可调引射混合式低压加热器是一个多输入多输出的非线性系统，具有时变和非线性特性，采用广义生长剪枝ＲＢＦ（ＧＧＡＰＲＢＦ）神经网络对其进行双变量神经网络自适应控制。该方法用ＧＧＡＰＲＢＦ网络对加热器非线性模型进行实时辨识，并将系统的Ｊａｃｏｂｉａｎ信息反馈给ＢＰ神经网络控制器，从而保证了控制器对被控对象的精确控制。通过加热器的控制对比试验，结果表明该方法能在动态条件下实现对加热器的自适应控制，并且具有较好的动静态性能。

关　键　词：可调引射混合式低压加热器；ＧＧＡＰＲＢＦ神经网络；ＢＰ神经网络；双变量控制

１　引　言
基于对可调引射混合式低压加热器的加热性能和引射性能的研究，可知其有能取代火电厂目前使用的间壁管壳式低压加热器和除氧器加热性能的可行性［１３］。因此对除氧器提供合格热水的可调引射混合式低压加热器，在运行参数发生变化时，实现全自动化的性能调节是急待解决的课题。可调引射混合式低压加热器是一个多输入多输出的非线性系统，具有时变和非线性特性。在控制系统中，各变量和回路之间存在着耦合作用。这种耦合作用会影响系统的静态性能和动态性能，采用多变量控制是消除变量之间耦合的有效方法之一。近年来，神经网络在非线性系统解耦控制中的应用研究已经取得了许多成果［４９］。目前，已经有很多方法用在了训练ＲＢＦ神经网络上［１０１１］，为一种特定的实际应用选择一种学习方法主要依靠它的精度和速度。传统的ＲＢＦ神经网络训练算法为批量学习算法，每次学习时必须把所有的训练数据都准备好。本文提出了一种基于广义生长剪枝径向基函数（ＧＧＡＰＲＢＦ）神经网络的双变量神经网络自适应控制方法。ＧＧＡＰＲＢＦ神经网络算法的训练是串行进行，训练后数据被抛弃，只有在新的数据到来后，学习才继续进行。通过对可调引射混合式低压加热器系统进行控制试验，ＧＧＡＰＲＢＦ神经网络在模型的在线建立与动态更新上比传统的ＲＢＦ具有更高的精度和更快的速度，从而能有效的实现对加热器的控制。

登录网站后可下载文件

可调引射混合式低压加热器的智能控制

相关阅读: