摘    要：針對(duì)采用常規(guī)pid串級(jí)控制方法控制火電廠過(guò)熱汽溫系統(tǒng)難以獲得滿意的控制效果的問(wèn)題，將模糊控制和神經(jīng)網(wǎng)絡(luò)相結(jié)合，詳細(xì)介紹了模糊神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)過(guò)程，利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊推理，并對(duì)隸屬函數(shù)進(jìn)行調(diào)整，從而使其具有自適應(yīng)和學(xué)習(xí)能力。將其應(yīng)用于過(guò)熱汽溫控制系統(tǒng)中，仿真研究表明該方法能較好地適應(yīng)對(duì)象特性的變化，基本上可以消除振蕩，具有超調(diào)量小，魯棒性強(qiáng)等特點(diǎn)，且控制系統(tǒng)的性能比常規(guī)串級(jí)控制系統(tǒng)有較大的提高。

關(guān)鍵詞：火電廠；過(guò)熱汽溫；串級(jí)控制；模糊神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：tp 27    文獻(xiàn)標(biāo)識(shí)碼：a

    火電廠鍋爐過(guò)熱汽溫（主汽溫）是鍋爐的主要參數(shù)之一，對(duì)電廠的安全經(jīng)濟(jì)運(yùn)行有重大影響。過(guò)熱汽溫控制系統(tǒng)大多數(shù)采用串級(jí)pid控制方式，該控制算法簡(jiǎn)單、魯棒性強(qiáng)、可靠性高，但是由于大多數(shù)工業(yè)過(guò)程往往表現(xiàn)出非線性、時(shí)變、遲延等特性，因而采用固定參數(shù)的線性pid控制器常常不能獲得滿意的控制效果。同時(shí)，隨著機(jī)組向著大容量，高參數(shù)的方向發(fā)展，主汽溫對(duì)象也越來(lái)越復(fù)雜，大慣性、大遲延和時(shí)變特性給蒸汽溫度調(diào)節(jié)帶來(lái)很大困難。

    本文提出了將模糊神經(jīng)網(wǎng)絡(luò)控制器( fnnc)作為主調(diào)節(jié)器的新型過(guò)熱汽溫控制系統(tǒng)，并且將其與采用常規(guī)pid串級(jí)控制系統(tǒng)進(jìn)行了比較，同時(shí)，仿真結(jié)果表明基于模糊神經(jīng)網(wǎng)絡(luò)控制的過(guò)熱汽溫控制系統(tǒng)有了較強(qiáng)的適應(yīng)性和魯棒性，提高了控制系統(tǒng)的自調(diào)整、自學(xué)習(xí)的性能，有效地改善了系統(tǒng)的動(dòng)態(tài)性能。

    1)模糊神經(jīng)網(wǎng)絡(luò)模糊控制是一種不依賴于被控過(guò)程數(shù)學(xué)模型的仿人思維的控制技術(shù)。它利用領(lǐng)域?qū)＜业南闰?yàn)知識(shí)進(jìn)行近似推理，但在工程實(shí)際應(yīng)用中對(duì)于時(shí)變參數(shù)非線性系統(tǒng)，卻缺乏在線學(xué)習(xí)或自調(diào)整的能力。

    如何自動(dòng)生成或調(diào)整隸屬函數(shù)或調(diào)整模糊規(guī)則，是一個(gè)很復(fù)雜的問(wèn)題。而神經(jīng)網(wǎng)絡(luò)對(duì)環(huán)境的變化卻有極強(qiáng)的自學(xué)習(xí)能力，并且具有并行處理及泛化能力。將模糊理論的知識(shí)表達(dá)容易和神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強(qiáng)這兩種優(yōu)勢(shì)有機(jī)結(jié)合起來(lái)，取長(zhǎng)補(bǔ)短，提高整個(gè)系統(tǒng)的學(xué)習(xí)能力和表達(dá)能力，從而達(dá)到以神經(jīng)網(wǎng)絡(luò)及模糊邏輯各自的優(yōu)點(diǎn)彌補(bǔ)對(duì)方不足的目的．

   

 

    網(wǎng)絡(luò)分為4層，第1層為輸入層，第2層將輸入進(jìn)行模糊化，第3層進(jìn)行模糊推理，第4層進(jìn)行去模糊化操作。每個(gè)輸入變量劃分為7個(gè)隸屬函數(shù)，每個(gè)模糊變量的詞集為正大( pb)、正中( pm)、正小(ps)、零(ze)、負(fù)小(ns)、負(fù)中(nm)、負(fù)大(nb)，則整個(gè)網(wǎng)絡(luò)的輸入輸出映射關(guān)系如下：

    第1層（輸入層）  神經(jīng)元僅僅是將外部輸入引入網(wǎng)絡(luò)，不執(zhí)行任何的信息處理。

       

    第2層（模糊化層）本層采用高斯函數(shù)為隸屬函數(shù)，對(duì)輸入進(jìn)行模糊化處理。

式中aim，bim。分別為第i個(gè)輸入對(duì)應(yīng)的第m個(gè)模糊集高斯函數(shù)的中心值和寬度。

    此層連接權(quán)值都取為1。

    第3層（推理層）每個(gè)神經(jīng)元代表一條模糊規(guī)則，執(zhí)行操作，用乘積代替取小運(yùn)算，此層連接權(quán)值都取為1。

  第4層（去模糊化層）執(zhí)行去模糊化操作。

 

式中，u 表示控制量的輸出；職表示連接權(quán)值。

    aim，bim，wj形這3個(gè)為可調(diào)參數(shù)，可通過(guò)模糊神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習(xí)算法進(jìn)行調(diào)節(jié)，使控制器的輸出能對(duì)被控對(duì)象實(shí)時(shí)控制。

    2) fnn學(xué)習(xí)算法模糊神經(jīng)網(wǎng)絡(luò)是在網(wǎng)絡(luò)中引