科技信窟 基于神经网络自适应避控制 的火电厂边热汔温控制系统的研究 淮阴工学院电子与电气工程学院 东南大学能源与环境学院王建国 ［摘要］本文将径向基函数神经网络与控制相结合，提出了一种基于神经网络自适应逆控制的方法，设计了两个结构和学习算法完 全一样的神经网络，从而解决了在线学习难题。将该方法应用于火电厂过热汽温控制系统进行仿真研究，结果表明该方法能较好地 适应对象特性的变化，且控制性能比常规串级控制系统有较大的提高。 ［关键词］径向基函数神经网络 自适应逆控制 过热汽温 鲁棒性 １．引言 网络的第ｊ个结点的中心矢量为： 火电厂过热汽温对象具有较大的惯性，时滞和非线性，且动态特性 ｃ ７＝［ｆ ｆ２，…ｆ矿¨ｆ ７ 其中，ｊ＝１ ２・・ＩＴＩ 随运行工况的变化而改变，其精确的数学模型难以建立。常用的过热 汽温调节采用串级ＰＩＤ控制方案，控制器参数的整定依赖于被控对象 设网络的基宽向量为：Ｂ＝ １，ｂ２……６ ｒ，ｂｊ（ｊ＝１，２，－－－ｍ）为节点的 的精确数学模型，当对象特性时变或运行工况发生变化时，调节品质将 基宽度参数，且为大于零的数。网络的权向量为： ＝［叫 ，Ｗ … ，…叫 ］ 会明显下降，从而引起过热汽温出现较大幅度的波动ｕ 。为了解决传统 ｋ时刻网络的输出为： （ ）一ｗｈ＝ｗｌｈ１＋ ２ｈ２＋……＋叫 ｈ 控制方法难以解决的这一复杂控制问题，人们尝试在火电厂过热汽温 设理想输出为Ｙ（ｋ）。则性能指标函数为：Ｅ：告（ （ ）一Ｙ （ ）） 控制系统中引入各种先进智能控制技术。 根据梯度下降法，输出权、节点中心及节点基宽参数的迭代算法如下： 文献【２］提出了一种基于模糊决策方法的受限预测控制，其实质就 优，（志）一说０（正一１）＋ （ （后）一Ｙ ）） ＋ 叫， ～１）一叫，（屉一２）） 是用模糊目标函数替代常规预测控制中的线性二次型目标函数，这虽 然有助于融合对过热汽温控制系统的各种约束限制条件，但由于模糊 Ｉｌ —ｃ， △ ＝（．ｙ（ ）一Ｙ （ ））优， — —｝ 控制系统自学能力较差，这种控制方法很难解决过热汽温被控对象的 Ｕｉ 时变性难题；文献［３］在常规Ｐ１Ｄ控制的基础上，建立了神经网络控制 ６，（ ）＝６，（ 一１）＋ｖＡｂｊ＋ａ（ｂｆｌｋ—１）一６ ∞一２）） 器，用常规控制器的输出增量作为误差信号进行学习，并将此神经网络 ．ｆ一 控制器的输出与常规控制器的输出叠加后进行控制，以此来实现对常 △ ＝（ （ ）一 （ ）） ，— ｌ＿ ￡３ 规ＰＩＤ控制器的补偿，这样的控制系统对被控对象的变化有较好的适 （ ）＝ （ 一１）＋ｒ／Ａ白＋ｄ（ 一１）－ｃＯ（ 一２）） 应性，这种控制方案实质上就是神经网络监督控制，其缺点是在线学习 其中， 为学习速率， 为动量因子。 非常困难；文献【４】将模糊控制技术和神经网络技术相结合应用于过热 汽温的控制中，利用了神经网络在一定条件下能够逼近任意非线性映 ３．基于神经网逆控制的自适应控制方法 射的能力来自动构建模糊规则库，其优点是降低了模糊控制中确定模 目前，常用的过热汽温ＰＩＤ控制，当出现模型失配或被控对象的工 况发生变化时，控制效果往往会受到很大影响。由于ＲＢＦ￥￣经网络具 糊控制规则的难度，缺点是在文中提出的控制结构下，神经网络在线学 习仍然非常困难，并且这样确定的模糊控制规则物理意义不明确；文献 有在线学习功能，面对这种模型的不确定性，它能够及时调整神经网络 的权值、节点中心以及节点基宽参数。因此，若将ＲＢＦ神经网络跟控制 『４１提出了一种基于免疫算法的多变量控制系统ＰＩＤ参数优化方法，并 相结合，并将之直接替代传统的ＰＩＤ控制器，这样设计出的控制就能够 将该方法应用于火电机组过热汽温控制系统，这种控制方法虽然具有 及时补偿模型的不确定性，从而具有良好的鲁棒性能。本文提出了基 一定的鲁棒性，但它本质上仍然以ＰＩＤ控制为主，因而其适应对象时变 于神经网络自适应逆控制的控制方法，并将其应用于火电厂过热汽温 性的能力并不很强。 的控制。 火电厂过热汽温控制系统是模拟量控制系统中一个非常重要而又 很难取得良好调节品质的一个子系统。目前，大部分火电厂在工况变 ｙ。（ｔ）一ｌ ＮＮＣ Ｊ—Ｉ对象ｌ—ｙ【ｔＪ 化较大的情况下，过热汽温在控制系统的自动调节下会出现较大幅度 图２简单的神经网络直接逆控制 的波动。为了改善控制效果，本文将径向基函数ＲＢＦ神经网络与串级 简单的神经网络直接逆控制如图２所示，ＮＮＣ为神经网络逆控制 控制结构相融合，提出了一种基于神经网络逆控制的具备在线学习能 力的自适应控制方法，将该方法应用于火电厂过热汽温系统的控制，仿 器，采用离线训练方式使ＮＮＣ成为对象的逆，这样ＮＮＣ与对象串联的 等效传递函数为１，因此在神经网络逆控制器ＮＮＣ控制下，被控量ｖｆ１） 真研究表明采用该方案后，控制系统的性能得到了较大的提高。 能够等于期望值。这种前馈式控制方案表面看起来实用且简单，但是 ２．ＲＢＦ神经网络及其学习算法 ＢＲＦ神经网络是具有单隐层的三层前馈网络，由于隐层采用了高 由于没有反馈，这种直接逆控制方法缺乏鲁棒性，其可用性在很大程度 斯型函数作为激发函数，因而是一种局部逼近网络，每次学习时只需调 上取决于逆模型的准确度。克服此缺点的自然想法是应该使神经网络 整少量的权值系数，故适用于适时控制。单输出ＲＢＦ神经网络的结构 逆控制器具备在线学习能力，即ＮＮＣ应该能够在线调整其连权等。图 ３的这种神经网络直接逆控制能够满足这一要求。 如图１所示。 图１ ＲＢＦ神经网络结构 在ＲＢＦ网络结构中，ｘ＝Ｉｘｎ ｚ…．．３７ｎ】 为网络的输入向量。设 ＲＢＦ网络的径向基向量Ｈ＝ ，ｈｚ，… ．．ｈ ，其中 为高斯基函数： 图３神经网络直接逆控制 其中，ＮＮ１和ＮＮ２具有完全相同的网络结构，并采用相同的学习算 ｚ，… 法，分别实现对象的逆，当对象特性发生变化时，ＮＮ２就会通过在线学 习适时地调整神经网络的输出权值、中心参数以及基宽参数，由于ＮＮ１ 基金项目：本文受淮安市平台建设专项经费资助，项目名称：淮安市新型自动化技术应用中一￣；（ＨＡＰ２０Ｉ１０７）。 作者简介：王建国（１９７０一），男，博士生，副教授，研究方向：智能控制在火电厂的应用。 聃技信疑 和ＮＮ２的结构和学习算法完全一致，故ＮＮ１的上述参数必将做出相同 的调整，而根据结构图易知ＮＮ２为对象的逆，故ＮＮ１亦为对象的逆，所 以即使存在模型的不确定性，由于该控制结构能够实现神经网络在线 学习，故ＮＮ１始终能够对被控对象实施比较精确的逆控制。仿真研究 证明了这种基于神经网络自适应逆控制的方法具有较强的鲁棒性。 ４．仿真研究 间常数和增益发生变化时，常规ＰＩＤ串级控制系统的性能已经明显下 降，而本文所提控制方法仍具有较好的控制效果，具有很强的鲁棒性。 ｓｅｔｐｏｉｎｔ ＲＢＦ ＩＡＩＣＰＩＤ ｃｏｎｔｒｏｌｌｅｒ．一 ．５４７ ．为了验证本文所提出的控制方法的有效性，现将其应用于火电厂 过热汽温控制系统进行仿真研究。基于神经网络自适应逆控制的过热 汽温控制系统如图４所示。 ５４６ ，、５４５ ｙ 孵５４４ ５４３ ５４２ ５４１ 图４基于神经网络自适应逆控制的过热汽温控制系统 图中，ＮＮ１和ＮＮ２为结构和学习算法完全一致的ＲＢＦ神经网络且 ＮＮＩ为神经网络自适应逆控制器，Ｇｃｌ（ ）为常规ＰＩＤ控制器；Ｇ。１（ ）、 Ｇｏ （ ）分别为过热汽温的副对象和主对象的传递函数，Ｇ （ ）为副参数 的检测单元。各环节的传递函数分别为： Ｇ ｌ（ ）＝２５ Ｇ （ ）＝０．１ｍＡ／ Ｃ Ｇ ） Ｇｏ２㈤＝ ￣Ｃ／ｍＡ ／¨（１ —５４０ １Ｏ０ ３００ ｔ／ｓ ６００ 图６对象惯性变化后设定值阶跃响应曲线对比图 ５４８ ｓｅｔｐｏｉｎｔ ｌ５４７ ＲＢＦＮＮＡＩＣ ｌ－ ＰＩＤ ＣＯｎｔｒｏｌｌｅｒ ５４６ ５４５ 必 ５４４ ＮＮ１和ＮＮ２的网络初始权值及高斯函数参数初始值取随机值。图 ５为设定值从５４０％阶跃变化到５４５￣Ｃ时，常规串级ＰＩＤ控制与基于神经 网络自适应逆控制（ＮＮＡＩＣ）的控制效果对比图，从图中可以看出：常规 控制的最大动态偏差约为１．２℃，调节时间约为３００秒，而神经网络自适 应逆控制的最大动态偏差约为０．２℃，调节时间约为１５０秒，因此控制性 能有了明显提高。 ５４３ ５４２ ５４１ ｓｅｔｐｏｉｎｔ ｌ ＲＢＦ ＮＮＡＩＣ ｌ ５４６ ／ ＼ —ＰｌＤ ＣＯｎｔｒｏＩＩｅｒｉ ／ ５４５ Ｊ 一、 ／ ／， ５４４ １４／ ’ ●－’ 孵 ５４３ 赠 ５４２ ｆ ， ５４１ ／ ｌ ５４０ ／ ／ １ｏｏ ３００ ｔ／ｓ ４００ ５００ ６００ 图５设定值阶跃响应曲线对比图 为了验证神经网络自适应逆控制方法的鲁棒性，分别假定过 热汽温主对象的惯性时间常数和增益发生变化（Ｇ （ ）保持不变）： （１）假定主对象的惯性时间常数发生变化，变化后的对象模型为 Ｇ。２（ ）＝１．１２５／（１＋３ｏｓ） ；（２）假定主对象的增益变大，即 Ｇ （ ）＝１．６／（１＋２５ｓ）。。图６、图７分别为主对象惯性时间常数和增益变 化后控制系统的设定值响应曲线。从图中可以看出，当对象的惯性时 （上接第３４页） 从而实现了对糖尿病管理长期连续的跟踪服务；社 区医生可通过患者不同的疾病程度，进行针对居民个人的糖尿病随访 服务、随访服务提示等功能，有效提高了社区糖尿病管理的管理率、规 范管理率、管理人群血糖控制率等指标，同时能有效的提高患者治疗的 积极性和参与性，对改善疾病预后具有一定的作用；居民也可通过网络 或终端机来查看自己的个人健康档案，通过网站服务的健康知识，提高 对糖尿病的认知，为真正实现糖尿病的“ｊ级预防”的目标提供了有力 的平台。 参考文献 ［１］刘金琨．智能控制［Ｍ］北京：电子工业出版社，２００９ ［２］张铁军等热工过程模糊决策预测控制的应用研究［１］．中国电 机工程学报，２００４，２４（０６）：１６（卜１６６ ［３］刘志远等基于神经网络在线学习的过热汽温自适应控制系统 ［Ｉ］．中国电机工程学报，２００４，２４（０４）：２０２￣２０６ ［４］丁轲轲．神经网络模糊控制在电厂主汽温系统中的应用研究 ｌ １ ｆ．热力发电，２００３，１２：３８－３９，５２ ［５］王建国等基于免疫算法的多变量控制系统ＰＩＤ参数优化方法 研究［『Ｉ．工业仪表与自动化装置，２００８，２：３￣６ ［６］王东风等．锅炉过热汽温系统的ＤＲＮＮ网络自整定ＰＩＤ控制 …．中国电机工程学报，２００４，２４（０８）：１９６－２００ 参考文献 ［１］潘雪凤，刘定一．社区健康档案管理存在的问题与对策［Ｊ］．中国 全科医学，２００５，８（１５）：１２９３—１２９４ ［２］新华网中国糖尿病患病率达９ ７％［ＥＢ／ＯＬ］ｈｔｔｐ：／／ｗｗｗ ｇｏｖ． ｃｎ／ｊｒｚｇ／２０１１－１１／２６／ｃｏｎｔｅｎＬ２００３７９３ ｈｔｍ．２０１１—１１—２６ ［３］刘小平，刘华，秦天刚等北京市大兴区社区卫生服务站居民健 康档案使用情况调查［Ｉ］．中国全科医学，２００５，８（２３）：１９９３—１９９４ ［４］《中国糖尿病防治指南》编写组．ｅｅ国糖尿病防治指南．北京大学 医学出版社，２０１０