模糊神经网络控制器用于电站主汽压控制的研究

摘要

锅炉的燃烧过程是一个多参数、非线性、时变以及变量强耦合的过程,很难建立被控对象的准确数学模型.根据主汽压被控对象的动态特性,设计了一个模糊神经网络自适应控制系统,引用模糊高斯基函数神经网络结构,并采用基于变尺度优化学习算法的改进型学习算法,其学习信号由神经网络辨识器(NNI)提供.利用神经网络的非线性映射能力,能很好的解决被制对象的动态特性具有非线性、时变性、参数可变等问题.仿真对比试验表明,主汽压控制系统引入模糊神经网络控制器(FNNC)后,系统的响应速度变快,调节精度提高.该控制器的适应性、鲁棒性也明显优于常规PID控制器.