基于CFNN的核蒸汽发生器水位控制

摘要

鉴于常规的PID控制存在控制对象参数变化时控制参数无法改变的不足,从而根据一个核蒸汽发生器(NSG)的简化数学模型,将一种补偿模糊神经网络(CFNN)用于NSG水位的控制.该网络由于引入了补偿神经元,使网络的容错性更好,系统更稳定.同时在神经网络学习算法中动态优化补偿模糊运算,使网络更适应,训练速度更快.仿真表明,该方法在装置负荷变化时比常规的PID控制方法超调量小,收敛速度快.该网络能在线调整参数,动态优化模糊规则,适于在线学习控制.该控制方法对NSG水位智能控制研究具有一定意义.