论文部分内容阅读
本文将神经网络与模糊系统结合起米,研究采用模糊神经网络技术米解决热工过程建模利控制中的相关问题。
详细分析了神经网络与模糊系统建模利控制的基本原理。在众多神经网络算法中,径向基函数神经网络因结构简单,得到了广泛的研究与应用,尤其是动态径向基函数神经网络的构造算法方面的研究最为突出。其中,资源分配网络及由其改进的最小资源分配网络解决了静态神经网络不能适用于序贯学习的缺点,而且也在相关领域的工业应用中取得了成功;而模糊系统由于本身提供了由专家构造语言信息并将其转化为控制策略的一种系统的推理方法,使得模糊控制器得到广泛发展并在现实中得以成功应用。将径向基函数神经网络与模糊系统分别用于非线性系统建模利典型热工对象控制,通过仿真试验表明,它们均具有较好的非线性建模与控制效果。
在分别介绍了神经网络和模糊系统的基础上,将二者结合,构成模糊神经网络。根据模糊模型后什表达方式的不同,给出了基于标准模型的模糊神经网络和基于T-S模型的模糊神经网络两种结构,并详细介绍了两种网络的学习算法。通过将其应用到非线性系统建模与典型二阶对象的控制,验证了模糊神经网络算法在非线性建模与控制中应用的可行性。
在提出了模糊神经网络算法的基础上,进一步针对人型火电机组的典型热工过程(如协调控制系统)及其它非线性热工过程,分别进行建模或控制。根据华东四省一市的负荷实测值,建立了相应的可用于短划负荷预洲的模糊神经网络模型;将模糊神经网络控制器应用于吴泾第二电厂的再热汽温系统,取得了较好的控制品质;最后,为有效克服传统协调控制策略的不足,对模糊神经网络控制器进行合理改进,并将其应用于单元机组协调控制系统中,仿真实验结果表明,相对于常规PID控制器,本文的模糊神经网络控制器不仅提高了控制品质,而且系统具有很好的鲁棒性和抗干扰能力,从而为热工过程的全局非线性优化控制开辟了一条新途径。