论文部分内容阅读
目前水电站的装机容量日益扩大化,电站的安全稳定运行也成为技术人员首要关注的问题,因此对水轮机控制系统进行有效的辨识与控制显得尤其重要。针对常规PID控制,将滑模控制、神经网络控制、滑模控制、遗传算法等智能控制理论引入水轮机控制系统中。本文的主要工作如下:(1)针对水轮机控制系统的复杂性、时变性,研究了非线性自回归神经网络对水轮机控制系统的整体辨识。首先,针对大量缺失、异常、不完整的数据,通过导入MySQL数据库,用Python语言对其进行预处理,提高了辨识数据的准确性;其次,针对动态神经网络结构复杂,权值较多等问题,采用改进的L-M算法,加快了网络训练的速度;最后,将其与BP、RBF等静态神经网络辨识进行了对比,结果表明,动态神经网络辨识精度高,泛化性能好。(2)针对中高水头环境下,传统的PID控制并不能自适应调整PID控制参数问题,研究了模糊神经网络自适应PID控制算法。首先,将神经PID与传统PID控制进行了对比,说明了神经网络自学习能力强特点;其次,采用Fuzzy和PID分别控制以及Fuzzy-PID复合控制,验证了模糊控制具有很好的推理能力,但控制精度较低;结合几种算法优缺点,将三种控制算法融合,使控制系统具有模糊的非线性、神经的自学习能力以及PID控制的精确性等特点。结果表明融合算法能够很好调整控制参数,具有强的鲁棒性。(3)针对高水头环境下,水轮机控制系统转速容易被忽视等问题,采用滑模控制动态跟踪了水轮机转速变化。首先,从控制的角度重新审视了辨识问题,将滑模变结构控制引入水轮机控制系统中。针对控制系统在最优控制下,机组转速值无法达到给定值的问题,将系统模型改为三输入,消除了稳态误差,并将滑模变结构控制器引入水轮机控制系统中,在此将水轮机转速作为重要参数;其次,为了解决滑模变结构控制内在的缺陷抖振现象,引入模糊推理系统和遗传算法以消除抖振。仿真结果表明,在高水头环境下,滑模控制具有很好的鲁棒性,有效的解决了抖振问题。