论文部分内容阅读
针对超临界机组主汽温对象具有的大惯性、大滞后和非线性等特点,提出了一种基于BP神经网络辨识的改进型Smith预估方案。采用改进的Smith预估器克服主汽温对象的大滞后特性,并通过神经网络辨识来改善Smith预估控制器对模型精度的依赖,提高其抗干扰能力。通过对超临界机组主汽温对象在不同工况下的仿真,表明该系统对于对象特性变化有较好的适应能力,在动态品质、鲁棒性等方面都明显优于常规Smith控制方案。