论文部分内容阅读
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。