基于神经网络自抗扰控制的结晶器液位拉速协调系统研究

结晶器内钢水液位和铸坯拉速机理上是耦合关系．为能控制更合理的钢水节奏,提出了不同于现在各自单变量控制的液位和拉速综合控制方法．通过实际对象,从机理角度推出模型,然后基于神经网络整定的自抗扰控制(ADRC)算法,对结晶器液位拉速协调控制系统进行仿真试验．仿真结果和现场曲线对该控制模型的准确性,可行性和有效性进行了验证．

锅炉过热汽温系统的DRNN网络自整定PID控制

火电厂过热汽温控制系统具有大惯性、大迟延、参数慢时变的特点,受到的扰动因素较多;随机组负荷的变化又表现出参数快时变的特性,常规的按照典型工况整定的固定参数PID控制难以适应负荷变化,往往未能取得满意的调节效果。为此,提出一种基于DRNN的两级神经网络的过热汽温系统自整定PID控制策略,其中两级神经网络分别为静态网络SNN和动态网络DNN,SNN依据机组运行工况如负荷进行PID参数的粗调整定,以适应机组负荷的较大范围变化,如参与调峰:DNN依据偏差和偏差变化率进行PID参数的细调整定,以克服机组负荷的小范围变化、参数的慢时变漂移 和各种扰动。为了克服系统的大惯性和大迟延,引入灰色预测器对未来信号进行预测,预测结果作为DNN使用的整定信息。对某汽温系统的计算机仿真研究结果表明:基于两级神经网络自整定控制策略的主汽温控制系统获得了良好的动态调节品质,具有较强的鲁棒性。

核动力蒸汽发生器水位控制方法分析

核动力蒸汽发生器(SG)是一个高度复杂的非线性时变系统。SG在瞬态、启动和低功率运行工况下的"收缩"与"膨胀"现象引起的逆动力学效应使SG的水位控制变得复杂。文章分析了SG水位控制方法的特点,重点分析了SG水位模糊控制方法与神经网络控制方法。指出了传统的PI(D)水位控制方法存在的问题,就SG水位控制发展趋势提出了看法。

基于对角回归神经网络的饱和式蒸汽发生器水位控制

神经网络具有较强的自学习和自适应能力,本文设计了基于对角回归神经网络(DRNN)的控制系统,选择合适的学习率,实现饱和式蒸汽发生器水位变化率的快速稳定辨识和自适应控制。仿真结果表明,蒸汽发生器水位的控制效果良好。

NSG水位神经自适应PID控制与仿真研究

核动力蒸汽发生器 (NSG)是一个高度复杂的非线性时变系统。由于蒸汽发生器在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应 ,使蒸汽发生器的水位控制变得复杂。本文针对传统的核动力蒸汽发生器水位PID控制方法存在的缺点 ,将神经网络方法与PID控制的结构结合起来 ,提出了核动力蒸汽发生器水位神经自适应PID控制方法。采用BP学习算法调整控制器神经网络的连接权值 ,实现了控制器参数的在线整定。仿真研究表明 ,所设计的控制器具有良好的控制性能 ,且结构简单 。

蒸汽发生器水位SDRNN优化自抗扰控制

针对蒸汽发生器(SG)水位控制过程存在的主要问题,引入水位自抗扰控制(ADRC)方案.通过扩张状态观测器实时估计系统内、外扰动,并采用前馈方式予以动态补偿,同时依据状态误差矢量进行非线性反馈调节,缓解控制系统快速与超调之间的矛盾.并引入二阶对角递归神经网络(SDRNN)动态辨识SG Jacobian信息,实时优化自抗扰控制器参数.分别在水位、蒸汽和给水扰动下进行SG水位仿真实验,并对比了前馈串级PI控制与SDRNN-ADRC控制的响应曲线.结果表明:在扰动工况及控制对象参数时变下,此SG水位控制系统的控制响应迅速、超调小且稳态误差小,具有优良的动、静态性能.

采用非线性模块的BP神经网络PID水位预测控制

因非线性时变控制系统造成的滞后,压水堆核电厂蒸汽发生器(SG)水位控制会引起的较大惯性或耦合,对此提出一种基于非线性模块的BP神经网络PID控制预测模块。采用BP神经网络模型作为非线性预测模块,调用SG水位PID控制运行数据作为非线性预测模块的训练样本;提取BP神经网络模型的输出数据作为BP神经网络PID的输入数据,多重优化BP神经网络的权值及阈值,缩小修正差值逼近系统整定值;构建SG水位非线性模块的预测数值与系统运行数据之间的非线性映射关系,修正带有预测判断方向的阈值,实现在线动态调整输出PID各参数的最优值。实验结果表明,预测模块可有效缩短系统的稳定阶跃响应周期,具有较高的计算精度。

神经网络-PID在船舶核动力装置蒸汽发生器水位控制中的应用

利用BP神经网络的学习功能来调整蒸汽发生器水位控制器PID的参数,使其跟随功率的变化,从而跟踪模型的变化.以典型的五种工况下的蒸汽发生器模型为基础,按照给定的要求,分别设计得到相应的PID水位控制器.以功率和相应的PID控制器增益作为神经网络的输入、输出变量来设计和训练BP神经网络,并以训练好的神经网络和PID控制器组成神经网络-PID控制器应用到蒸汽发生器水位控制系统中,并利用MATLAB进行仿真.仿真结果表面神经网络-PID具有非常好的适应性.

基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法,对蒸汽发生器水位进行控制仿真.该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统.小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能自适应产生最佳的控制规律.仿真结果表明,该方案具有响应快、超调量小、较强抑制干扰能力等良好性能.

基于CFNN的核蒸汽发生器水位控制

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。

基于BP神经网络整定的蒸汽发生器水位PID控制及仿真研究

将神经网络与PID控制结合起来,提出了基于BP神经网络整定的蒸汽发生器水位PID控制方法,采用BP学习算法调整控制器神经网络的连接权值,通过对系统性能的学习实现了控制器参数的在线整定,仿真结果表明,所设计的控制器具有良好的控制性能。

蒸汽发生器水位神经自校正控制研究

针对传统的核动力蒸汽发生器水位PID控制方法存在的缺点,将神经网络方法与PID控制的结构结合起来,提出核动力蒸汽发生器水位单神经元自校正PID控制方法,在线调整控制器参数。仿真研究表明,该方法可以提高系统的控制品质。

蒸发器水位控制系统在线故障诊断方法

蒸汽发生器是连接核电厂一、二回路重要的换热设备,其水位的高低直接影响出口蒸汽的品质和整个核电厂的安全,因而以蒸汽发生器水位控制系统为对象,实现水位异常波动的实时在线诊断十分必要。利用MATLAB/Simulink软件构建蒸汽发生器水位控制系统并添加传感器故障模块,得到各类故障下水位和给水流量的变化特征。建立以BP神经网络为核心的故障诊断系统,实现监测数据的实时采样、在线处理和故障诊断。仿真结果表明,建立的蒸汽发生器水位控制系统在线故障诊断模型能够及时准确地诊断出故障的类型和程度,取得了预期的效果。

基于改进型GA优化FNNC的SG水位控制系统仿真研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性性、时变性等特性,导致传统的串级PID控制等方法难以取得好的控制效果。本研究在串级控制的基础上,采用模糊神经网络来对蒸汽发生器水位进行控制,该控制算法能够充分发挥模糊控制及神经网络的优点。另外,为了减小模糊神经网络参数初值的选择对控制器的性能影响,将一种改进型遗传算法用于模糊神经网络控制器的参数优化。仿真结果表明,设计的控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级PID控制及常规的模糊神经网络控制相比较都有了很大的提高。