超临界机组燃水比GAP-DRFNN的优化控制

分析某厂直流锅炉燃水比控制系统,设计出基于生长剪枝动态递归模糊神经网络(Growing and pruning dynamic recurrent fuzzy neural network,GAP-DRFNN)的燃水比优化控制系统,GAP-DRFNN以汽水分离器出口工质温度偏差最小为导出信号,综合学习燃水比控制主要状态参数,实时输出燃水比最佳控制量。随着当前主要相关状态参数的输入,GAP-DRFNN通过结构学习,自动增加和修剪神经元,而且根据梯度下降法,动态调整网络的隶属函数参数以及神经网络递归权值。实验结果表明:此方案中燃水比控制可兼顾快速性和准确性,在变工况时系统仍具有优异的动静态性能,控制效果优于传统PID控制。

超临界机组燃水比耦合系统自抗扰控制

针对超临界机组燃水比(Firing Rate to Feed Water ratio,FR/FW)控制过程存在的大延迟及多变量耦合、负荷变动和煤质多变等特性,设计基于自抗扰控制(Active Disturbance Rejection Control, ADRC)的燃水比解耦控制系统。将多变量燃水比系统看作由若干单变量回路系统构成,并对每一单变量回路设计自抗扰控制器,构建ADRC燃水比控制系统。将各个变量间耦合看作每一单变量回路的外扰,通过扩张状态观测器实时估计,在前馈通道中予以动态补偿,实现对各个耦合变量解耦。同时依据状态误差矢量加以非线性反馈调节,解决控制系统快速与超调间的矛盾。仿真结果表明,燃水比自抗扰解耦控制兼顾快速性与准确性,具有自适应性、抗扰性和强解耦能力,其控制效果优于常规PID控制。