APP下载

神经网络预测PID控制在气化炉中的应用

2014-06-01张正刚丁维明

自动化仪表 2014年5期
关键词:模型系统

刘 晴 张正刚 丁维明

(东南大学能源与环境学院1,江苏 南京 210096;苏州紫兴纸业有限公司2,江苏 苏州 215011)

0 引言

整体煤气化联合循环(integrated gasification combined cycle,IGCC)是一种高效、清洁的能源利用方式[1]。气化炉系统是IGCC电站的核心部分,煤、氧气(或空气)和水蒸气在气化炉中经过一系列复杂的化学反应,转化成具有一定参数的煤气。煤气化过程具有高耦合、大滞后、非线性等特性[2],对这一过程进行有效控制一直是IGCC电站自动控制技术研究的核心和难点。

在有关气化炉控制技术的研究中,文献[3]提出的预测型PID控制方案结合了模型预测控制与PID控制的优点,以模型输出的预测偏差代替实际偏差,使PID控制器提前动作。该方案适用于具有大滞后特性的气化炉系统,且便于在现有的软硬件平台上实施。但该方案的预测输出依赖于系统的近似传递函数模型,降低了控制的精度,且不利于实际应用。针对这一问题,本文提出了一种基于神经网络的预测型PID控制。

1 预测模型与控制方案

人工神经网络(artificial neural network,NN)能够以任意精度逼近任意实际系统[4],且预测模型的建立不依赖对象的数学模型,可以直接对机组的运行数据进行采样和辨识。对于气化炉等机理建模非常复杂的对象,NN具有更高的实用性。本文欲建立气化炉对象的“预测模型”,即首先将被控对象看作黑箱,对系统的输入输出参数进行采样,用采样获得的数据训练神经网络,使网络能够根据k时刻之前的信息直接计算出气化炉在未来m时刻的输出y^(k+m|k)。……

登录APP查看全文

猜你喜欢

模型系统
一半模型
Smartflower POP 一体式光伏系统
WJ-700无人机系统
ZC系列无人机遥感系统
重尾非线性自回归模型自加权M-估计的渐近分布
基于PowerPC+FPGA显示系统
半沸制皂系统(下)
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究