袁俊文

(黑龙江省电力科学研究院，哈尔滨 150030)

汽包水位是锅炉运行中一个重要的监控参数，它间接反映了锅炉蒸汽负荷与给水量之间的平衡关系。汽包水位的常规控制方式为前馈－反馈三冲量串级控制系统，即将主蒸汽流量作为前馈控制信号，作为调节给水流量的前导信号。在锅炉工况变化不剧烈的情况下，主副PID控制器组成的串级控制系统能较好地控制由汽包压力及给水流量波动引起的水位变化，但在锅炉工况变化较剧烈时，此控制系统将会出现超调量增大、振荡加剧等现象［1］。针对这一现象，本文提出将模糊控制与BP神经网络相结合构成串级控制系统主调节器的方法，以改善锅炉汽包水位控制品质。

在公路建设中，边坡的稳定性是一大难题，在出现边坡问题时应及时解决，降低公路上的安全隐患。为了提供给人们更好的生活，满足社会建设的需求，我国施工行业应不断提升自身水平，不断优化边坡建设，提出更优质的建设方案与防治措施，提高我国的建筑水平。

1 锅炉汽包水位串级控制系统

串级给水控制系统原理如图1所示。

其次是在运营层面发力。企业要持续为市场提供高质量的产品和服务，并不断根据环境的变化提供越来越好的用户体验。这是实际产品质量与企业的品牌定位无缝对接的过程，因为用户通过实际的产品以及具体服务来感知和判断产品价值，从而形成自己对于相应企业产品的品牌定位。企业要清楚，真正在用户的实际消费行为中起决定作用的，是用户实际的品牌感知。因此，对企业而言，实现无形的品牌价值与实际产品的有效对接，是企业在自身品牌建设过程中的重要环节。

图1 串级给水控制系统原理图Fig.1 Cascade feed water control system principle diagram

图1中两个回路的任务及动态特性不同，可以选用不同的调节器。主调节器一般采用比例积分控制规律，保证水位无静态偏差。主调节器的输出信号和给水流量、蒸汽流量信号都作用到副调节器，用以消除给水压力波动等因素、一次给水流量的自发性扰动以及当蒸汽负荷改变时迅速调节给水流量，以保证给水流量和蒸汽流量平衡。副调节器可采用比例调节器，以保证副回路的快速性［2］。

在确定了量化因子之后，误差e和误差变化率ec可通过式(3)、式(4)转换为模糊BP网络的输入E和EC。

2 模糊神经网络

之前我们已经学习了C和G五指音阶。这两组音阶都使用全音和半音的关系构成：全音—全音—半音—全音。这就是本单元的重点内容—音阶“秘密公式”，在学习这个音阶“秘密公式”之前，教师可引导学生分析已经学过的C和G五指音阶中音与音之间的关系，从而让学生自主总结出这套“秘密公式”，它可应用于任何一个大调的五指音阶。虽然本单元的授课内容是针对D五指音阶展开的，但建议老师可以鼓励学生将音阶“秘密公式”作适当的扩展，延伸到所有白键位置，能力较强的学生也可扩展到五个黑键位置。具体可以分以下两个步骤进行教学：

详细分析锅炉汽包实际运行情况，全面总结归纳专家的汽包水位控制经验和知识，同时考虑系统的稳定性、响应速度、超调量和稳态精度等方面，可以得出一套控制规则，即:汽包水位偏差为正时，若偏差的变化率为正(负)，这是汽包水位偏差有减小(增大)的趋势，为尽快消除偏差又不引起水位超调，应使给水量给定值减小(增大)。具体控制规则的形式表示为:

模糊神经网络系统通常由模糊控制器和一个神经网络组成，既具有模糊控制器的善于表达人类的经验知识、推理能力强的特点，又具有神经网络控制器的直接从控制数据中学习知识、学习能力强等特点。

模糊神经网络［3－6］的结构一般包括输入层、隶属函数层、模糊规则层和输出层。输入信号根据精确程度和控制要求各定义7个模糊集合{NB、NM、NS、ZO、PS、PM、PB}，即{负大、负中、负小、零、正小、正中、正大}。由于高斯函数具有表示形式简单，径向对称，光滑性好等优点，因此输入函数选用高斯函数μ(x)=exp［－(x－a)2/b］，式中通过调整参数a和b可以改变隶属函数的形状和偏移点。高斯隶属度函数曲线如图2所示。

图2 高斯隶属度函数曲线Fig.2 Gauss membership function curve

假设 e、ec的连续取值范围分别为［eL，eH］、［ecL，ecH］，则量化因子 ke、kec的计算表达式为:

图3 模糊神经网络结构图Fig.3 Fuzzy neural network structure diagram

模糊控制规则的第i条规则具有如下形式:

式中:E、EC分别为处理后的输入变量偏差及偏差变化率;U为输出控制量。

3 模糊BP网络用做锅炉汽包水位串级控制系统的主调节器

模糊BP网络作为主调节器的结构框图，如图4所示。通过量化因子ke和kec将实际输入量偏差e和实际输入量偏差变化率ec量化为模糊BP网络控制器的精确输入E和EC。

式中，m、n为量化等级数。

图4 锅炉汽包水位模糊BP网络串级控制系统结构图Fig.4 Cascade control system structure diagram of boiler drum level fuzzy BP network

模糊规则层的输入连线用来和模糊逻辑规则的前提条件相匹配，神经元的个数等于模糊规则的个数，神经元的激活函数为线性函数。模糊神经网络具有多层感知器的结构形式，可以用 BP算法来修正其中的可调参数。本文采用了两个输入一个输出的模糊逻辑控制系统，如图3所示。

可是在未来，我们更有兴趣的是，戴上VR的装置后，我们主演一部由周迅、章子怡、姜文“陪我演的电影”。无论是想要夺宝，还是跟梦中情人谈一场恋爱，或是跟TFBOYS同台办演唱会，都可以做得到。

相比与网络贷款的不可靠性，中国银行和中国建设银行等为真正需要贷款的学子提供了有一定保障的渠道．但据调研得知，仅有16.15%的在校大学生了解银行推出的校园贷产品，这说明银行校园贷产品的普及率还远远不够．因此，普及银行校园贷产品，引导大学生正确规避风险，形成不良借贷平台“挤出效应”迫在眉睫．

式中〈〉代表取整运算(四舍五入)。

于是安文浩站起身，朝伯虎他俩看了两眼，有些厌恶地回应到，“既然我当副总对你们来讲是坏事，那干脆别聘任我了。”

为了使控制规则更准确，则需要通过大量的仿真试验来修改完善规则库。

控制系统中的副调节器—给水流量调节器以模糊BP网络调节器的输出作为给定值，同时以主蒸汽流量作为前馈信号，通过调节给水流量来维持汽包水位在设定的范围内。

4 仿真研究

以某电厂350 MW超临界机组的锅炉为对象，在Matlab中使用simulink模块对系统进行仿真［7］，分别用常规PID控制器和模糊BP网络控制器作为锅炉汽包水位串级控制系统的主调节器［8］，构建控制系统框图。给水流量通道的传递函数为Gp=，蒸汽流量通道的传递函数为对构建的汽包水位闭环控制系统分别进行汽包水位定值扰动和蒸汽流量扰动试验，得到了常规PID控制与模糊BP网络控制的响应曲线，如图5和图6所示。

图5 定值扰动情况下两种控制方式的响应曲线Fig.5 Response curves of two kinds of control mode under constant value disturbance case

图6 蒸汽流量扰动情况下两种控制方式的响应曲线Fig.6 Response curves of two kinds of control mode under steam flow disturbance case

从图5的仿真响应曲线可以看出，在加入定值扰动的情况下，模糊BP网络控制器比常规PID控制器作为锅炉汽包水位串级控制的主调节器具有更好的控制特性，模糊BP网络控制系统在20 s左右时整个过渡过程趋于平稳，且具有良好的动态性能和稳态精度。

从图6的仿真响应曲线可以看出，在加入蒸汽流量扰动的情况下，模糊BP网络控制器作为主调节器的控制系统能够较快地抑制干扰，系统的动态性能较好。

5 结语

本文将模糊控制与BP神经网络二者的优点相结合，解决了常规PID控制参数不可变的缺点，且组成的调节系统具有结构简单、学习参数少、学习时间短的特点。将其应用于锅炉汽包水位串级控制中，对提高控制系统的控制品质具有重要作用，同时也为投入实际生产提供了理论依据。

［1］ 朱少华，李智.基于模糊自整定PID的锅炉汽包水位控制研究［J］.沈阳工程学院学报，2010，6(3):244 －246.ZHU Shaohua，LI Zhi.Study on control of water level in boiler based on fuzzy self－tuning PID［J］.Journal of Shenyang Institute of Engineering，2010，6(3):244 －246.

［2］ 边立秀，周俊霞，赵劲松，等.热工控制系统［M］.北京:中国电力出版社，2010.BIAN Lixiu，ZHOU Junxia，ZHAO Jinsong，et al.Thermal Control System［M］.Beijing:China Electric Power，2010.

［3］ 赵振宇，徐用懋.模糊理论和神经网络的基础与应用［M］.北京:清华大学出版社，1996.ZHAO Zhenyu，XU Yongmao.The foundation and application of fuzzy theory and neural network［M］.Beijing:Tsinghua University Press，1996.

［4］ 谭永红.神经网络自适应PID控制［J］.桂林电子工业学院学报，1992，12(2).TAN Yonghong.Neural network self－ adaptive PID control［J］.Journal of Guilin Institute of Electronic Technology，1993，12(2).

［5］ 诸静.模糊控制原理与应用［M］.北京:机械工业出版社，2000.CHU Jing.The principle and application of fuzzy control［M］.Beijing:China Machine Press，2000.

［6］ 李士勇.模糊控制·神经控制和智能控制论［M］.哈尔滨:哈尔滨工业大学出版社，1996.LI Shiyong.Fuzzy control，neural control and intelligent control［M］.Harbin:Harbin Institute of Technology Press，1996.

［7］ 范影天.MATLAB仿真应用详解［M］.北京:人民邮电出版社，2001.FAN Yingtian.Details of MATLAB simulation and application［M］.Beijing:Post＆ Telecom Press，2001.

［8］ 李国勇.智能控制及其MATLAB实现［M］.北京:电子工业出版社，2005.LI Guoyong.Intelligent control and its MATLAB realization［M］.Beijing:Publishing House of Electronics Industry，2005.