佘兢克，王佳妮，杨溯源，薛时雨

（湖南大学 信息科学与工程学院，长沙 410082）

0 引言

核能是一种具有丰富储量且高能低耗的清洁能源，是当下生产力高度发展、对能源有高度需求的工业4.0时代的首选。作为核电站中核岛和常规岛的连接枢纽，蒸汽发生器在核电站中的重要地位仅次于反应堆。目前，核电厂普遍选取传统PID控制法进行各级各类设备的控制管理。但PID是一种对于线性定常系统有效的控制策略，而对于蒸汽发生器水位这种时变、复杂的非最小相非线性系统的控制效果有所欠缺，并且PID中的积分部分存在着积分饱和的隐患，无法精准、及时、有效地进行控制[1]。

当前解决蒸汽发生器控制问题多以物理原理为切入点，通过对PID控制器参数的整定方式进行改进进而优化控制效果[2]，如M. Davanipour[3]等人提出的基于模糊小波神经网络模型的自整定PID控制法，M.G. Na[4]等人研究的模糊控制器的自整定方法，潘玉成[5]等人提出的基于模糊RBF神经网络的PID控制法，苏应斌[6]等人提出基于CFNN的控制法，Kento Kinoshita[7]等人提出通过虚拟参考迭代调整法均为使用神经网络实现PID控制器实时整定参数。然而，这种通过原理角度进行优化的方式实施成本高，并且无法彻底解决蒸汽发生器系统时变性、非线性给系统控制带来的困难。

上述方法中的参数调整方法都是基于蒸汽发生器本身物理模型以及液面变化的物理模型来构建和实施，方法的精确度依赖于物理模型构建的精确度。对于蒸汽发生器这样一个非线性时变复杂系统来说，精确构建其运行时的物理模型面临非常巨大的挑战和困难，也由此导致现行方法都存在无法完全捕捉蒸汽发生器液面变化等系统行为细节特点的问题。……