基于神经网络的锅炉蒸汽温度控制系统

作     者：董文波 

作者单位：哈尔滨理工大学 

学位级别：硕士

导师姓名：荣盘祥

授予年度：2014年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：蒸汽温度控制系统 RBF神经网络 混合学习算法 系统辨识 

摘      要：火力发电是我国重要的电力来源，在我国火力发电厂中，作为三大主要设备之一的锅炉，其可靠稳定运行对发电效率具有很重要的意义。主蒸汽温度控制系统是锅炉控制系统中的重点和难点，其作为被控对象的过热器是在高温、高压的条件下工作的。主蒸汽温度的持续稳定对机组的安全经济运行是非常重要的，因此，对主蒸汽温度控制系统有较高的要求。 本文以大庆某热电厂直吹式煤粉锅炉作为研究对象，设计基于径向基函数(RBF)神经网络的锅炉主蒸汽温度控制系统。首先，对RBF神经网络的基本原理和学习训练方法进行了介绍，充分叙述了径向基函数神经网络在控制系统中一般的应用;其次，分析了主蒸汽温度控制系统的动态特性，针对其随着工况的不同，机理模型参数随之而变化这一特点，提出了基于RBF神经网络的汽温控制系统的模型辨识，并将改进的混合学习算法作为训练过程，分别辨识出建模过程中隐层节点的个数、径向基函数的中心值、宽度和隐层到输出层的权值，并通过MATLAB软件对系统模型辨识进行仿真，随后分析了辨识结果的泛化性;再次，在模型辨识的基础上，针对常规PID控制效果的自适应效果差等缺点，设计了RBF神经网络PID整定控制器，并给出了在阶跃响应下的输出曲线仿真和对比。这也证明了使用本文控制策略具有良好的推广前景。