模糊神經網絡理論及其在熱工建模和控制中的應用研究.pdf

1、近年來,隨著火電機組單機容量和參數(shù)不斷增加,電廠被控對象越來越明顯地表現(xiàn)為強非線性、耦合性、不確定性等特征,傳統(tǒng)的控制策略很難達到期望的控制性能和效果,從而迫切地需要進行先進控制摔制策略的研究和應用。另一方面,隨著計算機控制系統(tǒng)的廣泛應用,電廠的廠級控制的自動化水平和信息化水平都明顯提高,從而也給先進控制策略的實現(xiàn)提供了良好的環(huán)境和平臺。但是控制和建模往往是分不開的,因此,先進控制策略的研究和應用往往建立在精確實用的建模方法基礎上。所以

2、,對于先進控制策略的研究包括建模和控制兩個方面的理論研究。 模糊系統(tǒng)能很好地描述對象的不確定性,具有萬能函數(shù)逼近能力,且單條規(guī)則能很好地逼近非線性系統(tǒng)的局部動力學特性,建模結果相對透明,有利于高性能模型控制器的設計與應用；此外,由于神經網絡具有較強的逼近非線性函數(shù)的能力,并具有自適應學習、并行分布處理和較強的魯棒性及容錯性等特點,為解決熱工非線性系統(tǒng)的建模和控制問題提供了一個可行的途徑。模糊神經網絡利用神經網絡結構來實現(xiàn)模糊推理

3、,它既具有模糊邏輯能表達模糊知識與實現(xiàn)模糊推理的功能,又兼?zhèn)淞松窠浘W絡強大的學習能力、非線性映射能力以及數(shù)據(jù)信息處理功能?；诖?本文從對傳統(tǒng)的模糊神經網絡理論著手,深入研究典型的模糊神經網絡的結構及其學習算法,并輔以仿真實例,通過分析得出傳統(tǒng)的模糊神經網絡用于建模的局限性及需要改進之處。 在對傳統(tǒng)模糊神經網絡的深入研究基礎之上,本文提出從以下三個方面對傳統(tǒng)的模糊神經網絡進行改進：一是通過改進模糊推理機制,形成補償模糊推理機制,

4、這種推理機制能夠使網絡在學習過程中動態(tài)地優(yōu)化模糊規(guī)則,一定程度上可以減少模糊規(guī)則的冗余,推理機制的改變使得網絡結構得到改進,這種改進也促進了學習算法效率的提高：二是通過增加遞歸環(huán)節(jié),將模糊神經網絡的概念延伸到動態(tài)神經網絡領域,從而極大地改善了模糊神經網絡處理動態(tài)非線性系統(tǒng)的能力；第三點是最為重要的一點,充分重視網絡結構辨識算法的研究,根據(jù)不同的網絡結構因地制宜地采用不同的結構辨識算法,從而使得在網絡結構確定時,網絡逼近已經達到一定的精度

5、,從而強化前面兩點網絡改進所帶來的性能和效果的提高。這一點也是當前國際上被普遍忽略的一點。綜上所述,本文提出了一種新型補償遞歸模糊神經網絡(NCRFNN)及其學習算法,重點對學習算法進行了深入研究。然后通過理論上的分析和比較,證明該方法理論上的閃光點；接著進行幾個針對性實例的仿真計算,其結果表明該網絡在實際應用中的確具有顯著的效果。 在提出的新型補償遞歸模糊神經網絡及其學習算法的基礎上,本文進一步針對大型火電機組的典型熱工過程(

6、如機爐協(xié)調控制被控對象)及其它典型的非線性熱工過程(如ALSTOM氣化爐),建立了高精度的非線性網絡模型,其網絡結構相對簡單,所需要的模糊規(guī)則較少,而且該網絡模型具有較高的預測精度和良好的泛化能力,從咖驗證了基于新型補償遞歸模糊神經網絡及其算法建立非線性熱工過程模型的可行性。 在建立了熱工過程的補償遞歸模糊神經網絡模型后,論文進一步研究了基于這種網絡模型的動態(tài)矩陣控制理論及其方法,通過將新型補償遞歸模糊神經網絡嵌入到動態(tài)矩陣控制