神经网络在汽轮机控制系统上的研究
来源:用户上传
作者:
摘 要：该文针对目前的汽轮机控制系统采用传统PID控制的研究现状，分析电厂的实际运行过程中会存在非线性的问题，如死区特性、限幅特性、摩擦特性、滞环特性。引入神经网络算法解决汽轮机控制系统上的非线性问题，并给出 BP神经网络PID控制结构图，结合神经网络以及传统PID控制各自的优点进行设计，通过各个控制算法的优点补偿各自的不足，进而能够达到整个系统处在一个有效的控制范围内，并仿真建模，通过传统控制与神经网络控制对比，阐述神经网络在汽轮机控制系统非线性问题上的有效改善。
关键词：PID控制 BP神经网络 汽轮机
中图分类号：U672 文献标识码：A 文章编号：1672-3791（2020）01（a）-0067-02
1 汽轮机控制系统的传统PID控制
对于传统的PID控制器來说，由于研究的时间较长，使得目前的PID控制器具有操作简便，结构简易的特点。同时该控制器具有十分强的通用性，能够应用到工业的各个控制系统中。在实际的工业应用过程中，当涉及到PID控制，只需有效地进行比例、积分、微分的调整便能够达到有效的控制。对于PID控制器中的参数选取来说，一般是根据电厂的实际情况以及操作人员的经验使用试凑法进行参数选取。控制量主要是由线性的组合组成。
实际的运行过程中，引入比例环节主要的作用就是为了能够减小系统偏差。对于引入积分环节来说，其主要的作用是消除系统中的静差，对于积分环节来说，当时间越多，积分环节发挥的作用就会减小，时间越少，那么积分作用的效果就会更强。对于PID控制系统的微分环节来说，其主要的作用的减小超调时间，进而使得整个控制系统的回应速度增加。对于这3个参数来说，当确定好后，就不能发生改变。但是在实际的运行过程中，当系统中的某一个环节发生改变时，就会导致这3个参数不再是最优的选择，因此需要重新进行相应的改变，进而满足新的变化。
对于偏差来说，一般都是对离散时刻中的偏差数据进行计算，因此，对于PID算法来说，不能够直接地应用该数据。为了解决这个问题，慢慢地又开发了离散化的方法，即数字PID控制。该算法具备了以往模拟PID特点，进而使得整个PID算法得到了有效升级。目前主要分为增量式PID控制算法以及位置式PID。对于位置式PID算法来说，由于公式中的微分项以及积分项不能够直接拿来采用，那么就必须将一段时间内的采用点作为替代。其中，微分用一阶增量代替，积分使用矩阵代替。
2 汽轮机电液伺服系统非线性特性
对于汽轮机的电液伺服系统来说，其在运行的过程中一般都会存在较多的非线性因素，比如摩擦、滞环，力矩马达限幅特性以及滑阀死区特性。
（1）死区特性，其主要是在零附近的一个较小的范围，当输入的信号超出这个较小的范围时，就会有相应的信号输出，当输入的信号在这个较小的范围时，就不会有信号输出。对于死区特性，一般检测元件、放大元件以及执行元件都会存在，因此，需要对其进行有效的研究，确定死区的范围，以保证整个控制系统的精度。
（2）限幅特性，其主要的作用是限制输出信号的幅值，当输入的信号逐渐的超出一定的范围时，输出信号不会随着输入信号的增加而呈现线性的上升，此时的输出会保持在一定的常数。
（3）摩擦特性，对于摩擦特性来说，其主要存在两个部分，主要有库伦摩擦力与粘性摩擦力，对于粘性摩擦力来说，当执行机构速度较高的时候，可以忽略不计，而执行机构速度较低的时候，该摩擦力就会产生滞环，进而导致位置静差，使得整个系统的动态性能降低。对于库伦摩擦力来说，当执行机构速度较高时，系统的回应速度增大，而在低速时，整个库伦摩擦力则增加了整个系统的调节时间。
（4）滞环特性，对于滞环特性来说，其主要是将输入信号与间隔相比较，若输入信号大于间隔，那么整个元件的输出信号与输入信号会达成线性的关系，而当输入的信号小于元件间隔时，此时的元件是没有输出的。
3 BP神经网络控制
神经网络主要是由美国的Rumelhart以及McCelland等科学家提出并逐渐研究的算法，就目前的应用程度来看，该方法是应用较为广泛的方法之一。相比较于其他的方法，BP神经网络方法具有较强的学习能力，能够有效地将各种信息进行总结以及学习，通过相应的处理与计算得出相对应的输出结果，即得出输入与输出之间的映射关系。一般来说，BP神经网络模型主要包括3个部分，即输入层部分、隐含层部分以及输出层部分。
对于BP神经网络来说，其学习过程中主要存在4个步骤。
（1）前向传递：输入经中间层向输出层传播。
（2）反馈传播：输出误差反向修正权值、阂值。
（3）循环训练：前向传递与反馈传播交替循环。
（4）误差判断：判定误差是否达到预先设定值。
对于神经网络来说，器具与较强的学习能力，为了能够得到较好的调节能力以及非线性能力，就必须调整神经网络内部的一些关系。对于PID控制算法来说，其能够有效地解决系统的回应速度、稳态误差等一些指标问题，但是对于一些非线性的问题无能为力，因此引入BP神经网络进行问题分析。该小节主要是结合神经网络以及传统PID控制各自的优点进行设计，通过各个控制算法的优点补偿各自的不足，进而能够达到整个系统处在一个有效的控制范围内。对于基于BP神经网络的PID算法，其能够有效地针对系统的静与动做出及时的反应，以便在系统遇到复杂情况时，能够有效处理。同时在神经网络进行学习时，还能够更好地选取传统PID的比例、积分、微分三者之间的关系。图1为BP神经网络PID控制结构图。
通过神经网络的算法，基本可以得出整个BP神经网络PID控制主要存在两个方面：一方面为输出与输入之间要经过神经网络的计算，另一方面是输入到输出这个过程需要信号按照传递函数的顺序进行传导。
4 结语
该文介绍了传统PID以及神经网络的特点，通过提出汽轮机控制存在非线性关系的问题引出神经网络，将神经网络与PID控制相结合，得出一种新的控制方法应用到汽轮机控制系统中去。
参考文献
[1] 曾嫣，樊久铭，姚大坤.汽轮机转子动力学建模[J].电站系统工程，2007（4）：27-28.
[2] 张世海，刘雄彪，李录平.600MW汽轮发电机组转子系统建模与动力学特性分析[J].汽轮机技术，2016，58（1）：13-16.
[3] 黎波，陈军，张伟明.电液伺服系统建模辨识与控制的研究现状[J].机床与液压，2016，44（13）：168-172.
转载注明来源:https://www.xzbu.com/1/view-15131267.htm
