（控制理论与控制工程专业论文）基于神经网络的解耦控制研究.pdf

华北电力大学硕士学位论文摘要 摘要 本文主要进行了基于神经网络的解耦控制研究。针对电厂中除氧器对象和单元 机组协调控制系统被控对象强耦合的特点，将神经网络引入控制系统的设计中。提 出了一种神经网络在线解耦算法，该算法结合了基于神经网络的参数自适应p i d 控 制算法和分散解耦算法，用来实现对被控对象的解耦控制。将该算法分别用于对除 氧器水位、压力控制系统和单元机组协调控制系统的设计中。通过对设计方案的仿 真研究，结果表明：该设计方案具有良好的解耦效果；控制系统的调节品质令人满 意。通过仿真试验比较：该设计方案比传统p i d 控制方案的控制水平有明显的提高。 关键词：神经网络，解耦控制，除氧器，协调控制系统 a b s t r a c t t h i sp a p e rf o c u so nd e c o u p l i n gc o n t r o lb a s e do nn e u r a ln e t w o r k d i r e c ta g a i n s tt h e s t r o n gc o u p l i n gc h a r a c t e r i s t i c o fc o n t r o ls y s t e mo fd e a e r a t o ra n dc o o r d i n a t e dc o n t r o l s y s t e mi nt h ep o w e rp l a n t ，ad e c o u p l i n gc o n t r o ls y s t e mc o m p o s e do fs e l f - a d a p t i v ep i d c o n t r o l l e ra n dd i s p e r s i v ed e c o u p l i n gn e t w o r ki sp r e s e n t e dw h i c hi sa p p l i e di nc o n t r o l s y s t e mo fd e a e r a t o ra n dc o o r d i n a t e d c o n t r o l s y s t e mt od e c o u p l et h e s es y s t e m t h e s i m u l a t i o nr e s u l t ss h o wt h a tt h ed e s i g n e ds y s t e md i s p e lt h ec o u p l i n gb e t w e e nt h e s y s t e m a t i cv a r i a b l e sb a s i c a l l y , i ti m p r o v e dg r e a t l yt h ed y n a m i ca n ds t a t i cr e s p o n s i b l e s p e c i f i c a t i o n s o ft h e s y s t e m c o m p a r e d w i t ht h et r a d i t i o n a lp i d c o n t r o l l e r ，t h i s i n t e l l i g e n tc o n t r o la l g o r i t h mc a na c h i e v eb e t t e rc o n t r o le f f e c t z h a n gj i a n y u ( c o n t r o lt h e o r ya n d c o n t r o le n g i n e e r i n g ) d i r e c t e db yp r o ly u x i n i n g ，a s s o c i a t ep r o f l i a n gw e i p i n g k e yw o r d s ：n e u r a l n e t w o r k ，d e c o u p l i n gc o n t r o l ，d e a e r a t o r , c o o r d i n a t e dc o n t r o ls y s t e m 声明 本人郑重声明：此处所提交的硕士学位论文基于神经网络的解耦控制研究，是本人 在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作和取得的研究成果。据 本人所知，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得华北电力大学或其他教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示t n 意。 学位论文作者签名：逆盎孳 日期： 学位论文作者签名：硝釜丝聋 日期：谢j f l 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手段 复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为目的， 复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学位论文 的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：翘 日期：碰：! ：， 导师签名 日期 华北电力大学硕士学位论文 1 1 选题背景及其意义 第一章引言 现代复杂工业生产过程中，受控对象之间的耦合问题是普遍存在的一种现象。 与无耦合的受控对象相比，自动控制系统的设计难度更大。加之热工对象所普遍存 在的大延迟、大惯性、非线性等特性，又会增加自动控制系统的设计难度。因此， 对强耦合、大延迟、大惯性、非线性控制系统来说，控制方案的选择、控制参数的 整定以及控制水平的提高是一个值得深入研究的课题。 复杂的电力生产过程都是多参数的协调工作过程。一个过程变量的变化必然会 波及到其它过程变量的变化，因此在一个多变量的控制系统中，因为系统中存在耦 合，输入与输出之间相互关联，互相影响，采用s i s o 系统的设计方法往往不能取 得预期的控制效果，甚至会得到一个不稳定的系统。因此研究m i m o 系统的解耦控 制策略，并把它们用于过程控制，对于提高生产效益和保障安全运行都具有很重要 的现实意义【ij 。 解决上述问题的关键在于如何实现工业过程的自适应解耦控制。传统的解耦控 制理论已经比较完整，但必须建立在精确的数学模型基础之上，且控制系统应具有 足够的线性度( 执行机构具有足够的线性调节裕量) 。而实际系统的数学模型往往 难以得到且线性调节范围有限，所咀多变量系统的控制在实际应用过程中仍是难 题。神经网络具有大规模并行性、容错性、处理非线性和不确定性问题的能力，解 决了许多经典控制难以解决的问题，在处理实时性要求高的自动控制领域显示出极 大的优越性。所以研究基于神经网络的解耦控制有利于克服传统方法的局限性，是 实现解耦控制的种新的有效途径 扣n j 。 1 2 国内外的研究现状 现有的解耦方法大致可分为三大类：传统解耦方法，自适应解耦方法和智能解 耦方法。 1 、传统解耦方法： 传统解耦方法以现代频域法为代表，也包括时域方法，主要适用于线性定常m i m o 系统。 ( 1 ) 逆奈氏阵列法( i n a ) 。i n a 方法以对角优势性为基础，充分利用了经典设 计技术，预补偿器简单而易于实现，且具有一定的鲁棒性，故得到了广泛应用。 ( 2 ) 特征轨迹法。特征轨迹法是一种分析m i m o 系统性能的精确方法，对艏i 系统的解耦理论有着重要的意义。但对于工程设计来说，远不如i n a 法那样简单有 i 华北电力大学硕士学位论文 效，在实现补偿器k ( s ) 的过程中，无论是增益平衡法还是特征向量配正法，都要 对k ( s ) 进行近似处理，因而，其精确性也难以保证。 ( 3 ) 序列回差法。序列回差法采用逐个串入补偿器和闭合反馈回路的办法，实 质上是单变量设计方法解决多变量控制问题。该方法易于计算机编程，兼顾了各方 面性能。序列回差法的关键是k ( s ) 的确定，但目前仍没有较好的方法，从解耦的角 度看，这种方法类似与三角解耦，不能实现全解耦，且仅能按顺序设计，无法任意 设计单个回路。 ( 4 ) 奇异值分解( s v d ) 法。奇异值分解是近年来控制系统研究中普遍使用的方 法，利用奇异值分解设计多变量系统，不仅具有低灵敏度，而且具有高度的数值计 算稳定性。主增益、主相位分析是判别稳定性的主要方法，还可根据广义奈氏定理， 由主带域和临界点的关系判别系统的稳定性。 总之，现代频域法的共同理论基础是奈氏稳定判据，通过对系统传递函数的分 解实现对角化或对角优势化，以达到解耦的目的。 2 、自适应解耦方法： 自适应控制的思想与解耦技术相结合并用于多变量系统中，就形成了自适应解 耦方法。自适应解耦的目的是使系统闭环传递函数矩阵成为对角阵，通常把耦合信 号作为干扰处理。自适应解耦实质上采用了最优控制的方法，建立目标函数并对参 数寻优是该方法的核心，这是与传统解耦方法的本质区别，同时也是智能解耦理论 的基础，自适应解耦可应用于时变对象。 3 、智能解耦方法： 智能解耦方法以神经网络解耦方法为代表2 。】。由于神经网络可实现多输入到多 输出的映射，以任意精度逼近任意函数，并具有学习功能，因此适用于时变、非线 性、特性未知的对象。 按神经网络解耦器与被控对象连接位置的不同，神经网络解耦控制的基本结构 可分为串联方式和反馈方式。 ( 1 ) 串联方式： 采用串联方式的神经解耦方式中，神经解耦器与被控对象均为串联关系，只是 神经解耦器接入的前后位置有所区别。其基本思路是在多变量非线性系统前面加上 神经网络解耦器，通过训练神经网络，从而消除耦合影响，使开环系统完全解耦或 近似完全解耦，然后对解耦后的各单回路设计单回路控制器。从工程实用化的角度 考虑，这种算法比较简单可靠，而且易于实现。 ( 2 ) 反馈方式： 采用反馈方式的神经解耦控制方式中，神经解耦器位于反馈通道中，在结构上 类似于传统的输出反馈解耦。可是由于神经解耦器n n 可以实现任意映射的非线性 动态特性，因此可以很好的适用于非线性对象。但这种方法要比串联解耦复杂的多。 2 华北电力大学硕士学位论文 1 3 论文的主要研究内容 本文针对基于神经网络的解耦问题的探讨，进行了以下几方面的研究工作： ( 1 ) 神经网络技术研究。文中给出了神经网络基本模型，重点讨论了b p 网络 的结构及其算法，对神经网络拓扑结构及其获取方法进行了讨论。 ( 2 ) 多变量耦合对象分析。文中给出了除氧器水位、凝泵出口压力控制系统 和单元机组协调控制系统的模型结构，并对其耦合特性进行了分析研究。 ( 3 ) 神经网络解耦控制算法的设计。结合基于神经网络的参数自适应p i d 控 制算法与分散解耦算法，提出了一种神经网络在线解耦算法，并对上述两个系统的 设计结果进行了仿真验证。 华北电力大学硕士学位论文 第二章多变量耦合对象分析 2 ，1 除氧器水位控制系统简介 211 除氧的基本方法及原理 在热力发电装置中，由于高温水中活性气体( 主要是氧气) 对管道有很强的腐 蚀作用为了防止设各老化和被腐蚀，人们提出了许多除氧( 包括其他活性气体) 的方法。工业锅炉常用的除氧方法有：热力除氧、化学除氧、解析除氧、电化学除 氧、除氧树脂除氧。 给水除氧的方法一般有化学除氧和热力除氧两种i ” 。 化学除氧是使一些易和氧起化学作用的药剂( 如亚硝酸钠和联胺) 等与水斗溶 解的氧化合而达到除氧的目的。此法能彻底除氧，但不能去除其他气体，而且生成 的氧化物还会增加给水中可溶性盐类的含量，更为不利的是其价格昂贵，因此中小 型电厂很少使用。只有要求给水彻底除氧的某些亚l 临界参数以上机组的电厂，化学 除氧，d 作为一种补充除氧的手段来加以采用。 电厂中j 。泛应用的除氧方法是热力除氧。此法耗资少，并且既能除氧又能除去 其他气体，同时还没有任何残留物质，所以几乎为所有的电厂所采用。在亚临界 u 超临界的电厂中，它也是主要的除氧手段。 热力除氧的理论基础是亨利定律和道尔顿分压定律。根据这两条定律，热力除 氧的原理是：在定压下将水加热到沸点，使水蒸汽的分压力几乎等于水面上的全压 力其他气体的分压力就趋于零，于是溶于水中的那些气体就将完全自水中逸出而 被清除。 因此，用热力除氧法除去水巾的氧气必须做到以下两点：首先，必须把水加热 到除氧器工作压力下的饱和温度，否则即使少量的加热不足，倒如几分之一度，都 足以使水中残余含氧量达到不能允许的程度。其次，还必须将自水中逸出的气体排 出，以保证水面上这些气体的分压力减至零或最小。 热力除氧有以下特点： ( 1 ) 不仅能除0 ：，而且能除c o ：，当给水加热后产生的n h ，也可除去。 ( 2 ) 较其他除氧方法效果稳定可靠。 ( 3 ) 除氧器水中不增加含盐量，也不增加其他气体的溶解量。 ( 4 ) 用汽多， ( 5 ) 提高给水进入省煤器温度，影响烟汽废热的利用。 ( 6 ) 负荷变动时不易调整。 华北电力大学硕士学位论文 2 1 2 常用热力除氧器概述 根据上述热力除氧基本原理可见，热力除氧器在构造上有如下要求： ( 1 ) 水应能加热至相应于除氧器内压力沸点。 ( 2 ) 水要能成水膜状或喷散至足够细度，并在整个除氧头截面上均匀分布， 使汽水分解面积达到最大以利于气体逸出。 ( 3 ) 除氧头应有足够的截面积，使蒸汽有自由通路。 ( 4 ) 应有不凝结的气体由除氧头充分排出。 常见的电厂锅炉给水除氧用的热力除氧器的型式有以下几种： ( 1 ) 淋水盘式热力除氧器。其基本工作过程为：锅炉供水( 回水及软化水) 从除氧器的顶部两侧管引入，经一圆管与外壳的夹层而溢入第一个环形槽。水从第 一个环形槽溅至第一个带孔的圆盘内，水经圆盘的d , t l 形成细薄的很多小水流向下 流动。如此继续流过以下的几层环形槽及带孔圆盘。蒸汽由除氧头下部进入，经过 蒸汽分配器而向上流动，传过细水流，将水加热，同时形成较大的汽水分界面。水 中溢出的气体及部分蒸汽经顶部锥形挡板折流，使分离一些水份后由排气管排出。 ( 2 ) 热力喷雾除氧器。这种除氧器实际上是一种喷雾和填料相结合的除氧器。 基本工作过程为：锅炉供水( 回水及软化水) 从除氧器的顶部两侧引入，经过两侧 平行支管而形成喷水管网。喷水管网上装有若干喷嘴，水经过喷水管网流入喷嘴， 通过喷嘴被喷成雾状。蒸汽由下本体下部的进汽管进入，经过蒸汽分配器向上流动， 分离的气体及部分蒸汽最后经上本部顶部的圆锥挡板折流，由排气管排出。 ( 3 ) 旋膜式热力除氧器。其基本工作过程为：锅炉供水( 回水及软化水) 从 除氧器的顶部两侧引入，经过一夹层穿越若干短管，这些短管为顺排。短管四周管 壁上按螺旋形钻有一排小孔。水在夹层中由这些d , - i l 向短管内喷出，从而在短管内 形成向下运动的空心螺旋形转动的水膜，水流向下运动进入与短管相对的孔板，孔 板上开有许多小孔，水通过这些d , ：t l 向下流动，然后经过一铜网。蒸汽由下侧引入， 流经喷管向四周喷射，然后蒸汽按水流相反方向由下向上流动，并最终经过短管流 出，气体及部分蒸汽从顶部排气管排出。 上述三种型式的除氧器各有特点，八十年代之前电厂锅炉供水除氧以采用淋水 盘式除氧器居多，长期的实践发现这种除氧器效率不高，除氧效果不够稳定，且振 动较大，逐渐不为工业界所采用。热力喷雾式除氧器除氧效果较好，一般采用两级 除氧，是一种淋水盘式和填料式的组合形式，汽水接触面大，换热较为充分。但这 种除氧器结构较为复杂，加工成本较高，且变工况运行有波动。旋膜式除氧器是一 种较为先进的除氧设备，其主要构成由四部分组成，即：起膜器组、水蓖层、填料 层以及蒸汽分配室。在起膜器组中，进来的锅炉给水通过旋流的作用形成高速旋转 华北电力大学硕士学位论文 向下运动的环形薄膜，与加热蒸汽逆向对流，其流动过程呈强紊流态，加上射流的 卷吸作用，使换热达到较好的状态。同时由于水薄膜的厚度较小，表面积较大，溶 解于水中的氧易于逃逸，提高了除氧效果。从旋膜器组出来的水流再进入水蓖层和 填料层进行进一步的除氧，使除氧效果进一步提高。该种除氧器的优点可归纳如下： ( 1 ) 膜式除氧器的传热面大，传热效果好，顶部膜管夹层可以使水产生集热 作用，以防止水温的突然变化。对补水量大、补水温度较低的热电厂工况尤为有利。 ( 2 ) 膜式除氧器的适应性强，变工况运行影响不大，振动较小，有利于安全 运行和延长寿命。 ( 3 ) 膜式除氧器的除氧排汽量小，约为同等条件下喷雾填料式除氧器的一半， 有良好的节能效益。 ( 4 ) 膜式除氧器除氧效果良好，结构也较为简单，内部无易损件，运行稳定， 经济性及安全性较好。 从目前国际上除氧器发展的趋势可以看出，膜式除氧器的使用越来越多，尤其 是西方一些发达国家更注重将膜式除氧原理和填料除氧原理相结合，使其除氧效果 及安全运行性能、调节性能及经济性能进一步提高。 2 1 3 除氧器耦合特性分析 在火电机组给水系统流程上，锅炉汽包、除氧器及凝汽器是3 个相关的串联“水 箱”，运行要求这3 个“水箱”的水位必须保持恒定。除氧器作为其中关键的一环， 若其水位产生大范围的波动，势必会波及到整个给水系统，所以保持除氧器水位稳 定对于机组的安全经济运行有很重要的意义。然而因为除氧嚣系统的强耦合特性， 又使得与之相关的控制系统难以实现很好的调节。 凝汽器 进锅炉 图2 - 1回热加热系统图 除氧器系统的耦合问题主要表现在三个方面：除氧器水位与凝汽器水位之间的 6 华北电力大学硕士学位论文 耦合影响；除氧器水位与除氧器压力之间的耦合影响；除氧器水位与凝泵出口压力 之间的耦合影响。其中，目前关于除氧器水位与凝汽器之间的耦合问题的研究成果 主要有 1 3 1 6 】，而除氧器压力控制系统因为一般不投自动，所以其与除氧器水位的 耦合并不影响系统的运行。相对于前两种耦合问题而言，除氧器水位与凝泵出口压 力之间的耦合特性则严重影响到了机组的安全经济运行，所以本文主要研究除氧器 水位与凝泵出1 3 压力之间的耦合问题”。 某电厂3 0 0 m w 机组除氧器热力系统如图2 一l 所示，汽水流程为：汽轮机排汽进 入凝汽器凝结成水，经凝泵，进低加组，然后进除氧器，进给水泵加压后，进高加 组，然后进锅炉，加热成蒸汽后进汽轮机做功。除由凝汽器到除氧器的主凝结水通 道外，凝泵出口还有一支路。凝结水可由此支路流回凝汽器。除氧器进水量由除氧 器水调门控制，从凝泵出口流回凝汽器的水量由再循环门控制。由于设备所限，凝 泵的转速是不可调的。为了凝泵能够安全工作，凝泵出口处凝结水压力一般要求在 1 6 1 8 k g c m 2 之内。机组在变负荷运行时，高压加热器疏水扰动使得除氧器热力系 统发生变化，此时为保证除氧器水位恒定，如要关小除氧器水调门以减少排入除 氧器的凝结水量，就必然造成凝泵出口压力大幅度上升，需要开启再循环门卸压， 以维持凝泵出口处凝结水压力在要求范围内，但在卸压的同时也对除氧器水位产生 很大的影响，所以除氧器水位的控制和凝泵出口压力的控制存在严重的耦合关系， 运行人员反映调节困难很大，这是现场中存在的主要问题。 2 1 4 除氧器水位控制对象模型 除氧器水位、凝泵出口压力受控对象模型是根据定性分析并参考湛江电厂 3 0 0 m w 机组模型得到的【1 7 1 ，将执行机构传递函数考虑在内，其广义对象模型为： 阡 一s k 1 + 搭 i a s o 十t , s ) 髟 ( 1 4 - t s ) o + 置s ) ( 2 1 ) 其中模型的两个输入量分别为除氧器水调门开度鲳和再循环门开度：，两个 输出量是除氧器水位h 和凝泵出口压力p 。 五、丁、足分别为除氧器正常水位处的截面积、时间常数、传递系数。 2 2 协调控制系统简介 随着电力工业的发展，大型单元制枫组在电网中占的比例越来越大。为了适应 电网负荷变化的需要，大容量火电机组必须改变过去只带基本负荷运行的状况，而 要根据电网的要求，参与电网的调频调峰。这样就必然对单元机组的调节系统提出 7 华北电力大学硕士学位论文 新的更高的要求。而协调控制系统凭借可以提高机组适应负荷变化和保持内部能量 平衡的能力，成为了近年来大型单元机组控制系统发展的必然趋势1 8 】 ” 。 2 2 1 协调控制系统基本概念 协调控制系统c c s ( c o o r d i n a t e dc o n t r o ls y s t e m ) 是大型单元机组普遍采用 的一种先进的控制方式【2o 】【2 “。单元机组控制的主要任务是能够适应电网负荷的要 求，快速改变机组的负荷，维持机组内部参数在额定值范围内。单元机组协调控制 系统是在常规机炉局部控制系统基础上发展起来的新型控制系统。常规的机炉控制4 系统是由一系列相对独立的局部控制回路构成，结构比较简单，功能比较单一，适 应机组不同运行方式和工况的能力也比较差，单元机组协调控制系统是把锅炉和汽 轮发电机组作为一个整体进行控制，采用了递阶控制系统结构，把自动控制、逻辑 控制、联锁保护等功能有机结合在一起，构成一种具有多种控制功能，满足不同运 行方式和不同工况下控制要求的综合控制系统，当机组负荷需求改变时，使锅炉和 汽机局部控制予系统同步地参与功率及汽压控制。c c s 的设计和综合的基础是机炉 动态特性。 单元机组协调控制系统可以认为是一种二级递阶控制系统。处于上位机的机炉 协调级，也叫单元机组主控系统，是整个系统的核心部分。处于局部控制级子系统 包括锅炉燃料控制系统，风量控制系统，汽轮机功率频率调节系统，以及直流锅炉 的给水控制系统。单元机组主控系统产生指挥机炉控制器动作的锅炉指令和汽机指 令。局部控制级的控制器执行主控系统发出的指令，完成指定的控制任务。 2 2 2 协调控制系统的主要功能 随着电网运行自动化水平的提高，实现整个电网自动调度和管理已势在必行。 以单元机组协调控制系统为基础，构成整个电网级的协调控制和优化管理系统，已 成为电力生产自动化的发展趋势。 对单元机组协调控制系统的功能要求主要有以下几点： ( 1 ) 能接受中心调度指令，也能在控制室内由值班员改变负荷指令。 ( 2 ) 能较快地适应外界负荷要求，保证机前压力在较小幅度范围内变化。 ( 3 ) 有机组负荷最大值和最小值的限制措施，保证机组在安全范围内运行。 ( 4 ) 在机组发生局部故障时，实现负荷闭锁增，闭锁降，迫升，迫降以及保 持功能，避免机组因局部故障而引起机组全停。 ( 5 ) 严密的逻辑控制系统能根据机组运行的不同要求，进行控制方式的切换， 切换是无扰动的。 综上，单元机组协调控制系统已成为大型单元机组普遍采用的一种控制系统。 8 华北电力大学硕士学位论文 该系统把自动调节、逻辑控制、安全保护、监督管理融为一体，具有功能完善、技 术先进、可靠性高等特点，满足大型单元机组控制的需要。 需要指出，目前广泛应用的单元机组协调控制系统中，控制规律仍属于经典控 制的范畴，系统分析设计和综合的方法多采用多变量频域法和常规的工程方法。近 年来，现代时域和频域的控制理论方法在单元机组协调控制系统的设计综合方面已 有不少的研究成果，并越来越多的应用于解决工程实际问题。另外，随着科学技术 的飞速发展，又工神经网络也得到了很好的应用和发展，并在许多的实际中都取到 了较好的应用效果，所以，将智能控制算法应用于单元机组的控制中，以代替常规 的p i d 控制是很值得研究和应用的。 2 2 3 协调控制系统的原理 中调指令lj 机鬻员l 障信号 机组功率运算 回路 外界负荷 运行 台数 燃烧 率偏 差 机组允许负荷 能力运算回路 允许负荷运算 限制 实发功率n e 机组功率指令n 0 + = i i 主 锅l 锅炉 菇i 调节器 主l 丁_ 控1 锅炉燃烧率指令( 燃 料量及空气量) 汽机 调节器 汽机调节阀 开度指令 图2 - 2 协调控制系统工作原理图 指令形成 一机前压力给定p o = 一机前压力p t 协调控制系统是由负荷指令处理回路和机炉主控制回路这两部分组成。负荷指 令处理回路可以接受3 个负荷指令信号，即电网调度负荷指令信号、电网频差信号 和值班员改变负荷的指令信号。它们的总和反应了外界对机组负荷的要求。机组功 率运算回路将这些负荷要求处理成为机组可能接受的功率信号。机组能否接受这个 华北电力大学硕士学位论文 指令信号还要由机组允许负荷能力运算回路决定，允许负荷能力取决于当时的主要 辅机运行台数及锅炉燃烧率的偏差。若负荷要求在机组所能承担的允许范围内，则 可按负荷要求发出机组功率指令，否则，按机组允许负荷能力发出机组功率指令， 这个任务由限制回路完成。经上述运算处理后的机组功率指令( 功率给定值n o ) 分 别送往锅炉调节器和汽机调节器。 机炉主控制回路由锅炉调节器和汽机调节器组成，它们同时接受功率偏差 ( n 。一札) 和汽压偏差( p o 一只) 信号。在稳定工况下，实发功率。等于给定功 率。，机前压力岛等于给定压力值最。当要求负荷增加时，将出现一个正的功率 偏差信号( 。一n 。) ，此信号通过汽机调节器开大调节阀，增加实发功率，同时， 这个信号也作用到锅炉调节器开大调节阀，使燃料量增加，增加蒸汽量。当调节阀 增大时，会立即引起机前压力的下降，尽管此时锅炉已经开始增加燃料量，但由于 燃料一机前压力通道有一定的惯性，这时仍然会有正的压力偏差( p o 一尸) 信号出 现，这个信号按正方向作用到锅炉调节器，继续增加燃料量，同时反方向作用到汽 机调节器，力图使汽压回复到正常数值。正的功率偏差信号和负的压力偏差信号作 用的结果，会使调节阀开大到一定程度停止。这时汽机实发功率还没有达到功率给 定值，这种状态只能是暂时的，因为正的功率偏差信号和负的汽压偏差信号同时通 过锅炉调节器使锅炉增加燃料量，随着机前压力的逐渐恢复，压力偏差信号逐渐减 小，这时汽机调节阀在正的功率偏差信号作用下逐渐开大，提高实发功率，直到功 率和汽压均与给定值相等，机组达到新的稳定状态。 由此可见，在机组适应电网负荷的变化过程中，协调控制方式允许汽压有一定 的波动，以便充分利用锅炉的蓄热量，使机组能够较快的适应电网的负荷要求。但 是，这里利用锅炉蓄热量是有限的，因为在控制过程中利用负的压力偏差能适当地 限制汽机调节阀的动作，保持机前压力不致产生过大的偏差，所以，协调控制方式 既能使机组较快的适应电网的负荷要求，又能确保汽压的波动在允许的范围内，另 外，由于锅炉调节器接受功率偏差前馈信号，能迅速地改变燃料量，可使机组功率 较快的达到功率给定值。 2 2 4 协调控制对象模型 协调控制的被控对象是由锅炉和汽轮发电机组组成。当锅炉和汽轮机各自的调 节子系统是完善的，主要辅机运行正常时，被控对象可简化为一个双输入双输出的 多变量对象。对普遍采用直吹式制粉系统的大型燃煤机组，协调控制对象的两个输 入量是给煤机转速行的给定值和汽机的调汽阀门开度的给定值，当给煤机转 速控制回路和汽轮机调汽阀门伺服控制回路的动态特性可忽略不计时，可以认为 n = ，p = p 。，两个输出量是主汽压力p 和机组实测电功率。根据对多台大型 华北电力大学硕士学位论文 燃煤机组动态特性的研究以及某电f - 3 0 0 m w 机组动态特性实验的结果【2 孙，可得出采 用直吹式制粉系统的大型燃煤机组协调控制对象的线性化动态数学模型的结构为 阡 两甬b l ( b 再o s ：+ 万1 ) 面 执( b 3 + b 2 ss1 a 十) 2 s 1 ( d l+ 1 ) 2 ( 口o + ) 十 生垫兰! !垦兰! ! ! 兰! ! ( 口4 s + 1 ) 2 ( 口3 s + 1 )( 口7 s 2 + a 6 s + 1 ) ( 口5 s + 1 ) ( 2 2 ) 从相同实验条件下进行的大量动态特性实验中，选取特性复现性好的几组阶跃 响应数据，采用式( 2 - 2 ) 所示的模型结构，可用最小二乘法辨识出模型的参数。 2 3 本章小结 本章主要研究及目的内容： 热力除氧的原理及特点，并对常用的除氧设备进行了简单的介绍，然后分析了 除氧设备中存在的问题，主要对除氧器水位与凝泵出口压力之间的耦合现象进行了 分析，在该节最后给出了除氧器水位控制对象的模型。 协调控制系统的基本概念以及主要功能，并概括地叙述了协调控制系统的工作 原理，然后给出了采用直吹式制粉系统的大型燃煤机组协调控制对象的线性化动态 数学模型。 被控对象模型的建立为后续解耦算法的研究提供了条件。 华北电力大学硕士学位论文 第三章神经网络技术基础 3 1 人工神经网络简介 3 1 1 人工神经网络研究的起源 人工神经网络研究的先锋m c c u l l o c h 和p i t t s 曾于1 9 4 3 年提出一种叫做“似脑 机器”( m i n d l i k em a t h i t l e ) 的思想，这种机器可由基于生物神经元特性的互连模型 来制造，这就是神经学网络的概念。他们构造了一个表示大脑基本组成成分的神经 元模型，对逻辑操作系统表现出通用性。随着大脑和计算机研究的进行，研究目标 已经从“似脑机器”变为“学习机器”，为此一直关心神经系统适应律的h e b b 提出 了学习模型。到6 0 年代初期，关于学习系统的专用设计指南有w i d r o w 等提出的 a d a l i n e ( a d a p t i v el i n e a re l e m e n t 即自适应线性元) 以及s t e i n b u c h 等提出的学习 矩阵，由于感知器的结构概念简单，因而在开始研究时对它寄托很大希望。然而， 不久以后m i n s k y 和p a p e r t 从数学上证明了感知器不能实现复杂逻辑功能。 到了7 0 年代，g r o s s b e r g 和k o h o n e n 对神经网络研究作出重要贡献。以生物学 和心理学证据为基础，g r o s s b e r g 提出几种具有新颖特性的非线性动态系统结构。 该系统的网络动力学由一阶微分方程建模，而网络结构为模式聚集算法的自组织神 经网络实现。基于神经元组织自己来调整各式各样的模式的思想，k o h o n e n 发展了 他在自组织映射方面的研究工作。w e r b o s 在7 0 年代开发出一种反向传播算法。 h o p f i e l d 在神经元交互作用的基础上引入一种递归型神经网络，这种网络就是有名 的h o p f i e l d 网络。在8 0 年代中叶，p a r k e r 和r u m e l h a r t 等提出了反馈学习算法。 近年来，神经网络已经在从家用电器到工业对象的广泛领域找到了它的用武之地 1 2 4 2 ” 3 1 2 人工神经网络在控制中的应用 人工神经网络具有如下一些特性，使其能在控制领域得到广泛的应用和研究。 ( 1 ) 并行分布处理：神经网络具有高度的并行结构和并行实现能力，因而能 够有较快的总体处理能力，这特别适于实时控制和动态控制。 ( 2 ) 非线性映射：神经网络具有固有的非线性特性，这源于其近似任意非线 性映射( 变换) 能力。这一特性给非线性控制问题带来新的希望。 ( 3 ) 通过训练进行学习：神经网络是通过所研究系统过去的数据记录进行训 练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此，神经网络能 够解决那些由数学模型或描述规则难以处理的控制问题。 华北电力大学硕士学位论文 ( 4 ) 适应与集成：神经网络能够适应在线运行，并能同时进行定量和定性操 作。神经网络的强适应和信息融合能力使得网络可以同时输入大量不同的控制信 号，解决输入信息间的互补和冗余问题，并实现信息集成和融合处理。这些特性特 别适合于复杂、大规模和多变量系统的控制。 ( 5 ) 硬件实现：神经网络不仅能够通过软件而且可以借助硬件实现并行处理。 今年来，一些超大规模集成电路实现的硬件已经问世。这使得神经网络在硬件层面 上的实现成为可能。 显然，神经网络由于其学习和自适应、自组织、函数逼进和大规模并行处理等 能力，因而具有用于智能控制系统的潜力。神经网络在模式识别、信号处理、系统 辨识和优化方面的应用，已有广泛研究。在控制领域，神经网络已经致力于处理控 制系统的非线性和不确定性以及逼近系统的辨识函数等。 3 2 人工神经网络的结构 3 2 1 神经元及其特性 图3 - 1人工神经元模型 神经网络的结构是由基本处理单元及其互连方法决定的。连接机制结构的基本 处理单元与神经生理学类比，往往称为神经元。每个构造网络的神经元模型模拟一 个生物神经元，如图3 1 所示，该神经元单元由多个输入( i = l ，2 ，n ) 和一个 输出y 组成。中间状态由输入信号的加权和表示，而输出为： _ y ，0 ) = 厂( 乏：w f 曩一口，) ( 3 - 1 ) 式( 3 - 1 ) 中，0 ，为神经元章i 元的闽值，w 。为连接权系数( 对于激发状态，w ， 取正值，对于抑止状态，w 。取负值) ，n 为输入信号数目，y ，为神经元输出，t 为时 间，厂( ) 为输出变换函数。有时叫激发或激励函数，往往采用o 和l 二值函数或s 形函数，这几种函数都是连续和非线性的。 华北电力大学硕士学位论文 3 2 2 人工神经网络的基本类型 人工神经网络由神经元构成，这种由许多神经元组成的信息处理网络具有并行 分布结构。每个神经元具有单一输出，并且能够与其它神经元连接，而且存在多重 输出连接方法，每种连接方法对应一个连接权系数。最常见的人工神经网络可分为 如下两种基本类型： ( 1 ) 递归网络。 在递归网络中，多个神经元互连以组成一个互连神经网络。有些神经元的输出 被反馈至同层或前层神经元。因此，信号能够以正向和反向流通。递归网络又叫做 反馈网络。 ( 2 ) 前馈网络。 前馈网络具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从 输入层至输出层的信号通过单向连接流通，神经元从一层连接至下一层，不存在同 层神经元之间的连接。 神经网络主要通过两种学习算法进行训练，即指导式( 有师) 学习算法和非指 导式( 无师) 学习算法。此外，还存在第三种学习算法，即强化学习算法，可把它 看作有师学习的一种特例。 3 3 b p 网络的结构及算法分析 3 3 1 b p 网络的结构 输入层输出层 图3 2三层b p 网络模型 b p 网络是一种单向传播的多层前向网络【2 4 2 8 】。网络除输入输出节点外，有一 层或多层的隐层节点，同层节点之间没有耦合。输入信号从输入层节点，依次传过 各隐层节点，然后传到输出节点，每一层节点的输出只影响下一层节点的输出。每 华北电力大学硕士学位论文 个节点都具有图3 - 1 所示的单个神经元结构，其单元特性通常为s i g m o i d 函数，但 在输出层中，节点单元特性有时为线性函数。 s i g m o i d 函数输出曲线与线性函数相比，从形式上柔化了各单元的输入输出特 性；从生理角度上，更接近于生物神经元信号的输出形式；另外，s i g m o i d 函数还 具有饱和非线性特性，这又增强了网络的非线性映射能力。 但是，b p 网络在不同领域中应用，有不同的网络拓扑结构。如何选取网络结构， 特别是对隐层层数和隐层节点数的选取，至今没有一个理论上的依据。 3 3 2 b p 网络的算法分析 b p 网络的学习，包括四个过程：输入模式由输入层经隐层向输出层的“模式正 向传播”过程：网络的希望输出与网络实际输出之间的误差信号由输出层经隐层向 输入层逐层修正连接权值的“误差反向传播”过程；由“模式正向传播”和“误差 反向传播”的反复交替进行的网络“记忆训练”过程；网络全局误差趋于极小的“学 习收敛”过程。即：“模式正向传播”_ “误差反向传播”斗“记忆训练”一 “学习收敛”的过程。 ( 1 ) 模式正向传播 模式正向传播过程是由输入的训练样本提供给网络的输入层，按照式( 3 - 2 ) 分别计算隐层和输出层各单元的输出，完成一个输入模式的正向传播。 以一个三层b p 网络为例，如图3 2 所示。令输入层神经元个数为i q ，隐层神经 元个数为p ，输出层神经元个数为q ，且输出层神经元激励函数为线性函数。式( 3 - 2 ) 可写为： sj = w i x ? 一8 j 6 ，= 厂( i = 1s ，) y x = v j t b j - r , _ ，= 1 , 2 ，一，p ，= l j 2 ，q ( 3 - 2 ) 其中r ，和v 分别为输出层至隐层、隐层至输出层的权值。 ( 2 ) 误差的反向传播 误差反向传播过程是误差由输出层向隐层、隐层向输入层传递并校正网络权值的过 程。给出指标函数： 1n 2 j = 去陟( ) 一y 。( 女) 】 ( 3 - 3 ) 厶k = 0 其中，n 为网络训练样本数，y ( k ) 为第k 个样本输出，儿( 七) 为第k 个样本输出期望 值。 权值的训练采用梯度下降的方法进行即： 华北电力大学硕士学位论文 a w ( k ) ：一刁尝, s v ( t ) ：一叩学( 7 7 为学习速率) ( 3 4 ) 对于上述三层b p 网络，有： 4 ( k ) = l y ，( k ) 一y “( i ) j + b ，( k ) d ，( 七) = 4 ( t ) v ( 尼) ( 尼) = d j ( t ) ，b ( ) j ( 3 - 5 式( 3 4 ) 可表示为：a v ，= 叩4 ( 七) 6 ( 七) a w j j = 秽，( 后) x ( ) ( 3 - 6 ) f 。p ，( 女) 项表示根据各单元的实际响应调整偏差量。由s 函数及其导数可知， 当s ，( k ) 在0 附近时，其输出变化的幅度较大，而此时厂 j ，( ) 正好处于峰值附近， 这增强了偏差的校正作用，相反，当s ( 的的绝对值较大时，则会减弱偏差的校正作 用。 从式( 3 - 6 ) 可看出，连接权值的调整与三个因素有关：学习速率叩，误差4 ( k ) 和隐层单元输出6 ，( k ) 。当误差4 ( k ) 越大，权值调整的幅度就越大；隐层输出b ，( k ) 越 高，则它在这次学习过程中就显得越活跃，权值调整的幅度也越大；同样，学习速 率玎越大也会增加权值的调整幅度，但玎过大可能会引起网络振荡，相反，r l 过小， 又会使网络收敛缓慢，因此，通常卵都是在一定范围内取值。 ( 3 ) 训练过程 网络训练过程是根据希望输出与网络实际输出的误差反复调整连接权值的过 程。随着前两个过程的反复进行，网络经过反复训练，最终实际输出向各自所对应 的希望输出逼进。通常，对于典型的b p 网络，一组训练模式，一般要经过数百次 乃至几千次学习过程，才能使网络收敛。 ( 4 ) 收敛过程 网络收敛过程是网络全局误差趋向于极小值的过程，这里值得注意的是，网络 收敛只是标志着网络的响应非常逼近希望输出，而逼近的快慢因不同的度量标准有 不同的评价。 全局最小点 图3 - 3b p 网络的非线性空间 实际上，在b p 网络的广泛应用中。存在着收敛速度慢和存在“局部最小点” 的两个缺陷。由于b p 网络的全局误差函数e 是一个以s 函数为自变量的非线性函 华北电力大学硕士学位论文 数，使得由e 构成的连接权空间是存在多个局部最小点的超曲面。因此，在b p 网 络的收敛过程中，很可能在遇到局部最小点时被“冻结”，而无法最终收敛于全局 最小点。造成这一缺陷的主要原因是由于b p 算法是按梯度下降法推导而得，其权 值调整就是按误差函数梯度下降最速的方向进行，如图3 3 所示。因此，网络权值 的初值选取对是否陷入极小也有影响。 造成网络收敛速度慢的原因，除了上述算法本身的问题外，还与样本训练问题 有关。 设训练样本集 ( x 1 ，y 1 ) ，o2 ，y 2 ) ， n ，y ”) 。b p 算法首先对( x ，y 1 ) 进行学习，利 用误差反向传播调整网络权值和阈值，直至网络关系f ( x ) = y 满足f ( x ) = y 1 ，此时 的权值矩阵和阈值向量为( w 1 ，目1 ) 。以( w 1 ，毋1 ) 为基础，再对样本( x 2 ，y 2 ) 进行学习， 使f ( x 2 ) = y 2 并有( w 2 ，臼2 ) 。但在一般情况下，( w 2 口2 ) ( w 1 ，臼1 ) ，而且此时也未必有 f ( x 1 ) ：y 1 成立。那么，b p 算法的学习复杂性是其训练样本规模的指数函数。 3 4 关于网络拓扑结构的讨论 这里只就神经网络节点总数一定的情况下，确定最大存储容量的神经网络拓扑 结构的方法做一点讨论。 根据组合数学中的有关组合定理：将r 个不同的球放入n 个已编号的盒内的所 有放法的个数有c 嚣。由此可以推知：当神经网络的节点数为n 个时，网络层数 与可能的拓扑结构数有如下的对应关系： 层数可能的拓扑结构数 n 层 l n 一1 层 c j l 。n 一2 层 c ；一 2 层 c 麓 我们知道，在神经网络中，信息的存储是分布于神经元之间连接强度( 权值) 上的，因此，网络信息存储容量与网络权值数成正比。 假设神经网络是由n 个节点构成的l 层前馈神经网络，n ( n ) 为神经网络的权 值总数，m ，为神经网络第i 层的神经元个数，则有如下非线性整数规划用以确定最 大存储容量的神经网络： l m a x n ( m ) = e m 。一1 ，= m l m 2 + m 2 m 3 + + l l l ( 3 7 ) 1 = 2 ( m l + m 2 + + m l ) = nm ，n 华北电力大学硕士学位论文 结论 ( 1 ) 当l = 2 ，即神经网络为2 层时， a 节点总数为偶数，即n = 2 n 时，确定的最大存储容量的神经网络的拓扑 结构是第一层和第二层节点数相等，即m l + m 2 = ： b 节点总数为奇数，即n = 2 n + l 时，确定的最大存储容量的神经网络的拓 扑结构是，第一层和第二层节点数相差为1 ，即m l = n ，m 2 = 阿+ 1 或m l = n + l ， m 22 h 。 ( 2 )当l = 3 ，即神经网络为三层时， a 节点总数为偶数，即n = 2 n 时，在神经网络隐层节点数等于输入和输出层 的节点数之和的情况下所构成的网络拓扑结构，其存储容量最大。 b 节点总数为奇数，即n = 2 n + l 时，在神经