资源描述：
《锅炉蒸汽温度模糊神经网络的广义预测控制-外文翻译》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、毕业设计（论文）外文翻译Neuro・fuzzygeneralizedpredictivecontrolofboilersteamtemperature锅炉蒸汽温度模糊神经网络的广义预测控制学生姓名学历层次本科所在院系电气与信息学院所学专业自动化指导教"帀锅炉蒸汽温度模糊神经网络的广义预测控制摘要：发电厂是非线性和不确定的复杂系统。现代电厂在运作上的，为确保高效率和高负荷的能力，可靠的控制过热蒸汽温度是必要的。本文提出了一类在非线性广义预测控制器的基础上的模糊神经网络（nfgpc）。所提出的非线性控制器适用于控制一台200MW电厂的过热蒸汽温度。从实验的移植和仿真移植上获得比传统的控制器好得多的
2、性能。关键词：模糊神经网络;广义预测控制;过热蒸汽温度。1引言这种持续不断的电厂和电力站复杂系统的特点是非线性、不确定性和负载扰动。蒸汽发电的过程中锅炉-汽轮机温度过热是一个重要的过程，蒸汽加热后，进入涡轮驱动发电机。控制过热蒸汽温度不仅是在技术上具有挑战性，但在经济上也是十分重要的。LSuperheatersprayvalve2.Supcriieatcrspray3.Feedwater4.Economiser5.Drum图1锅炉过热器和蒸汽生成过程。从图1看出，产生的蒸汽从锅炉汽包通过低温过热器后进入辐射型屏。水变成喷涂的蒸汽，以控制过热蒸汽的温度。适当的控制电厂过热蒸汽温度是极其重要的，可
3、以确保整体效率和安全性。蒸汽温度太高是不可取的地方，因为过热它可损害和高压力汽轮机，太低也不行，因为它会降低电厂效率的。减少温度波动内过热也是重要的，因为它有助于减少在单位内机械应力造成的微裂纹，延长单位秩序寿命，并减少维修成木。作为GPC的推导应该尽量减少这些波动，它是众多的控制器是最适合实现这一目标的。多变量多步自适应调节已适用于控制过热蒸汽温度在150吨/h锅炉，提出了广义预测控制以控制蒸汽温度。非线性长程预测控制器基于神经网络发展是以控制主蒸汽温度和压力。控制主蒸汽压力和温度的基础上，菲线性模型的构成是非线性静力常数和非线性动力学。模糊逻辑是把人类的经验透过模糊规则表现岀来。然而，设计
4、模糊逻辑控制器是有点时间消费，由于模糊规则，往往得到的试验是错误的。在此相反，神经网络不仅有能力近似的非线性职能与任意精度，他们也可以有受过训练的实验数据。该模糊神经网络(NFNS)最近开发的优势，模型的透明度，模糊逻辑，和学习能力的神经网络。该NFNS已被用来发展自我控制，因此，一个有用的工具,可以发展国家非线性预测控制。从nfns可以考虑到作为一个网络构成的几个地方，其中每一项包含一个局部线性模型，在非线性预测控制的基础上NFNS可以制订与网络，使用各白的地方线性模型把当地所有的广义预测控制器(GPC)的设计，。按照这一办法，在非线性广义预测控制器的基础上，NFNS,或简单地说，该模糊神经
5、网络的广义预测控制器(NFGPCS)推导岀在这里。建立控制器，然后应用控制过热蒸汽温度的200MW机组。实验所得的数据，用来训练nfn模型植物，并从哪个地方GPCS组成部分的NFGPC,然后设计。拟议的控制器的测试首先就模拟这个过程中，在中请前，它控制火电厂。2模糊神经网络模型考虑以下的般单输入单输岀非线性动态系统:（1）=一1）,…，火一必）C一〃）,•••，“（7—cl—nfu+l）?e（#一1）,•…，一72：）]十£（±）/4,其中f[?]是一个平稳的非线性函数，例如，一个泰勒一系列扩张的存在,e(t)是一个零的意思和△是差分算子，n〃y,n〃u,n〃e和D分别是延迟了该系统已知的命令
6、和时间。让当地的线性模型的非线性系统(1)在作业点为0(t)是由以下控制自回归综合移动平均线(carima)模型:A（z-1）讥。=+C『）£（t）,（2）A其中,A(zu)=AA(z_l),BCz'1)和C(zJ是多项式在Z-1落后的转向。请注意,该这些系数多项式函数的转向点为0(t)o非线性系统(1)分割成为几个作业区域，如每个地区可以近似当地的线性模型。自NFNS是一类在本地的联想记忆网络的知识存储，他们可以应用到模型这一类非线性系统。示意图该NFN结果表明，在图2。B-样条函数作为隶属函数在NFNS由于以下原因。第一，B-条功能可随时在指定的秩序的基础功能和数目内，第二，他们是界定在一
7、个范围内的支持和输出的基础上功能始终是积极的，即i・e・,ujk(x)=0,x/e[Xj_k,Xj]和uJk(x)>0,x£[Xj_k,Xj],第三，根据职能的基础上形成一个分割的团体，i,ek(x)三1,xW[xmin,xmax].第四，输出的基础上的功能可以得到由一个复发的方程。隶属函数的模糊变量的衍牛从模糊规则可以得到由该变量的基础上的职能。作为一个例子，考虑该NFN显示在图2,构成以下模糊
