模糊神经pid控制在水轮机调节系统中的研究与仿真

《模糊神经pid控制在水轮机调节系统中的研究与仿真》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：ＴＫ７３０．７学校代码：１０巧密级：学号：２０１３３１２０１８夺葛王達给硕±学位论文戀模糊神经ＰＩＤ控制在水轮机调节系统中的研究与仿真ＲｅｓｅａｒｃｈａｎｄＳｉｍｕｌａｔｉｏｎｏｆＦｕｚｚｙＮｅｕｒａｌＰＩＤＣｏｎｔｒｏｌｉｎＨｄｒａｕｈｃＴｕｒｂｉｎｅＧｏｖｅｒｎｉｎｇＳｓｔｅｍｙｙ申请人：邹佳庆指导教腑路哲教授校外指导教师：段智商工学位种类：王程硕壬动力工程专业领搬论文提交日期：２０巧年１２月独创性声明本人声明，所呈交的学位论文，是在指导教师指导下，通过我的努力取得

2、的成果，并且是自己撰写的。尽我所知，除了文中作了标注和致谢中已经作了答谢的地方外，论文中不包含其他人发表或撰写过的研究成果，也不包含在南昌工程学院或其它教育机构获得学位或证书而使用过的材料。与我一同对本研究做出贡献的同志，都在论文中作了明确的说明并表示了谢意。如被查有严重侵犯他人知识产权的行为，由本人承担应有的责任。学位论文作者亲笔签名：日期：论文使用授权的说明本人完全了解南昌工程学院有关保留、使用学位论文的规定，即学校有权送交论文的复印件和电子版，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密，在年后解密可适用本授权书。□不保秘,

3、本学位论文属于不保密。（请在方框内打“√”）学位论文作者亲笔签名：日期：指导教师亲笔签名：日期：摘要摘要伴随电网的不断扩大以及高水头、大容量水电机组的出现，对水轮机调速器也有着更高的要求，除了对其硬件设计、加工及装配工艺等方面进行改进外，水轮机调速器的控制策略也是需要研究的一项关键性工作。目前，常规PID控制仍是水轮机调节系统中最常用的控制手段，虽然它具有较强鲁棒性及结构简单等优点，但由于其无法对PID参数实现在线自整定，这使得该控制策略难以在不同工况点都获得满意的控制效果。针对此类问题，提出将模糊神经PID控制应用于水轮机调节系统，该控制能够将神经网络学习能力与模糊控制推理能力相结合，

4、利用两种控制间的优势进行互补。本文首先针对常规PID控制及单一智能控制的局限性，引入一种模糊神经PID控制，并对其结构、算法以及仿真等方面进行深入分析。然后在对水轮机调节系统结构及其工作原理深入研究的基础上，以小瞬变情况为背景对调节系统各组成部分进行线性化建模，并使用MATLAB软件仿真分析水轮机调节系统各参数变化对其动态特性的影响。最后针对模糊PID控制器及模糊神经PID控制器，分别建立适用于水轮机调节系统的两种控制模型，并将它们与常规PID控制进行仿真对比，结果表明，水轮机调节系统中模糊神经PID控制在抑制超调和保持系统稳定性等方面具有较好的控制品质，其控制效果明显优于常规PID控制

5、。关键词：水轮机调节系统；PID控制；参数分析；模糊神经网络IAbstractAbstractWiththecontinuousexpansionofthepowernetwork,appearingofhighwaterheadandlargecapacityhydroelectricgeneratingset,ahigherrequirementonthehydraulicturbinegovernor,notonlythehardwaredesignshouldbeimproved,processing,assemblyprocessandotheraspects,butalsoa

6、deeplystudyatthecontrolstrategyofthehydraulicturbinegovernorcouldbelearned，aredemanded.Atpresent,conventionalPIDcontrolmethodisthemostcommonwayinhydraulicturbinegoverningsystem.Althoughithasstrongrobustnessandsimplestructure,itisdifficulttoachievetheonlineself-tuningofPIDparameters,whichmakesitdi

7、fficulttoobtainsatisfactorycontroleffectindifferentoperatingconditions.Fortheseproblems,IputforwardthefuzzyneuralPIDcontrolappliedtothehydraulicturbinegoverningsystem.Itcancombinethelearningabilityofneuralnetworkwithth