电气与信息学院自动化专业外文翻译(毕业设计用)-锅炉蒸汽温度模糊神经网络的广义预测控制_精品.doc

毕业设计（论文）外文翻译 Neuro-fuzzy generalized predictive control of boiler steam temperature 锅炉蒸汽温度模糊神经网络的广义预测控 制 （ 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。 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。 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 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Δ是差分算子，nquot;y, nquot;u, nquot;e和D分别是延迟了该系统已知的 命令和时间。 让当地的线性模型的非线性系统（1）在作业点为O( t）是由以下 控制自回归综合移动平均线（ carima ）模型： A 其中，A(z?1)= ΔA(z?1)，B(z?1)和C(z?1)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O（t）。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., μjk(x) = 0, x /∈ [λj?k, λj ]和 μjk(x) gt; 0, x ∈ [λj?k, λj ]， 第三，根据职能的基础上形成一个分割的团体，i ,e k(x≡ 1, x ∈ [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。 图2模糊神经网络。 隶属函数的模糊变量的衍生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 ，构成以下模糊规则： 如果操作条件（ x1是积极的小，和xn 是消极的大型） ， 那么输出是由当地carima模型 i: 这里n是输入x和p的传染媒介维度，在NFN中重量工具的数字，它是给出的， 这里ki和Ri是依据作用的命令和各自内在结的数字。单变量的B-多槽轴的依据作用以前描述了也适用于多维分布的依据作用，NFN的产品是是被定义的亢奋长方形。 3神经模糊的网络广义预测控制 GPC通过使以下方式从而减到最小而获得作用 [10]， 这里qj和λj分别为的衡量要素的预言错误和控制计算， yr (t + j)是jth前面参考道 路，d是极小的费用、N和M分别为最大费用预言错误和控制的。 控制从NFGPC 的计算是被衡量的总和的从GPC的地方P控制器获得的控制。 这里Δui (t)是控制ith区域，αi (x)是在(4)最早的方式。 注意在的重量NFGPC 与那是相同的在NFN中塑造的过程。从交换GPC控制器之间 NFGPC介入模糊的 逻辑，它可以被解释为没有，仅仅作为一个模糊控制器，还可以作为一位模糊的 监督器。这种控制可以是光滑的，如果重量αi (x)是适宜的建立，从NFN (6)和控 制(8)，指定的J 通过(7)可以被重写如下： 由于使用不平等，价值函数首先被简化。 从下面 化简 从(10)式暗示被衡量的被摆正的的总和可以是价值函数J.重写的一个最高界面通 过(9)给出 这里 通过(11)式显示本质上是作为那使J.减到最小那使减到最小的Ji本。 地方广义 预测控制器得到 NFGPC构成部分。 这里 和 从(12)，一套 通过计算前面优化M步控制，和使用后退前面第一步控制被实施，通过原则[10]， 给 其中 可以简化为 4过热蒸汽温度的神经模糊塑造和有预测性的控制 让θ是过热蒸汽温度和μθ， 过热蒸汽水对高温过热装置的。 θ 可以通过由二 次式样接近 [11] ：