燃气轮机排气温度神经形态自校正PID控制系统的仿真的研究.pdfVIP

亚太地区燃气轮机发电应用及气体燃料技术研讨会论文 编号： 燃气轮机排气温度神经形态自校正 PID 控制系统的仿真研究 潘 蕾¹ 杨瑜文² 林中达 1 （1．东南大学动力工程系，江苏 南京 210096； 2．南京汽轮电机集团公司燃机研究所，江苏 南京 210037） 摘要：设计了一种具有快速在线响应性能的神经形态自校正PID控制器。它利用BP网络对任意函数的逼近能力和自 学习能力，通过离线预训练和在线学习，在控制系统运行过程中，对 PID 控制器参数进行实时调整，从而使控制系 统获得良好的动态响应特性，并且增强了控制系统的自适应能力和鲁棒性，有效地克服了传统 PID 控制器对经验或 受控对象数学模型准确程度的依赖性。燃气轮机排气温度控制的仿真实验证明了这一点。 关键词： 神经网络 ；控制；仿真；燃气轮机 0 前言 燃气轮机作为燃气-蒸汽联合循环中的顶部循环，其排气温度必然会对底部循环的循环特性产生 较大影响，进而影响整个联合循环的效率。由燃气轮机原理可知，在金属材料耐温允许的前提下， 透平前温 T3*越高，机组热效率就越高，因此期望机组在变工况运行时，T3*仍能保持设计点值。但 由于 T3*值通常很高，当前的检测手段无法实现连续监测，故通过检测燃气透平排气温度来间接反 映 T3*，并实现对 T3* 的监控。燃气轮机排气温度控制回路依据等 T3*规律得出的排气温度控制基 [1] 准来监控排气温度，使机组达到较高的热效率，同时保证运行的安全性 。 燃气轮机排气温度控制回路通常采用常规 PID 控制器 。它的整定方法一般有两种：工程整定 和理论整定。前者常用的有 Ziegler—Nichols 方法，即根据比例控制下闭环系统在临界状态时的比 例增益和振荡周期确定最佳控制器参数。基于实验代价高、影响生产和安全性等因素，工程整定的 实物实验往往用仿真实验代替，因此需要对受控燃机对象建立有一定精度的动态数学模型，理论整 定的前提也是如此。但由于国内目前对燃气轮机运行特性掌握的不完善，所建立的燃气轮机动态数 学模型往往是在作了大量假设和简化的前提下得到的近似、降阶的数学模型。利用系统降阶近似模 型整定的 PID 控制器参数，在实验室中也许是最优的，但运用到实际系统中时，往往又会面对下列 情况：①建模时省略的高频动态特性在某些运行条件下被激发而导致系统不稳定；②长期工作使对 象参数产生偏移，系统具有时变不确定性；③系统存在非线性，工况点附近小范围线性化的假设在 整个工作范围中不能成立。由于常规 PID 控制不具有自适应性，在上述情况下就难以达到理想的控 制效果，甚至无法控制。鉴于以上原因，为燃气轮机排气温度控制系统设计一种不完全依赖于数学 模型进行在线自适应调整的 PID 控制算法是完全有必要的。 人工神经元网络（ANN ）是通过对生理学上的真实人脑神经网络的结构、功能和特性的某种理 论抽象和简化而构成的一种信息处理系统。它具有如下特点：①在理论上能够充分逼近任意复杂的 非线性系统，故可以用于控制器和对象模型的描述；②能够经训练后适应不确定性系统的动态特性， 可用于构造自适应控制器；③所有信息分布存储在神经网络内，网络的可修复性使其自身具有很强 的容错性和鲁棒性。利用 ANN 的上述特点来设计神经网络控制器，能加强控制系统的自主性，同时 也是解决被控系统非线性、时变和不确定性控制问题的有效途径[2] 。 1 神经形态自校正PID 控制器 神经形态自校正 PID 控制器是利用神经网络，在控制中按照最优动态性能指标的变化方向实时 在线调整 PID 控制器参数，以达到控制的有效、鲁棒和最优化。从训练的角度可以将其分为无离线 训练和有离线训练两种。无离线训练的神经形态自校正 PID 控制器的缺点是在线训练需要时间，因 此控制过程起始阶段品质不佳。有离线训练的则克服了这一缺点。燃气轮机排气温度控制的实时性 要求我们采用对于 BP 网络的初始权阵采用离线训练的方法，而对于 PID 参数采用在线自学习的神 经形态自校正 PID 控制器。