火電廠水處理系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制.pdf

1、本文針對(duì)火力發(fā)電廠水處理系統(tǒng)的控制問題提出了一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)辨識(shí)和預(yù)測(cè)控制方法，電廠水處理系統(tǒng)包括凝結(jié)水加氨處理，給水加氨處理，給水加聯(lián)氨除氧處理，以及氣泡爐的加磷酸鹽處理和電廠工業(yè)廢水處理，這些系統(tǒng)在控制上有幾個(gè)明顯的特點(diǎn)：
　　第一，過程時(shí)滯較大，該過程包含有混合，反應(yīng)及測(cè)量等延遲過程。
　　第二，有較強(qiáng)的非線性特性，尤其強(qiáng)酸強(qiáng)堿的中和過程。
　　第三，過程有一定時(shí)變性，除此以外負(fù)荷變化，測(cè)量誤差，設(shè)備切換等擾動(dòng)

2、因素也常會(huì)給此類系統(tǒng)的控制帶來一定的困難，對(duì)于這類系統(tǒng)常規(guī)的PID控制很難應(yīng)用，現(xiàn)代控制理論對(duì)模型精度要求較高，因此采用對(duì)模型精度要求不高，又能實(shí)施在線控制的預(yù)測(cè)控制方法就成為自然的選擇。
　　本文總結(jié)了前人對(duì)于非線性預(yù)測(cè)控制研究成果，以及對(duì)PH中和過程的控制成果，用機(jī)理法推導(dǎo)出PH中和過程的模型，在此基礎(chǔ)上改進(jìn)了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值的優(yōu)化算法，采用優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制器，對(duì)廢水中和過程對(duì)象實(shí)施控制，并進(jìn)行仿真驗(yàn)證。

3、本文主要做了以下工作：
　　改進(jìn)了粒子群優(yōu)化算法，提出了基于混合神經(jīng)網(wǎng)絡(luò)的模型辨識(shí)方法，以及基于動(dòng)態(tài)粒子群算法（DPSO）的貝葉斯-高斯網(wǎng)絡(luò)模型在線辨識(shí)方法，通過改進(jìn)神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)和優(yōu)化算法提高系統(tǒng)的辨識(shí)精度，達(dá)到對(duì)系統(tǒng)輸出的快速和準(zhǔn)確跟蹤。并通過程仿真比較驗(yàn)證了混合神經(jīng)網(wǎng)絡(luò)模型有較強(qiáng)的泛化能力，貝葉斯-高斯網(wǎng)絡(luò)能快速跟蹤系統(tǒng)時(shí)變。
　　針對(duì)廢水中和過程的特性，應(yīng)用酸堿中和的強(qiáng)酸當(dāng)量模型，提出了一種基于敏感度（SA）和改進(jìn)

4、粒子群優(yōu)化算法(DPSO)相結(jié)合的RBF混合神經(jīng)網(wǎng)絡(luò)模型辨識(shí)方法，通過調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和辨識(shí)出系統(tǒng)的滯后時(shí)間來提高模型辨識(shí)效率和預(yù)測(cè)精度，將RBF混合神經(jīng)網(wǎng)絡(luò)辨識(shí)器與神經(jīng)網(wǎng)絡(luò)控制器相結(jié)合構(gòu)成電廠廢水PH中和過程的預(yù)測(cè)控制系統(tǒng)。并通過仿真驗(yàn)證了該控制方法的實(shí)效性。
　　最后結(jié)合電廠水處理中給水加氨的處理，將該控制方法應(yīng)用至多輸入多輸出系統(tǒng)中，本文在總結(jié)了神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)控制系統(tǒng)優(yōu)點(diǎn)的同時(shí)也提出了一些不足之處，比如算法的實(shí)時(shí)性問題，神經(jīng)