基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制

doi:10.16389/j.cnki.cn42-1737/n.2019.05.004

江汉大学学报（自然科学版） ›› 2019, Vol. 47 ›› Issue (5): 407-415.doi: 10.16389/j.cnki.cn42-1737/n.2019.05.004

基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制

高锦¹，李勇²，周燕弟²，章家岩¹

1. 安徽工业大学电气与信息工程学院，安徽马鞍山 243032;2. 马鞍山钢铁股份有限公司热电总厂，安徽马鞍山 243002

发布日期:2019-10-08
作者简介:高锦（1995—），男，硕士生，研究方向：先进控制算法。
基金资助:
安徽高校自然科学研究重点项目（KJ2018A0054）

Decoupling Control of Boiler Combustion System Based on Smith Predictive Compensation RBF Neural Network

GAO Jin¹，LI Yong²，ZHOU Yandi²，ZHANG Jiayan¹

1. School of Electrical and Information Engineering，Anhui University of Technology，Ma′anshan 243032，Anhui，China；2. Thermal Power Plant of Ma′anshan Iron and Steel Co.，Ltd.，Ma′anshan 243002，Anhui，China

Published:2019-10-08

摘要/Abstract

摘要： 锅炉燃烧控制系统是火力发电厂单元机组的主要控制系统之一，具有较大延时、变动负荷、多扰动、非线性的特点，并且其中的变量之间都具有耦合关系，因此，很难建立精确的控制模型。为此，提出了一种新的解耦方法，引入解耦参数，实现系统的解耦控制，并且在MATLAB 环境下对燃烧控制系统进行了仿真，通过仿真结果可以看出，系统的控制精度大大提高。

关键词: 燃烧控制系统, 耦合, 解耦

Abstract: The boiler combustion control system is one of the main control systems of the thermal power plant unit. It has the characteristics of large delay，variable load，multi- disturbance and nonlinearity. The variables have coupling relationship. Therefore，it is difficult to establish an accurate control model. To this end，a new decoupling method was proposed，which introduced decoupling parameters to realize decoupling control of the system. The combustion control system was simulated in the Matlab environment. The simulation results show that the control precision of the system is greatly improved.

Key words: combustion control system, coupling, decoupling

中图分类号:

TK229.6

高锦，李勇，周燕弟，章家岩. 基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制[J]. 江汉大学学报（自然科学版）, 2019, 47(5): 407-415.

GAO Jin，LI Yong，ZHOU Yandi，ZHANG Jiayan. Decoupling Control of Boiler Combustion System Based on Smith Predictive Compensation RBF Neural Network[J]. Journal of Jianghan University (Natural Science Edition), 2019, 47(5): 407-415.

[1]	束仁冬，孟令启，李进，岳朗. 基于模糊解耦控制的玻璃温室大棚的环境监控[J]. 江汉大学学报（自然科学版）, 2021, 49(6): 87-96.
[2]	张纪英，陈佳君，吴山，鲁望婷，陈红梅，赖重远. UDD 在消除制备簇态时次近邻相互作用中的应用[J]. 江汉大学学报（自然科学版）, 2018, 46(1): 31-35.
[3]	曹竞文，胡卫敏. 两点分数阶微分方程耦合系统边值问题的解[J]. 江汉大学学报（自然科学版）, 2014, 42(3): 23-26.
[4]	朱小龙，张海天. 类蛛网的相位同步[J]. 江汉大学学报（自然科学版）, 2013, 41(3): 35-38.
[5]	张立辉. 非线性Jaynes-Cummings模型中原子与光场的纠缠特性[J]. 江汉大学学报（自然科学版）, 2008, 36(4): 17-19.
[6]	姜瑾,李洪波. 使用耦合技巧证明马氏链的遍历性[J]. 江汉大学学报（自然科学版）, 2008, 36(2): 13-15.
[7]	张立辉,黄晖,周本元等. 拉曼耦合J-C模型中原子与光场间的量子纠缠[J]. 江汉大学学报（自然科学版）, 2007, 35(4): 29-32.

基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制

Decoupling Control of Boiler Combustion System Based on Smith Predictive Compensation RBF Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价