超临界机组燃水比GAP-DRFNN的优化控制
分析某厂直流锅炉燃水比控制系统,设计出基于生长-剪枝动态递归模糊神经网络(Growing and pruning dynamic recurrent fuzzy neural network,GAP-DRFNN)的燃水比优化控制系统,GAP-DRFNN以汽水分离器出口工质温度偏差最小为导出信号,综合学习燃水比控制主要状态参数,实时输出燃水比最佳控制量.随着当前主要相关状态参数的输入,GAP-DRFNN通过结构学习,自动增加和修剪神经元,而且根据梯度下降法,动态调整网络的隶属函数参数以及神经网络递归权值.实验结果表明:此方案中燃水比控制可兼顾快速性和准确性,在变工况时系统仍具有优异的动静态性能,控制效果优于传统PID控制.
燃水比、动态递归模糊神经网络、生长-剪枝、变结构控制、超临界机组
36
TK223.7(蒸汽动力工程)
重庆市科委重大科技攻关项目CSTC,2009AB1008
2013-11-12（万方平台首次上网日期，不代表论文的发表时间）
共7页
84-90
