周洪煜，孟歡歡，張振華，陳小健
重慶大學動力工程學院，重慶

摘　　　要：針對可調引射混合式低壓加熱器是一個多輸入多輸出的非線性系統，具有時變和非線性特性，采用廣義生長�布糁Γ遥拢疲ǎ牵牵粒歇玻遥拢疲┥窠浘W絡對其進行雙變量神經網絡自適應控制。該方法用ＧＧＡＰ�玻遥拢凭W絡對加熱器非線性模型進行實時辨識，并將系統的Ｊａｃｏｂｉａｎ信息反饋給ＢＰ神經網絡控制器，從而保證了控制器對被控對象的精確控制。通過加熱器的控制對比試驗，結果表明該方法能在動態條件下實現對加熱器的自適應控制，并且具有較好的動靜態性能。

關　鍵　詞：可調引射混合式低壓加熱器；ＧＧＡＰ�玻遥拢粕窠浘W絡；ＢＰ神經網絡；雙變量控制

１　引　言
基于對可調引射混合式低壓加熱器的加熱性能和引射性能的研究，可知其有能取代火電廠目前使用的間壁管殼式低壓加熱器和除氧器加熱性能的可行性［１�玻常荨Ｒ虼藢Τ�氧器提供合格熱水的可調引射混合式低壓加熱器，在運行參數發生變化時，實現全自動化的性能調節是急待解決的課題。可調引射混合式低壓加熱器是一個多輸入多輸出的非線性系統，具有時變和非線性特性。在控制系統中，各變量和回路之間存在著耦合作用。這種耦合作用會影響系統的靜態性能和動態性能，采用多變量控制是消除變量之間耦合的有效方法之一。近年來，神經網絡在非線性系統解耦控制中的應用研究已經取得了許多成果［４�玻梗荨Ｄ壳埃�已經有很多方法用在了訓練ＲＢＦ神經網絡上［１０�玻保保荩瑸橐环N特定的實際應用選擇一種學習方法主要依靠它的精度和速度。傳統的ＲＢＦ神經網絡訓練算法為批量學習算法，每次學習時必須把所有的訓練數據都準備好。本文提出了一種基于廣義生長�布糁�徑向基函數（ＧＧＡＰ�玻遥拢疲┥窠浘W絡的雙變量神經網絡自適應控制方法。ＧＧＡＰ�玻遥拢粕窠浘W絡算法的訓練是串行進行，訓練后數據被拋棄，只有在新的數據到來后，學習才繼續進行。通過對可調引射混合式低壓加熱器系統進行控制試驗，ＧＧＡＰ�玻遥拢粕窠浘W絡在模型的在線建立與動態更新上比傳統的ＲＢＦ具有更高的精度和更快的速度，從而能有效的實現對加熱器的控制。

登錄網站后可下載文件