基于模糊神经网络PID的水轮机组频率控制

发布时间：2021-08-19 21:34

　　在水电站发电过程中,频率控制至关重要,但是对于这种非线性、时变性的复杂控制系统来说,传统PID控制方法存在参数整定困难,控制效果不佳的缺陷。因此在传统的PID算法、模糊控制以及神经网络控制算法的基础之上,提出一种模糊神经网络PID联合控制算法来优化水轮机调节系统的PID参数,并应用到水轮机调节系统当中,与传统PID控制器进行对比,结果表明模糊神经网络PID控制算法对水轮机调节系统的控制上在调整时间以及超调量方面都比传统PID算法更好,控制效果好,克服了传统PID算法的不足。 

【文章来源】：现代电子技术. 2020,43(23)北大核心

【文章页数】：4 页

【部分图文】：

水轮机调速系统结构框图

模糊神经网络PID利用模糊规则的逻辑推理能力可以简单有效地控制非线性系统，另一方面又利用了神经网络对系统的逼近能力和自适应学习能力，还具有PID控制的精准性。模糊神经网络PID控制器是由模糊神经网络以及传统的PID两部分组成，首先模糊神经网络根据系统转速误差以及误差变化率整定出一组PID参数赋给PID控制器，这样就可以实现PID参数的在线调整，从而让PID控制器有了自适应的能力，模糊神经网络PID控制系统的原理如图2所示。2.1 PID控制算法

本文设计的模糊神经网络是一个5层的前馈神经网络，其结构如图3所示。该模糊神经网络的输入神经元是水轮机调速系统频率的测量误差以及误差的变化率，输出神经元是PID的3个指标：比例、积分、微分系数Kp,Ki,Kd。它由5层结构组成，分别为输入层、隶属度函数生成层、推理层、归一化层以及输出层。为了方便研究，本文只针对归一化层到输出层之间的权值作出调整，其他层的权值都假设为1。由图3可知，该模糊神经网络分为5层。各层输入输出关系如下：

【参考文献】：
期刊论文
[1]水轮发电机调节系统的模糊PID控制[J]. 王震,崔峻豪,丁泽涛,熊国恩.  信息技术与信息化. 2018(10)
[2]基于Ziegler-Nichols频域PID的水轮机自适应调速系统设计[J]. 代月明,张丽娜,朱习军.  徐州工程学院学报(自然科学版). 2018(03)
[3]基于BP神经网络的PID控制器参数调整[J]. 张永振,苏寒松,刘高华,廖泽龙.  南开大学学报(自然科学版). 2018(03)
[4]基于SOM神经网络的汽轮发电机组振动故障诊断研究[J]. 禹腾超,陈敏.  工业控制计算机. 2016(01)
[5]基于改进模糊神经网络的PID参数自整定[J]. 白国振,俞洁皓.  计算机应用研究. 2016(11)

博士论文
[1]基于水轮机内外特性复合数学模型的调节系统动态特性研究[D]. 门闯社.西安理工大学 2018
[2]水轮机调节系统的参数辨识与控制策略研究[D]. 陈志环.华中科技大学 2017

硕士论文
[1]水电机组灰色模糊PID调速器设计与仿真[D]. 王雪珂.郑州大学 2017
[2]基于驾驶意图识别的纯电动汽车模糊控制策略研究[D]. 祁华宪.合肥工业大学 2017



本文编号：3352184