摘要:工业控制领域的普通模糊控制器存在控制精度不理想等问题,本文据此提出一种把神经元与模糊控制器相结合的方法,进而提高了控制系统控制精度,并将此控制器应用在发电厂的主气压控制系统中,通过仿真得到了较好的效果。
关键词:过程控制;模糊控制;模糊控制器;神经元
1.引言(Introduction)
在现代大型的火力发电厂中的控制对象多数都存在大时滞、非线性、难于精确建模等特点。利用传统的控制方法,如PID控制在很多场合难以获得满意的控制效果。实践表明,提高控制系统适应性和鲁棒性的有效方法是采用非模型控制策略,而作为智能控制的主要内容,神经元控制和模糊控制都是有效的非模型控制方法,在工业过程控制中已有很多成功的应用[1]。但它们也有弱点,模糊控制要提取完整的控制规则是比较困难的,而且模糊控制器存在稳态误差,使它的应用范围受到很大限制[1]。同时,若将现有的神经网络直接套用于控制系统中,也存在学习算法复杂、收敛速度慢和局部极小等缺陷。为此提出一种将模糊逻辑算法和神经元控制有机结合起来的方法,通过两者的互补,可以有效地提高系统的鲁棒性、自适应能力和控制精度,从而实现高效控制。
2.控制器原理和结构(Principle and structure of controller)







