论文部分内容阅读
电厂主汽温对象是典型的大惯性、大迟延对象,其动态特性随负荷变化而变化,常规的固定参数PID串级控制难以适应这种变时滞、变参数的特性,控制效果不理想。本文给出了一种具有比例积分特性的Elman动态递归神经网络的结构,讨论了它的BP学习算法;将该递归Elman网络作为具有实时学习能力的内部模型,并以通过辨识学习得到的广义对象的SISO逆模型代替串级控制的PID主控制器作为内模控制器应用于电厂主汽温控制系统,使系统对不确定因素的适应性增强。在不同负荷下的仿真试验实践结果表明该控制系统的动态品质明显优于常规