摘要: 超临界温度控制系统具有较大的惯性、时滞和非线性,且动态特性随运行工况而改变,难以建立其精确的数学模型,本文采用GGAP算法的RBF神经网络构成神经网络预测控制器,将在线学习和预测控制相结合,以某超临界电厂主汽温度为研究对象,MATLAB仿真实验表明,该方法能对超临界温度控制系统实现有效的控制,动态性能较传统的PID控制有较大的提高。
中图分类号:
李云娟;方彦军. 一种径向基函数神经网络预测在超临界温度控制系统中的应用研究[J]. 计算机与现代化, 2010, 1(11): 109-113.
LI Yun-juan;FANG Yan-jun. Application Research on Neural Network Predictive Control Based on GGAP-RBF for Supercritical Main Steam[J]. Computer and Modernization, 2010, 1(11): 109-113.