超临界机组燃水比GAP-DRFNN的优化控制

分析某厂直流锅炉燃水比控制系统，设计出基于生长剪枝动态递归模糊神经网络(Growingandpruningdynamicrecurrentfuzzyneuralnetwork，GAP-DRFNN)的燃水比优化控制系统，GAP-DRFNN以汽水分离器出口工质温度偏差最小为导出信号，综合学习燃水比控制主要状态参数，实时输出燃水比最佳控制量。随着当前主要相关状态参数的输入，GAP-DRFNN通过结构学习，自动增加和修剪神经元，而且根据梯度下降法，动态调整网络的隶属函数参数以及神经网络递归权值。实验结果表明：此方案中燃水比控制可兼顾快速性和准确性，在变工况时系统仍具有优异的动静态性能，控制效果优于传统PID控制。