基于混合学习算法的rbf神经网络主蒸汽温度控制

针对火电厂主蒸汽温度的大迟延、模型不确定性特点，提出一种使用径向基（rbf）神经网络整定pid串级主蒸汽温度控制策略。采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造rbf神经网络，在线辨识被控对象并对pid主控制器参数进行在线调整。仿真结果表明，基于混合学习算法的rbf神经网络pid控制器具有控制精度高、响应速度快的优点，系统动态品质优于常规算法的rbf神经网络pid控制。