基于神经网络的迭代学习控制方法在蒸汽过热装置温度控制中的应用

摘要

蒸汽过热装置的温度控制具有时延性、非线性等特点，应用传统的PID控制方法已不能满足实际的控制要求，且达不到需要的控制精度，急需一种先进的控制方法。本文提出了一种新的基于神经网络优化的迭代学习控制方法，介绍由迭代学习控制理论设计迭代学习控制器，提出用神经网络对控制器参数进行优化计算，找出最优的学习增益；并将该方法应用于南京钢铁有限公司蒸汽供应系统改造工程的蒸汽过热装置燃烧室的温度控制中，结果表明该方法能在较少的迭代次数下，以最快的收敛速度、较高的跟踪精度逼近期望轨迹，证明了该方法的有效性。