目前，電站鍋爐過熱蒸汽溫度（簡稱過熱汽溫）控制系統(tǒng)多采用串級控制方式（圖1）。由于電廠熱工過程具有非線性、慢時變、大遲延和不確定性等特點，難以建立其的數(shù)學(xué)模型。因此，常規(guī)PID控制器很難獲得滿意的控制效果。為了改善常規(guī)PID控制器的特性，本文提出了一種采用FNN-PI作為主調(diào)節(jié)器的新型過熱汽溫控制系統(tǒng)，并將其與采用常規(guī)PID的過熱汽溫控制系統(tǒng)進行了仿真比較，結(jié)果表明基于FNN-PI的過熱汽溫控制系統(tǒng)的控制特性在超調(diào)量、快速性、抗干擾方面均有很大的提高。　　
　　一、FNN-PI
　　
　　在圖1所示的常規(guī)過熱汽溫控制系統(tǒng)中，將PID主調(diào)節(jié)器替換為FNN-PI過熱汽溫控制系統(tǒng)（圖2）。FNN-PI智能主控制器由模糊神經(jīng)網(wǎng)絡(luò)控制器和智能PI控制器組成。智能PI控制器根據(jù)偏差e和偏差變化率ec通過邏輯判斷模塊判斷出系統(tǒng)當(dāng)前狀態(tài)，并發(fā)出判斷指令，以控制智能PI模塊的輸出。當(dāng)邏輯判斷指令（Enable）為"1"時，智能PI控制器的輸出upi與模糊神經(jīng)網(wǎng)絡(luò)控制器的輸出uf疊加共同作用于控制系統(tǒng)，即FNN-PI智能主控制器輸出為upi+uf。當(dāng)Enable為"0"時，智能PI控制器無輸出，由模糊神經(jīng)網(wǎng)絡(luò)控制器作用于控制系統(tǒng)，即主控制器輸出為uf。
　　
　　二、模糊神經(jīng)網(wǎng)絡(luò)控制器
　　
　　考慮到模糊規(guī)則是輸入變量的線性組合，即　　
　　式中:Rj為第j條模糊規(guī)則所表示的模糊蘊含關(guān)系;Aji是xi的第j個語言變量值；pij為后件網(wǎng)絡(luò)的連接權(quán)（i=O,1，...，n;j=1，2...mi）o
　　
　　若輸入量采用單點模糊集合的模糊化方法，則對于給定的輸人x,可以求得對于每條規(guī)則的適應(yīng)度，模糊系統(tǒng)的輸出量為每條規(guī)則的輸出量的加權(quán)平均，即　　
　　其中aj為對于給定的輸入x所求得的對于每條規(guī)則的適應(yīng)度。
　　
　　模糊神經(jīng)網(wǎng)絡(luò)控制器的輸入變量有2個，分別為過熱器出口蒸汽溫度偏差e和偏差變化ec，輸出變量為減溫器開度uf。對應(yīng)的模糊語言變量分別為E、EC和U。E和EC的論域為[一6，+6]，U的論域為[-7，+7]。根據(jù)一般的典型溫度模糊控制經(jīng)驗，給出了表1所示的訓(xùn)練樣本數(shù)據(jù)。利用自適應(yīng)神經(jīng)-模糊推理系統(tǒng)（ANFIS）編輯器，將表1中的訓(xùn)練樣本數(shù)據(jù)載入訓(xùn)練數(shù)據(jù)集。　　
　　選用網(wǎng)格分割法生成初始模糊推理系統(tǒng)，選擇2個輸入變量隸屬函數(shù)的數(shù)目均為7，類型為高斯型，輸出變量的隸屬函數(shù)類型為常數(shù)。通過訓(xùn)練所生成的初始模糊推理系統(tǒng)，得到所建立的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（圖3）。同時，得到ANFIS生成的模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)。
　　
　　由圖3可知，該模型的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為5層，各層節(jié)點數(shù)分別為2、14、49、49、1。第1層為輸入層，它將輸入值傳送到下一層。第2層每個節(jié)點代表一個語言變量值，其作用是計算各輸入分量屬于各語言變量值模糊集合的隸屬度函數(shù)。第3層的每個節(jié)點代表一條模糊規(guī)則，其作用是用來匹配模糊規(guī)則的前件，計算出每條規(guī)則的適用度。第4層的節(jié)點數(shù)與第3層相同，它所實現(xiàn)的是歸一化計算。第5層是輸出層，它所實現(xiàn)的是清晰化計算。　　
　　三、智能PI控制器
　　
　　對典型的系統(tǒng)響應(yīng)曲線（圖4）的Ⅰ、Ⅱ、Ⅲ、Ⅳ段分別討論。定義e=r-y、△e=e（k十l）-e（k）,k為采樣時刻。在動態(tài)過程的不同階段，當(dāng)e·△e>0（曲線Ⅰ、Ⅲ段）時，表明系統(tǒng)的動態(tài)過程正朝著誤差減小的方向變化，誤差的值逐漸減小;當(dāng)e·△e<0（曲線Ⅱ、Ⅲ段）時，表明系統(tǒng)的動態(tài)過程正朝著誤差增大的方向變化，誤差的值逐漸增大。　　
　　模仿經(jīng)驗控制，可設(shè)計一種分段模糊神經(jīng)智能PI控制器來改善系統(tǒng)性能，其算法可描述為:　　
　　其中u為FNN-PI智能主控制器輸出。智能PI控制器由邏輯判斷和智能PI2個模塊組成（圖2）。邏輯判斷模塊通過e、△e及e·△e所具有的不同符號，正確判斷出系統(tǒng)所處的狀態(tài)，給智能PI控制器發(fā)出正確的Enable。在Simulink環(huán)境下，邏輯判斷模塊結(jié)構(gòu)如圖5所示，智能PI模塊結(jié)構(gòu)如圖6所示。　　
　　四、信真試驗及分析
　　
　　為驗證本文提出的控制方法的有效性，對某電廠60OMW超臨界機組鍋爐過熱汽溫控制系統(tǒng)采用表2中2個典型負荷下的蒸汽溫度對象模型進行仿真，并與主調(diào)節(jié)器為常規(guī)PID的過熱汽溫控制系統(tǒng)進行比較。在圖2中，取量化因子Ke=2O、Kc=320、比例因子Ku=O.025，副調(diào)節(jié)器為比例調(diào)節(jié)器，比例系數(shù)取Kp2=25。在智能PI模塊中（圖6），取PI調(diào)節(jié)器的比例系數(shù)Kp1=1，2、PI調(diào)節(jié)器的積分系數(shù)Ki=l00。在圖1中，PID調(diào)節(jié)器參數(shù)取Kp=l.l、K1=0.0127、KD=30。在負荷下，輸入施加階躍給定，分別對2種不同的系統(tǒng)仿真，得到2條階躍響應(yīng)輸出曲線（圖7）。在70%負荷下進行類似的系統(tǒng)仿真，得到2條階躍響應(yīng)輸出曲線（圖8）。由圖7、圖8仿真曲線可見，與采用PID的過熱汽溫控制系統(tǒng)比較，基于FNN-PI的過熱汽溫控制系統(tǒng)幾乎不產(chǎn)生超調(diào)，過渡過程更加平穩(wěn)，且時間大大縮短;抗擾能力顯著增加，控制品質(zhì)明顯優(yōu)于常規(guī)PID控制。