《表3 RBF1网络连接权值参数表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图7～图12仿真结果表明，传统的解耦方式下，系统某个通道受到干扰时，另一个通道也会受到相应的影响。加入主蒸汽压力干扰时，为了使其能够回到设定值，燃料量会产生变化，因此会带来烟气含氧量的波动；同理，当烟气含氧量发生变化时，会带来送风量的变化，从而锅炉主蒸汽压力会出现不稳定状态。这种控制方案能够在系统受到干扰时使其达到稳定状态，但调节时间长，控制效果不太理想。笔者提出的带有Smith预估补偿的RBF神经网络的解耦补偿器控制系统则具有很好的抗干扰能力和稳定性，并且调节的时间非常短。