《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》
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。
图表编号 | XD0095322700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.28 |
作者 | 高锦、李勇、周燕弟、章家岩 |
绘制单位 | 安徽工业大学电气与信息工程学院、马鞍山钢铁股份有限公司热电总厂、马鞍山钢铁股份有限公司热电总厂、安徽工业大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |