[发明专利]一种基于自适应逆控制的汽轮机转速控制方法

权利要求书

1.一种基于自适应逆控制的汽轮机转速控制方法，由于汽轮机功率信号比较难以测量，实际应用中常用发电机功率信号代替汽轮机功率信号，但是二者对控制系统动态特性的影响差异很大；本方法特征在于不再简单沿用发电机功率信号代替汽轮机功率信号构成负反馈的控制框架，把发电机功率信号作为负荷扰动信号引入汽轮机调速系统；同时考虑到调速系统非线性和参数时变的特点，提出一种基于自适应逆控制的汽轮机调速控制系统。

2.根据权利要求1所述的一种基于自适应逆控制的汽轮机转速控制方法，其特征在于其控制方法，具体步骤如下：首先利用RBF神经网络在线辨识获得汽轮机调速系统的逆模型，作为逆控制器构成自适应逆控制系统实现动态特性控制；然后，再利用RBF神经网络在线辨识获得一个自适应对象扰动消除控制器实现对象扰动消除控制，包括如下步骤：

[1]汽轮机调速对象模型在线辨识：汽轮机调速对象是具有死区、惯性和参数时变的非线性对象，其差分方程可表示为：

y(k+1)=g[u(k),u(k-1),Lu(k-m+1),y(k),y(k-1)L,y(k-n+1)]    (1)

式中，u和y分别是汽轮机调速对象的控制输入信号和汽轮机输出转速ω，m和n分别是其相应阶次；

根据汽轮机调速自适应逆控制系统对汽轮机调速对象模型P_m辨识结构要求，可确定RBF网络1的输入层为：

Xi(1)=u(k-i+1)1≤i≤my(k-i+m+1)m+1≤i≤m+n---(3)]]>

该模型辨识RBF网络1的输出层的输出为y_m(k+1)

[2]汽轮机调速对象逆模型在线辨识：汽轮机调速对象在满足可逆的条件下，其对应逆模型的差分方程可表示为：

u(k)=g^-1[u(k-1),Lu(k-m),y(k+1),y(k),L,y(k-n)]       (7)

根据汽轮机调速自适应逆控制系统对自适应逆控制器（对象逆模型）学习算法的任务要求，RBF网络2的输入层为：

Xi(2)=uc(k-i)1≤i≤mr(k+1)i=m+1y(k-i+2+m)m+2≤i≤m+n---(8)]]>

其中r(k+1)表示下一时刻的转速指令信号，RBF网络2的输出层的输出为u_c(k)；

[3]调速系统扰动消除器在线辨识：扰动消除控制器所对应的差分方程可表示为：

u_q(k)=f^-1[u_q(k-1),Lu_q(k-m),v(k),v(k-1),L,v(k-n-1)]    (13)

这里采用RBF网络3来在线辨识获得扰动消除控制器，RBF网络3的输入层为：

Xi(3)=uq(k-i)1≤i≤mv(k-i+m)m≤i≤m+n-1---(14)]]>

其中v(k)表示当前时刻的等效扰动信号，RBF网络3的输出层的输出为u_q(k)。

3.根据权利要求1所述的一种基于自适应逆控制的汽轮机转速控制方法，其特征在于：本发明不需要事先知道汽轮机调速对象对象的精确模型，首先采用RBF神经网络辨识方法在线辨识对象的动态特性（Jacobian信息），然后采用另一个RBF神经网络在线辨识出对象的逆模型作为自适应逆控制器，连接在调速对象前面控制对象动态响应；最后为抑制对象扰动响应，再采用一个RBF神经网络在线构建一个自适应扰动消除控制器，在不改变对象动态特性的条件下，抑制扰动响应（使对象扰动功率最小）。