摘  要： 锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统，常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内；基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合，能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真，该结果对当前电厂的经济性和安全性有一定参考价值。
关键词: BP神经网络；PID控制；主汽温

    锅炉的主蒸汽温度与火电厂的经济性和安全性有重要的关系，是火电厂的一个极其重要的参数，其控制的好坏直接影响到电厂的整个经济效益。主蒸汽温度的控制任务是：(1)维持主蒸汽温度在允许的范围之内。对于亚临界机组的主蒸汽温度为540 ℃±10 ℃，长期运行应控制在540 ℃±5 ℃，对于超临界及超临界主蒸汽温度控制在(540 ℃～610 ℃)±10 ℃，长期运行应控制在(540 ℃～610 ℃)±5 ℃；(2)保护过热器，使其管壁不超过允许的工作温度。气温过高，会烧毁过热器的高温段，气温每降5 ℃，热经济性下降1%，气温偏低会使蒸汽机尾部蒸汽湿度增大甚至带水，严重影响汽机的安全运行。
    影响主汽温的扰动因素很多，主要有蒸汽量扰动、烟气量扰动和减温水量扰动。而对主汽温的控制策略通常有两种：
    (1)在火电厂实际生产过程中,针对主汽温控制是一个存在大时滞、时变性、大干扰、具有不确定性和非线性的复杂热工对象，常规气温控制系统设计为串级PID控制，如图1所示。
其中，r为主汽温设定值，G1(s)、G2(s)分别为控制系统对象的导前区和惰性区的传递函数，M1、M2分别为副变送器和主变送器传递函数。
    (2)利用神经网络的非线性特性和不依赖于对象精确模型的优点，对主汽温的控制方案加入BP神经网络，搭建成基于BP神经网络的PID控制系统，用以完成对锅炉主汽温的控制。该方案如图2所示。
    在传统PID的基础上增加了一个BP神经网络，用神经网络在线实时输出PID的比例、积分和微分三个参数。
1 BP神经网络的算法
    上文中BP神经网络采用三层结构：j表示输入层节点，i表示隐含层节点，l表示输出层节点。输入层有m个输入节点，隐含层有q个隐含节点，输出层有3个输出节点。输入节点对应所选的系统运行状态量，输出节点分别对应PID控制器的三个参数kp、ki、kd，输出层神经元激活函数取非负的Sigmoid函数。BP神经网络的输入层输出为：
 

    其中，串级控制的副控制器采用P控制，kp2=1；主控制器采用PI控制，kp1=0.05，ki=0.05。基于BP神经网络的PID控制方案中，采用PID控制，BP神经网络取三层神经网络，有3个输入，分别为输入信号、输出信号、输入与输出之差，阈值取为1；有3个输出kp、ki和kd，隐含层取5个节点。学习步长η=0.6，惯性系数0.06。对于惰性区传递函数采用近似方法用e-10s来代替。
    限于篇幅仿真结果只列出负荷为50%和100%时两种控制策略的仿真曲线和100%负荷时BP神经PID控制下的3个参数变化曲线。图3、图4所示分别为负荷为50%、100%时阶跃响应曲线。