核心提示：　　傳統(tǒng)的控制系統(tǒng)設(shè)計是在系統(tǒng)數(shù)學模型已知的基礎(chǔ)上進行的，因此控制系統(tǒng)的品質(zhì)與數(shù)學模型的準確性有很大關(guān)系，但是實際系統(tǒng)千差萬別，復(fù)雜多變，很難找到合適的描述模型，對非線性系統(tǒng)而言就更加困難，有時甚至是

　　傳統(tǒng)的控制系統(tǒng)設(shè)計是在系統(tǒng)數(shù)學模型已知的基礎(chǔ)上進行的，因此控制系統(tǒng)的品質(zhì)與數(shù)學模型的準確性有很大關(guān)系，但是實際系統(tǒng)千差萬別，復(fù)雜多變，很難找到合適的描述模型，對非線性系統(tǒng)而言就更加困難，有時甚至是做不到的。神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)設(shè)計則不同，它可以不需要被控對象的數(shù)學模型，而是對神經(jīng)網(wǎng)絡(luò)進行在線或離線訓練，然后利用訓練結(jié)果進行設(shè)計。由于神經(jīng)網(wǎng)絡(luò)具有較強的適應(yīng)能力、并行處理能力和本質(zhì)非線性，因此對非線性和不確定系統(tǒng)，采用神經(jīng)網(wǎng)絡(luò)設(shè)計的控制器將具有更強的適應(yīng)能力、更好的實時性和魯棒性。基于神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)的設(shè)計方法有多種，但目前尚未形成完善的理論體系和系統(tǒng)化的設(shè)計方法，已提出的神經(jīng)網(wǎng)絡(luò)控制器主要有神經(jīng)網(wǎng)絡(luò)PID控制、神經(jīng)網(wǎng)絡(luò)預(yù)測控制、神經(jīng)網(wǎng)絡(luò)內(nèi)模控制、神經(jīng)網(wǎng)絡(luò)模糊控制等。

　　感應(yīng)電動機是典型的多變量、非線性系統(tǒng)，再加上變頻裝置，整個系統(tǒng)就更加復(fù)雜。本文選擇感應(yīng)電動機變頻調(diào)速系統(tǒng)作為控制對象，對它的數(shù)學模型進行了可逆性分析，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建逆控制器對感應(yīng)電動機變頻調(diào)速系統(tǒng)進行控制。神經(jīng)網(wǎng)絡(luò)逆控制器是將逆系統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)相結(jié)合，劉國海男，1964年生，博士，江蘇大學電氣信息工程學院教授、副院長，研究方向為電機控制、復(fù)雜系統(tǒng)控制等。

　　用BP網(wǎng)來逼近對象的a階逆系統(tǒng)，然后與對象串聯(lián)起來，構(gòu)成一個復(fù)合偽線性系統(tǒng)，再用已有的線性系統(tǒng)的設(shè)計方法來設(shè)計控制系統(tǒng)。論文運用神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)方法對實際的感應(yīng)電動機變頻調(diào)速系統(tǒng)分別進行了空載/滿載起動試驗、突加/突減負載試驗和跟蹤試驗驗證。，將逆系統(tǒng)串接在原系統(tǒng)之前構(gòu)成一階偽線性系統(tǒng)，這樣整個復(fù)合系統(tǒng)就轉(zhuǎn)化為少二廠1型偽線性單輸入單輸出系統(tǒng)。

　　機組變工況下仿真曲線圖仿真結(jié)果表明，該控制系統(tǒng)有效地解決了鍋爐非線性、大時滯、負荷干擾對機組運行的影響。不僅在正常負荷穩(wěn)定情況下，主汽壓能保持相當穩(wěn)定，并且在機組調(diào)峰，燃燒率發(fā)生較大變化情況下，控制機組能快速跟蹤負荷，有效地提高了系統(tǒng)的控制品質(zhì)，滿足了實際控制的要求，對改善機組調(diào)峰性能有重要的現(xiàn)實意義。

　　4結(jié)論本文設(shè)計的基于神經(jīng)網(wǎng)絡(luò)預(yù)測模型的聚類自適應(yīng)模糊控制的突出特點：（）采用神經(jīng)網(wǎng)絡(luò)對系統(tǒng)進行預(yù)測，為非線性大時滯系統(tǒng)的精確控制提供了保證。

　　（2）在用模糊控制實現(xiàn)基于專家控制策略和經(jīng)驗的模糊規(guī)則的同時，采用聚類自適應(yīng)控制禰補模糊規(guī)則的不適應(yīng)和不完整性，該控制方法簡練、靈活和快速。

　　仿真表明該控制具有強的魯棒性、實時性和抗擾性，即使調(diào)峰機組在變工況下（大范圍變負荷下）仍能保持了良好的控制性能和運行效果。