基于BP 神经网络的Smith-PID 鲁棒自适应控制在火电厂水质调节过程中的应用
曹顺安
武汉大学动力与机械学院（武汉 430072 ）
[摘 要] 本文针对火电厂水质调节系统，大时滞时变性的特点，提出了基于BP 神经网络的Smith-PID 控制
算法，仿真研究和实际应用表明，本文控制算法具有良好的静态特性、动态品质和很强的鲁棒性；工程应用控制
效果令人满意。
[关键词] BP 神经网络 Smith-PID 算法 鲁棒自适应控制 火电厂 水质调节系统
A application of Robust Adaptive Smith-PID Control Algorithm Based on BP Neural Network
for Water Quality Adjusting System in Power Plant
Cao Shunan
College of Power and Mechanical Engineering，Wuhan University，Wuhan 430072
Abstract: Aiming at the large time-delay and mutable characteristic of the controlled object for the water quality
adjusting system in power plant，a robust adaptive Smith-PID control algorithm based on BP neural network is presented.
The simulation and application show that the controlling algorithm is of the better static characters，preferable dynamic
quality and strong robustness. And a satisfactory controlling effect is obtained in practice.
Keywords: BP Neural Network Smith-PID Robust Adaptive Controlling
Power plant Water Quality Adjusting System
0 引言
火电厂水质调节系统，主要包括凝结水加氨、给水加氨、给水加联氨和炉水加磷酸盐等加药处理。随着我国火电厂高参数大容量机组的投产，对水汽品质和水质工况控制的要求越来越严格。控制策略是决定水质调节效果的关键。国内现有的水质调节系统，大都是基于常规PID调节的算法控制，这在热力系统运行稳定时基本能满足要求，但在负荷波动较大，特别是机组调峰运行时，给水流量随负荷的波动变化较大，如果加药量不能与水量同步变化，将直接影响处理效果。药品浓度低，达不到水质调节的应有效果，药品浓度过大又有副作用[1-2]。能否准确有效的进行水质调节，直接关系到热力机组的稳定、经济和安全运行，是避免化学原因诱发设备故障和生产事故的重要途径，具有重大的安全和经济效益。

长，而且从方便现场维护检修、设备布置的规范性考虑，不可能将在线仪表迁至取样口附近，系统具有大时滞性。又由于锅炉负荷波动较大（特别是机组处于调峰时）、药箱中药剂浓度受人为因素的影响、现场干扰和环境条件的变化，被控对象又具有显著的非线性和时变性。
PID 控制虽具有简单、可靠且有成熟的参数整定方法[3] ；但要取得良好的控制效果，PID 参数必须要随对象特性变化而调整；况且常规PID 算法不适用于大时滞过程控制[4-5]。Smith预估补偿控制被认为是纯滞后对象简单有效的控制方案[6]，但Smith 预估器对模型误差敏感，当对象特性变化较大时，系统控制品质变坏甚至失去稳定[7-9]。实质上，PID 算法中三种控制作用之间，既相互联系又相互制约，且并不是简单的线性组合，必须用非线性方法在线自适应整定PID 参数，才能保证时变对象的控制效果。为此，鉴于BP 神经网络具有任意的非线性表达能力和很强的自学习能力，本文针对火电厂水质调节加药系统控制，提出了基于BP神经网络Smith-PID 控制算法，即在Smith 控制系统中，用BP 神经网络在线自学习整定PID参数，实现控制器参数跟踪对象特性的自适应调整，从而使系统具有很好的动态品质、静态特性和鲁棒性。
2 基于BP 神经网络的Smith-PID 控制