采用非线性模块的BP神经网络PID水位预测控制

因非线性时变控制系统造成的滞后，压水堆核电厂蒸汽发生器(SG)水位控制会引起的较大惯性或耦合，对此提出一种基于非线性模块的BP神经网络PID控制预测模块。采用BP神经网络模型作为非线性预测模块，调用SG水位PID控制运行数据作为非线性预测模块的训练样本；提取BP神经网络模型的输出数据作为BP神经网络PID的输入数据，多重优化BP神经网络的权值及阈值，缩小修正差值逼近系统整定值；构建SG水位非线性模块的预测数值与系统运行数据之间的非线性映射关系，修正带有预测判断方向的阈值，实现在线动态调整输出PID各参数的最优值。实验结果表明，预测模块可有效缩短系统的稳定阶跃响应周期，具有较高的计算精度。