[发明专利]一种煤气化炉系统的炉温自学习控制方法

权利要求书

1.一种煤气化炉系统的炉温自学习控制方法，其包括：

S1、构建一个基于数据的煤气化炉系统炉温自学习系统模型，用于确定煤气化炉炉温变化；

S2、基于系统运行数据，利用三层BP神经网络构建输入煤中元素含量比例的煤质模型，用于确定煤质；

S3、基于系统运行数据，利用三层BP神经网络构建输入量参考控制模型，用于确定煤气化炉系统输入参考量；

S4、将构建的煤气化炉系统炉温自学习系统模型误差、煤质模型误差和输入量参考控制模型误差与系统外部扰动转化为煤气化炉系统炉温自学习系统控制模型的扰动控制变量；

S5、基于迭代自适应动态规划自学习最优控制方法，在所述扰动控制变量对所述系统温度控制误差影响最大的情况下建立求解最优控制的函数，最终获得系统的最优控制；其中所述最优控制表示使得煤气化炉炉温达到设定温度的煤气化炉的输入量。

2.如权利要求1所述的煤气化炉系统的炉温控制方法，其特征在于，在步骤S1中构建的煤气化炉系统炉温自学习系统模型表示为：

x^(k+1)=F^(x(k),u(k),Θ(k))=W^m1T(k)σ(z(k))y^(k)=G^(x(k),u(k),Θ(k))=W^m2T(k)σ(z(k))]]>

其中，为构建所述煤气化炉系统炉温自学习系统模型使用的神经网络近似函数。为煤气化炉系统炉温自学习系统模型中炉温的神经网络权值，为煤气化炉系统炉温自学习系统模型中输出的神经网络权值，z(k)＝[x^T(k)，u^T(k)，Θ^T(k)]^T为构建所述煤气化炉系统炉温自学习系统模型使用的神经网络的输入，为k+1时刻煤气化炉系统炉温自学习系统模型的炉温值，为k时刻煤气化炉系统炉温自学习系统模型的输出，x(k)为k时刻实际的炉温，u(k)为k时刻实际的各组分输入流量，Θ(k)为k时刻的实际煤质，σ(·)为训练系统控制模型使用的神经网络双极S型激活函数，如下表示：

σ(z)=ez-e-zez+e-z.]]>