申请/专利权人：东南大学溧阳研究院;东南大学

申请日：2021-11-29

公开（公告）日：2024-04-16

公开（公告）号：CN114237043B

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本发明公开了基于深度学习的燃气轮机设备传递函数闭环辨识方法，包括如下步骤：1将燃气轮机关键设备构建为一阶惯性纯滞后FOPDT模型，采用PI控制器作为反馈控制器，建立开环传递函数模型；2对模型参数正则化，将获得的各无量纲参数进行摄动；3利用随机数产生的摄动模型进行闭环阶跃响应仿真；4以标称时间参数和闭环阶跃响应曲线为输入参数，以无量纲模型参数为输出参数，构建深度学习卷积神经网络，利用数值序列对卷积神经网络进行训练。本发明闭环辨识方法不受现场运行条件的限制，在闭环情况下得到开环传递函数；训练样本数足够大，充分覆盖实际对象的不确定变化范围，识别准确率高。

主权项：1.基于深度学习的燃气轮机设备传递函数闭环辨识方法，其特征在于，包括如下步骤：1将燃气轮机关键设备构建为一阶惯性纯滞后FOPDT模型，采用PI控制器作为反馈控制器，建立开环传递函数模型；2对模型参数正则化，将获得的各无量纲参数进行摄动；3利用随机数产生的摄动模型进行闭环阶跃响应仿真，记录每组无量纲参数对应的闭环阶跃响应的数值序列；4以标称时间参数和闭环阶跃响应曲线为输入参数，以无量纲模型参数为输出参数，构建深度学习卷积神经网络，利用数值序列对卷积神经网络进行训练，获得辨识模型的神经网络模型；步骤1中的一阶惯性纯滞后FOPDT模型传递函数表达式为： 其中，s是复频率，K是真实对象放大系数，T是真实对象时间常数，L是真实对象延迟时间，参数K、T、L为待辨识参数；将PI控制器作为反馈控制器，对应的传递函数表达式为： 其中，Kp是比例系数，Ti是积分系数，Kp、Ti值根据对象特性和控制目标进行调节；因此，燃气轮机控制系统的开环传递函数表示为： 根据内模整定法对PI控制器中的参数Kp、Ti进行整定，整定的表达式为：Ti＝T0 其中K0为对象模型放大系数，T0为对象模型时间常数，L0为对象模型延迟时间；在步骤2中进行参数正则化时定义如下： β、γ、α为标称值为1的无量纲参数，θ0为标称时间参数，θ为待求时间参数；将上式带入燃气轮机控制系统，开环传递函数改写成：

全文数据：

权利要求：

百度查询： 东南大学溧阳研究院;东南大学 基于深度学习的燃气轮机设备传递函数闭环辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD