[发明专利]用于控制工业燃气轮机转速的神经网络控制方法

说明书

本公开提供了一种用于控制工业燃气轮机转速的神经网络控制方法，包括：获取训练样本数据集，训练样本数据集包括多条转速数据样本，每条转速数据样本包括转速指令值、转速反馈值、转速误差值和标签信息；将转速指令值、转速反馈值、转速误差值输入至初始神经网络中，输出燃料量，其中，初始神经网络的隐含层神经元的激活函数是通过对基于反双曲正弦函数序列构造的激活函数进行降维改进得到的；根据转速指令值、转速反馈值、转速误差值和燃料量，调整初始神经网络的模型参数，其中，模型参数包括连接权值和隐含层神经元的个数；将连接权值和隐含层神经元个数均满足预设收敛条件时得到的初始神经网络确定为用于控制工业燃气轮机转速的神经网络。

技术领域

本公开涉及燃气轮机控制领域，更具体地涉及一种用于控制工业燃气轮机转速的神经网络控制方法。

背景技术

工业燃气轮机具有高度非线性、强耦合和运行工况复杂的特点，因此工业燃气轮机的控制需要满足高效率、高灵活性和高可靠性的要求。使用先进控制技术进一步提高燃气轮机的调节速率和调控精度一直是工业燃气轮机控制的发展方向。而神经网络技术原理简单、容易设计，具有良好的任意非线性逼近能力，因此在工业燃气轮机领域存在较大的工程应用潜力。

但发明人在实现本公开发明构思的过程中发现相关技术中至少存在如下问题：由于神经网络隐含层神经元的激活函数的关系式一般较复杂，多项式与多项式之间存在相互制约的关系，致使在利用神经网络控制工业燃气轮机转速时的计算负荷较高，降低了控制工业燃气轮机转速的效率。

发明内容

鉴于上述问题，本公开提供了提高对工业燃气轮机转速的控制效率的用于控制工业燃气轮机转速的神经网络控制方法及装置，以期至少部分地解决上述问题。

根据本公开的第一个方面，提供了一种用于控制工业燃气轮机转速的神经网络控制方法，该方法包括：获取训练样本数据集，上述训练样本数据集包括多条转速数据样本，每条上述转速数据样本包括转速指令值、转速反馈值、转速误差值和标签信息；将每条上述转速数据样本中的上述转速指令值、上述转速反馈值、上述转速误差值输入至初始神经网络中，输出燃料量，其中，上述初始神经网络包括隐含层神经元，上述隐含层神经元的激活函数是通过对基于反双曲正弦函数序列构造的激活函数进行降维改进得到的；根据上述转速指令值、上述转速反馈值、上述转速误差值和上述燃料量，调整上述初始神经网络的模型参数，其中，上述模型参数包括连接权值和上述隐含层神经元的个数；将上述连接权值和上述隐含层神经元个数均满足预设收敛条件时得到的初始神经网络确定为用于控制工业燃气轮机转速的神经网络。

根据本公开的实施例，根据上述转速指令值、上述转速反馈值、上述转速误差值和上述燃料量，调整上述初始神经网络的模型参数包括：根据上述转速指令、上述转速反馈值、上述转速误差，确定上述隐含层神经元的输出值；根据上述隐含层神经元的输出值确定上述隐含层神经元的输入激励矩阵；根据标签值，确定上述初始神经网络的输出向量矩阵，其中，上述标签值包括与上述燃料量相关联的真实燃料量；基于伪逆计算函数对上述输入激励矩阵和上述输出向量矩阵进行计算，得到上述初始神经网络的连接权值。

根据本公开的实施例，根据上述转速指令值、上述转速反馈值、上述转速误差值和上述燃料量，调整上述初始神经网络的模型参数还包括：根据上述转速指令值、上述转速反馈值、上述转速误差值分别得到转速指令值函数、转速反馈值函数、转速误差值函数；初始化上述转速指令值函数、上述转速反馈值函数、上述转速误差值函数的函数项数；在上述函数项数大于预设函数项数阈值的情况下，根据上述函数项数值确定上述隐含层神经元的个数。

根据本公开的实施例，上述方法还包括，在上述函数项数值小于等于预设函数项数阈值的情况下，确定上述燃料量与上述标签信息之间的均方误差；根据上述均方误差，确定上述隐含层神经元的个数。