核心提示：　　傳統(tǒng)的控制系統(tǒng)設計是在系統(tǒng)數(shù)學模型已知的基礎上進行的，因此控制系統(tǒng)的品質與數(shù)學模型的準確性有很大關系，但是實際系統(tǒng)千差萬別，復雜多變，很難找到合適的描述模型，對非線性系統(tǒng)而言就更加困難，有時甚至是

　　傳統(tǒng)的控制系統(tǒng)設計是在系統(tǒng)數(shù)學模型已知的基礎上進行的，因此控制系統(tǒng)的品質與數(shù)學模型的準確性有很大關系，但是實際系統(tǒng)千差萬別，復雜多變，很難找到合適的描述模型，對非線性系統(tǒng)而言就更加困難，有時甚至是做不到的。神經網絡用于控制系統(tǒng)設計則不同，它可以不需要被控對象的數(shù)學模型，而是對神經網絡進行在線或離線訓練，然后利用訓練結果進行設計。由于神經網絡具有較強的適應能力、并行處理能力和本質非線性，因此對非線性和不確定系統(tǒng)，采用神經網絡設計的控制器將具有更強的適應能力、更好的實時性和魯棒性?；谏窠浘W絡的控制系統(tǒng)的設計方法有多種，但目前尚未形成完善的理論體系和系統(tǒng)化的設計方法，已提出的神經網絡控制器主要有神經網絡PID控制、神經網絡預測控制、神經網絡內?？刂?、神經網絡模糊控制等。

　　感應電動機是典型的多變量、非線性系統(tǒng)，再加上變頻裝置，整個系統(tǒng)就更加復雜。本文選擇感應電動機變頻調速系統(tǒng)作為控制對象，對它的數(shù)學模型進行了可逆性分析，使用神經網絡構建逆控制器對感應電動機變頻調速系統(tǒng)進行控制。神經網絡逆控制器是將逆系統(tǒng)方法和神經網絡相結合，劉國海男，1964年生，博士，江蘇大學電氣信息工程學院教授、副院長，研究方向為電機控制、復雜系統(tǒng)控制等。

　　用BP網來逼近對象的a階逆系統(tǒng)，然后與對象串聯(lián)起來，構成一個復合偽線性系統(tǒng)，再用已有的線性系統(tǒng)的設計方法來設計控制系統(tǒng)。論文運用神經網絡逆系統(tǒng)方法對實際的感應電動機變頻調速系統(tǒng)分別進行了空載/滿載起動試驗、突加/突減負載試驗和跟蹤試驗驗證。，將逆系統(tǒng)串接在原系統(tǒng)之前構成一階偽線性系統(tǒng)，這樣整個復合系統(tǒng)就轉化為少二廠1型偽線性單輸入單輸出系統(tǒng)。

　　機組變工況下仿真曲線圖仿真結果表明，該控制系統(tǒng)有效地解決了鍋爐非線性、大時滯、負荷干擾對機組運行的影響。不僅在正常負荷穩(wěn)定情況下，主汽壓能保持相當穩(wěn)定，并且在機組調峰，燃燒率發(fā)生較大變化情況下，控制機組能快速跟蹤負荷，有效地提高了系統(tǒng)的控制品質，滿足了實際控制的要求，對改善機組調峰性能有重要的現(xiàn)實意義。

　　4結論本文設計的基于神經網絡預測模型的聚類自適應模糊控制的突出特點：（）采用神經網絡對系統(tǒng)進行預測，為非線性大時滯系統(tǒng)的精確控制提供了保證。

　?。?）在用模糊控制實現(xiàn)基于專家控制策略和經驗的模糊規(guī)則的同時，采用聚類自適應控制禰補模糊規(guī)則的不適應和不完整性，該控制方法簡練、靈活和快速。

　　仿真表明該控制具有強的魯棒性、實時性和抗擾性，即使調峰機組在變工況下（大范圍變負荷下）仍能保持了良好的控制性能和運行效果。