Исходя из значительной задержки основной температуры пара электростанции и неопределенности модели, предлагается стратегия управления основной температурой пара с использованием радиально-базисной нейронной сети (RBF) для настройки последовательного регулятора температуры пара. Используется смешанный алгоритм обучения, объединяющий метод ближайших соседей и метод градиентного спуска для построения радиально-базисной нейронной сети (RBF) и онлайн-идентификации объекта управления и онлайн-настройки параметров главного контроллера PID. Результаты моделирования показывают, что регулятор PID на основе радиально-базисной нейронной сети (RBF) с использованием смешанного алгоритма обучения обладает высокой точностью управления и быстрым временем реакции, динамическое качество системы превосходит обычные алгоритмы радиально-базисной нейронной сети (RBF) PID.

ТЭС, температура основного пара, управление, метод ближайших соседей, метод градиентного спуска, смешанный алгоритм обучения, радиально-базисная нейронная сеть (RBF), PID