基于互信息和PID神经网络的SCR脱硝扰动补偿控制

针对火电厂选择性催化还原(Selective Catalytic Reduction，SCR)烟气脱硝系统机理复杂，工况变化时呈现的不确定性、强扰动等特点，提出了一种基于互信息和PID神经网络的SCR烟气脱硝扰动补偿控制方法。利用PID前向神经网络的学习性能逼近被控对象的逆构成扰动观测器对系统进行反馈补偿，以达到超前消除系统扰动的目的。选取观测扰动和系统扰动的互信息为目标函数，采用改进的帝国竞争算法实现PID神经网络权值的优化调整。设计鲁棒PID控制器来进一步克服被控对象存在的不确定性。仿真实验表明，该方法具有突出的抗干扰能力和较好的鲁棒性，控制品质优于常规的PID控制。