Condenser and deaerator control using fuzzy-neural technique

يتناول البحث استخدام التحكم المتكيف بطريقة النموذج المتبوع بالمكثف و طاردة الغازان لمحطات الطاقة الكهربائية. حيث تم أولا تصميم منظومة للكشف عن البارامترات باستخدام الشبكات العصبية المضببة و بأسلوبين الأول هو الكشف المباشر و الثاني هو الكشف العكسي. تم في هذا البحث اقتراح أسلوبين للسيطرة باستخدام الشب...

Full description

Saved in:
Bibliographic Details
Published in:Iraqi journal for electrical and electronic engineering 2007, Vol.3 (1), p.79-96
Main Authors: Ali, Abd al-Azim Abd al-Karim, Mahmud, A'ayad Shakir
Format: Article
Language:English
Subjects:
Capacitors
Condenser control
Control
Deaerators
Dearator control
Electric power systems
Fuzzy neural
Fuzzy systems
MIMO control
Neural networks (Computer science)
Power plant control
أنظمة الطاقة الكهربائية
الرقابة
الشبكات العصبية
Citations: Items that cite this one
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:يتناول البحث استخدام التحكم المتكيف بطريقة النموذج المتبوع بالمكثف و طاردة الغازان لمحطات الطاقة الكهربائية. حيث تم أولا تصميم منظومة للكشف عن البارامترات باستخدام الشبكات العصبية المضببة و بأسلوبين الأول هو الكشف المباشر و الثاني هو الكشف العكسي. تم في هذا البحث اقتراح أسلوبين للسيطرة باستخدام الشبكات العصبية المضببة. يستخدم الأسلوب الأول السيطرة غير المباشرة من خلال خوارزمية التغذية الخلفية عبر الزمن. أما الأسلوب الأخر فيستخدم السيطرة العكسية. أظهرت عمليات المحاكاة و التي تمت على الشبكات متعددة الإدخال و الإخراج المستعملة أن الأساليب المقترحة قويه ضد التغيرات المؤثرة على المنظومة. A model reference adaptive control of condenser and deaerator of steam power plant is presented. A fuzzy-neural identification is constructed as an integral part of the fuzzy-neural controller. Both forward and inverse identification is presented. In the controller implementation, the indirect controller with propagating the error through the fuzzy-neural identifier based on Back Propagating Through Time (BPTT) learning algorithm as well as inverse control structure are proposed. Simulation results are achieved using Multi Input-Multi output (MIMO) type of fuzzy-neural network. Robustness of the plant is detected by including several tests and observations.
ISSN:1814-5892
2078-6069
2078-6069
DOI:10.33762/eeej.2007.55283