来源：期刊VIP网 时间：
作者：张玉豪;王子楠;曾博洋;田震;
单位：中国科学院工程热物理研究所先进燃气轮机实验室;中国科学院大学航空宇航学院;轻型涡轮动力全国重点实验室;中国科学院工程热物理研究所先进能源动力重点实验室;
摘要：本文针对燃气轮机中氢燃料的扰动带来的控制问题，首先针对PI控制器利用改进的差分算法对控制器参数进行优化，以提高其动态性能及抗扰动效果。在此基础上，进一步选用智能控制方法进行研究，提出了一种结合门控循环单元与混沌神经网络的模型预测控制器（GRU-CNN-MPC）。采用门控循环单元（GRU）构建非线性预测模型，并结合混沌神经网络（CNN）进行滚动优化以增强全局寻优能力。仿真结果表明，GRU-CNN-MPC控制方法相对于差分进化算法整定参数的PI控制器显著提升了系统的跟踪性能，在燃料短时阶跃和周期性供应不稳定的情况下，可大幅降低扰动幅值并缩短调节时间。其中，扰动幅度最大可降低75.00%，调节时间最多可缩短91.18%，展现出更优的扰动抑制效果。该方法为燃气轮机提供了更精准、快速的转速控制方案，满足了复杂工况下的控制需求。
关键词：氢燃气轮机;;燃料扰动;;模型预测控制;;门控循环单元;;混沌神经网络
基金资助：中国科学院先导项目(XDA29050500);中国科学院青年创新促进会项目(E2290803)~~
