摘要：在火电厂热工仪表的非线性校正过程中，应用现代控制理论及计算方法，是本篇文章介绍的主要内容。本篇文章主要对现代化控制理论、热工自动化的实质内容、发展现状以及研究方向进行了相关阐述，指出了在热工仪表非线性特性校正中对BP神经网络算法、CMAC神经网络算法、遗传进化算法的应用。
关键词：现代可控制理论；火电厂；热工仪表；非线性校正
基础控制理论的重要组成内容为现代控制理论，状态、操作符是创建控制理论的基础。现如今控制理论和基础数学之间的联系非常密切。在20世纪50年代中期，现代控制理论发展在间接情况下受到了空间理论和技术发展的推动，广大研究人员开始致力于将新的控制理论建立在基础控制理论上。热工仪表要在热电厂中进行校正，校正热工仪表可以通过利用现代控制理论和空间技术性相结合，得出的结果更加准确。
1现代控制理论的发展情况和探究现象
一些相互关联、相互制约的零件之间在特殊功能下组成了系统这个整体。相关性、抽象性、多元性和相对性是系统的主要特征。当空间和时间在不同状态下，所呈现出来的不断变化的系统称为动态系统。一般情况下，差分微分方程为动态系统的主要计算求解方式。
而现在动态系统是建立控制理论的基础条件。
现代控制理论主要包含最优质的控制理论、线性和非线性的系统理论知识、最优估计、动态系统识别和预测控制、自适应控制等多个区域，和传统的控制理论进行比较，可以对多变量控制系统进行设计和分析，完全可以通过状态量和状态方程的方式对系统进行完美呈现，还可以将系统的特性充分体现出来，并且在计算机上就可以完成整个的控制过程，是非线性系统在状态空间方程的基础上进行稳定性分析。
伴随着时代的快速发展和对空间技术的广泛使用，一些多变量非常复杂的性能标准已经得不到传统控制理论的满足，因此利用现代控制技术对多变量、动态系统等进行掌控和分析是目前的发展趋势。
2热工自动化的发展方向和研究现状
热工自动化，说白一点就是在没有工作人员监督和手动操作的情况下，通过对自动化装置和控制系统进行充分利用，从而对火电厂的各种运行数据、运行状态以及信息收集、自动调节和故障报警等进行及时处理。
伴随着计算机技术的快速发展，计算机是在热工仪表中使用最多的数据展示方式，管理人员要向对火电厂的运行情况进行了解完全可以通过自控控制系统和热工仪表上显示出来的内容来获取，并且可以在控制室中，对火电厂各个设备的运行情况以及发生故障之后的检修处理进行直接控制。
从多年之前的机械式仪表到现在的微机室仪表，自动检测系统和自动控制装置系统经历了飞速发展。火电厂对计算机软件和互联网热工仪表检测系统进行广泛使用起始于二十世纪九十年代。现在，热工自动化系统已经在我国火电机组得到了普及，在提升火电厂工作效率的同时还提高了经济效益。
3校正热工仪表非线性特征
3.1热工仪表的非线性特性
热工仪表所具备的非线性特征和它本身具备的线性特征相对立，其不同点在于迭代求解方式无法在非线性特征中使用。例如，存在于热工自动化控制系统中的晶体管放大元件，当超出其工作范围以后，非线性特点就会显现出来；当电动机的输入电压超出上限时，在永磁材料的影响下就会产生非线性特征等。最容易产生非线性特征的区域是死区。但是在热工仪表中，流量仪表中所显示出来的液体压强差值和流量之间属于非线性关系，而温度仪表仪器中显示出来的温度差异和电势也属于非线性关系。
对于热工仪表中在非线性特征下所产生的误差要对其进行最大限度的修正，校正方式主要有三种类型：通过对热工仪表的测算范围进行校正、利用非线性特点进行校正和使用非线性刻度等进行校正。热工仪表所出现的线性和非线性误差可以通过非线性校正来对其进行更好的修正，这就是其使用范围广、发展前景广阔的主要原因。
数字校正和模仿线性化校正是非线性特征的主要校正方式。
3.2在神经网络算法基础上实行的非线性校正
现在新兴起了一种智能控制方法——神经网络控制方法，这种算法主要是对人体大脑内的神经组织构造的运行方式进行简化，使神经网络模型理论和现代化控制理论相结合的控制手段。神经网络算法可以对非线性系统、线性系统和非确定系统所显示出来的问题进行合理处理。
而神经网络算法主要指的是将逻辑作为依靠，在神经网络中属于现有的数据信息，经过一定程度上的推敲，计算机就可以对计算的算法展开运行。神经网络算法主要是借助神经元将信息存储在网络中的自适应非线性控制算法。
3.2.1在BP神经网络流量基础上进行非线性校正
多层次前馈网络包括Back Propagation神经网络，其使用范围非常广泛。各种存储过程中包含的输出和输入的关系都可以通过神经网络反映出来，梯度下降法是这种网络算法主要采用方式，经过对前馈进行不断调整，可以降低网络产生的计算误差。
火电热工仪表中测试火电厂中烟雾中所包含的氧气量主要通过氧化锆氧量计来进行测量。在火电厂中，为了减少资金投入成本、提升锅炉燃烧的效率，对燃烧锅炉中的氧气含量进行控制具有非常重要的意义。用β表示锅炉中煤含量和空气含量比例，可以通过对含氧量和空气比例进行计算得出锅炉中的空气含量。
氧化锆氧量计计算是火电厂中用于测量锅炉含氧量的普遍算法，主要是建立在氧浓度差原理的基础上展开测量，也就是说将需要检测的烟雾和已经得出的准确含氧量的气体分别放在两端，如果需要检测的烟雾含氧数量和被参照气体的含氧量之间的数值存在差距，那么就可以形成氧浓度差蓄电池，则该电池电势和气体含氧量的差值成正比，从而需要检测的烟雾含氧量通过电池电势就可以计算出来。
3.2.2在CMAC神经网络的温度测量计基础上进行非线性校正
CMAC神经网络属于部分相似神经网络，这种网络主要通过对人体小脑控制身体工作的原理进行模仿从而创建的网络模型，可以将非线性映射全部表现出来，具有部分泛化的技能。
温度测量计主要由两部分组成，分别是热电阻和热电偶，经过将这两种结合可以对温度进行传递和感知，从而对温度进行测量。其中，在不一样的温度环境下热电偶会产生不同的热电势，从而对实际温度进行测量计算。
E（T，T0）=F（T）-C （1）
这组方程式中，用E来表示热电偶的热电势；T代表测量温度；T0表示最开始的温度；f（T）则表示电势和温度之间所产生的非线性函数；C为常数。
同理可得出，热电阻的电阻值在不一样的温度影响下会存在一定的差距。
RT=RT0+G（T，T0） （2）
RT在这组方程始终代表热点组织；RT0表示最原始的参考电阻值；T表示测量温度；T0则代表最原始的温度；G（T，T0）代表RT和T两者之间的非线性函数。
在火电厂中，利用电热偶或者是电热阻检测所得出的相对应的电势值或者是电阻值以后，可以将这个测量信号传输到控制室当中，在通过仪表将其显示出来，就可以看到温度的检测结果。为了对之间存在的误差进行校正，电热厂经常会采取缩小测量范围，对非线性刻度等方法进行利用来处理非线性关系，借此方式缩小误差范围。
非线性的最终温度测量结果可以通过利用CMAC神经系统来校正。第一步需要做的就是对模型进行辨别，然后通过对Matlab的CMAC神经系统算法步骤进行利用，使理想中的温度、相对应的热电势和热电阻在经过该算法计算以后再对其持续进行非线性校正，最终获得准确温度值，并通过仪表显示出来。
3.3给予遗传算法的非线性校正
根据Darwin进化论的出道遗传学机理，然后经过分析自然界的进化规律来进行分析模拟的控制算法就叫做遗传算法（Genetic Algorithm），这种算法所得出来的最准确的算法主要是将自然进化论的模式方式作为参考进行找寻。最终计算目标可以通过该算法来进行直接计算，根本不需要对求导级函数是否具有连续性等问题进行考虑，其可以对最优化的目标和探寻空间进行自动寻找，自动调整寻找方向，还能以最快的速度进行计算，其非常强壮，具备非常好的解答效果。
遗传算法主要是计算参数中所包含的编码，而其在寻找最优解答方式时主要是利用多点搜索的方式，将目标函数作为参考信息，在计算过程中利用概率的计算方法展开并行计算，因此可以对大量比较复杂的问题展开优化求解。
热工仪表的非线性校正采用遗传算法的具体步骤如下：
（1）对所要求解的问题进行详细分析，明确最终的优化对象，然后将其简化成遗传算法所需要的形式：
G=maxK（X），X=（x1，x2，`````，xn）T （3）
在此方程式当中K（T）为函数最大值；X表示解向量；Ω表示定义域；
（2）通过应用二进制编码将其转化成遗传算法中相对应的变量；
（3）随机出现原始化种群（多个编码的综合）；
（4）合适度值需要通过方程式来进行求解，如何和停止条件相符合，那么种群进化过程停止，如果达不到停止条件要求，则需要继续进行第5步；
（5）开展种群进化过程，也就是选择；杂交和变异，最终完成进化过程；
（6）对是否满足进化截止条件进行判断，如果达到标准则进化失败，如果不满足则重新返回第（4）步。
4结论
如果非线性函数中存在的待定系数需要利用高斯-牛顿迭代法等非线性算法来校正，在此种方法下可以通过梯度来搜索出最优解答方式，但是只能得出部分最优解，而利用遗传进化算法可以做到全局最优解。
要将非线性校正应用于热工仪表，需要首先确认最终适度函数，利用遗传进化优化算法计算得出的主蒸汽流计算量和实际测量的主蒸汽测量数据相差的最小平方和，可将其看作待定参数优化的判定主要依据，如果将热工仪表优化问题转换成式（5），就可将此问题转变成最大值问题：
其中，N表示正数。遗传进化算法可利用二进制编码进行，最后进行结构仿真。
结束语
火电厂中热工仪表对精度的要求越来越高，而且在非线性校正过程中现代控制理论也占据了越来越重要的地位。本篇文章主要对现代控制理论和热工自动化的发展情况进行了研究，并对GP神经网络算法、CMAC神经网络算法和遗传话算法等可以帮助热工仪表进行非线性校正的多种算法进行了探讨和说明。
参考文献：
[1]孙振洋.控制理论在火电厂热工自动化中的应用[J].科技创业家，2013（23）：50.
[2]陈晨.火电厂热工仪表自动化技术及其应用浅析[J].民营科技，2013（05）：3.
[3]陈新艺.火电厂热工仪表自动化技术应用探析[J].科技与企业，2012（08）：126.
[4]黄汝科，亓蕾，王亮.浅谈自动化控制系统及热工仪表的维护与管理[J].信息技术与信息化，2011（04）：76-78.
论文作者:郭维
论文发表刊物:《电力设备》2018年第17期
论文发表时间:2018/10/18
标签：算法论文; 热工论文; 仪表论文; 神经网络论文; 火电厂论文; 温度论文; 理论论文; 《电力设备》2018年第17期论文;