基金项目：国家自然科学基金资助项目（61040013）；上海市教育委员
会重点学科建设项目（J51301）；上海市教育委员会科研创新项目（09YZ347）
收稿日期：2012－03－23
修回日期：2012－05－04
第30卷第1期
计算机仿真
2013年1月
文章编号：1006－9348（2013）01－0193－04
压水堆核电站稳压器压力控制系统仿真研究
张国铎，杨旭红，许
行，卢栋青
（上海电力学院，上海200090）
摘要：研究PID 控制器参数优化问题，针对稳压器压力控制系统具有复杂非线性、时变性特点，引起系统的输出品质特性较差，超调量大，调节时间长，上升时间长，控制精度差等。传统PID 的控制参数难以精确整定，且依赖于对象的精确数学模型。为了提高PID 控制精度，减小超调量、调节时间和上升时间，提出用单神经元的神经网络来优化PID 控制器参数的方法。通过单神经元的自学习和自适应能力，获得最优控制性能的PID 控制参数。仿真结果表明，单神经元神经网络的PID 控制方法与传统的PID 控制方法相比，系统响应速度更快，超调量更小，为优化控制系统提供了参考。关键词：压水堆；稳压器；压力控制系统；比例积分微分控制；单神经元中图分类号：TP183
文献标识码：A
Simulation of Pressurizer Pressure Control System of
Pressurized Water Reactor Nuclear Power Station
ZHANG Guo －duo ，YANG Xu －hong ，XU Hang ，LU Dong －qing
（Shanghai University of Electric Power ，Shanghai 200090，China ）
ABSTRACT ：Study PID controller parameters optimization problem．The pressure control system of pressurizer has the characteristics of complex nonlinear and time －varying ，leading to the poor outputs of the system ，such as large o-vershoot ，long setting time and low control accuracy．It is difficult to get precise parameters with traditional PID con-troller ，and the PID control method is relied on the precise mathematical model badly．In order to improve the precision of PID control ，decrease the overshoot and the setting time ，and the rising time ，a PID controller parameter optimization method was put forward based on single neuron neural network．Through the self －learning and the self －adaptive abili-ty of the single neuron ，the optimal PID controller parameters were obtained．The computer simulation experiment dem-onstrates that the single neuron PID controller performs very well ：the response is quicke ant the overshoot is minimal compared with the tradition PID regulator．And it provides some reference for optimization control system．KEYWORDS ：PWR －type ；Pressurizer ；Pressure control system ；PID controller ；Single neuron
1引言
稳压器是压水堆核电站的重要设备之一，其压力控制的
优劣直接影响到核电站能否安全的运行。稳压器的压力要维持在一定范围内，在稳态运行时一回路绝对压力在15．5MPa 的整定值附近。当系统压力过高时，系统压力边界可能会被破坏，当系统压力过低时堆芯会发生DNB （偏离泡核沸腾）。PID 控制是传统的稳压器压力控制系统常用的控制方法，该方法具有直观、实现简单和鲁棒性好等优点。但是，在很多实际的情况中，被控对象往往具有非线性、时变性和
不确定性，对象参数和环境常常随着时间发生变化，使得控制对象和模型失配，传统PID 控制器参数往往优化不良，控制效果欠佳
［1］
。因此常规PID 控制的应用受到了很大的挑
战和限制。
针对传统PID 控制器参数优化过程存在的问题，运用单神经元的自学习和自适应能力，获得最优控制性能的PID 控制参数，结合单神经元神经网络适用于复杂非线性系统进行建模和控制特点，本文提出了一种用单神经元神经网络来优化PID 控制器参数的方法，并通过MATLAB 仿真来证明该控制方法比传统的PID 控制优越性体现在超调量的减小、调节时间的减小和上升时间的减小。
2稳压器压力控制系统
压力控制的作用是在稳态和设计瞬态工况下，使稳压器
绝对压力维持在整定值15．5MPa 附近。当RCP （反应堆冷却剂系统）压力上升超出允许范围时，稳压器起超压保护作用，防止RCP 系统压力边界破坏；当RCP 压力下降时起低压保护作用，防止堆芯发生DNB （偏离泡核沸腾）。
目前压水堆核电站主回路的压力控制一般是通过设置在回路上方的稳压器实现的。稳压器内设有喷雾器、比例加热器、备用加热器；顶部有卸压阀和安全阀。压力调节系统就是稳压器、压力变送器、喷雾器、电加热调节系统和动力卸压阀调节闭环组成的
［2］
。
如图1，来自RCP014MP 的绝对压力测量值与整定值（15．5MPa ）之差P －P r 送到比例积分微分PID ，经运算后输出一个补偿压差信号（P －P r ）
补
。该信号通过几个函数发生
器和阀值继电器，随着信号的大小相继启动加热器或者是喷淋阀。稳压器压力控制原理如图1
。
图1
稳压器压力控制原理方框图
上图中，
RCP01VP 和RCP02VP 是喷淋控制阀，RCP03RS 和RCP04RS 是比例加热器。其中，PID 控制器的传递函数的表达式为
［3］
：
G （s ）=K （1+1
T 1s ）+
KT 21+T 2s
（1）
式中，K 为比例系数；T 1为积分时间参数；T 2为微分时间常数。
此外，RCP005MP ，006MP ，013MP 压力测量通道，这些测量通道产生与绝对压力有关的保护信号，它们以3取2逻辑信号送到反应堆保护系统（RPR ）；
－高压紧急停堆：16．55MPa ；－P11信号：13．9MPa ；
－低压紧急停堆：13．1MPa （同时有P7信号时）；－安注：11．9MPa 。
3PID 控制器
在控制系统中最常用的是PID 控制器，常规的PID 是一
种线性控制器，它根据给定值rin （t ）与实际输出值yout （t ）构成控制偏差：
error （t ）=rin （t ）－yout （t ）
（2）
PID 的控制规律为［4］：u （t ）=k p error （t ）+1
T I
∫t
error （t ）dt +
T D derror （t ）
[
]
dt
（3
）
图2
PID 控制系统原理图
当被控系统的非线性、不确定性较强时，往往达不到理想的控制效果，从而使得传统PID 控制器的应用受到了很大的限制，PID 控制系统原理图如图2。
4单神经元神经网络
单神经元作为构成神经网络的基本单位，具有自学习和
自适应能力，而且结构简单易于计算。而传统的PID 控制器也具有结构简单、
调整方便和参数整定与工程指标联系密切等特点。若将这两者结合，则可以在一定程度上解决传统PID 控制器不易在线实时整定参数、难于对一些复杂过程和参数慢时变系统进行有效控制的不足。用神经元实现的自适应PID 控制器的结构框图如图3
［5］
。
图3
单神经元自适应PID 控制的结构图
单神经元控制系统的结构如上所示。图中转换器的输入为设定值r （k ）和输出y （k ），转换器的输出为神经元学习所需要的状态量x 1，
x 2和x 3，K 为神经元的比例系数。单神经元自适应PID 控制器运用有监督Hebb 学习规则的控制算法及学习算法为
［6，7］
：
u （k ）=u （k －1）+K ∑3
i =1
w ＇i （k ）x i （k ）
（4）w ＇
i
（k ）=w i （k ）/∑3
i =1
w i （k ）
（5）w 1（k ）=w 1（k －1）+ηI z （k ）u （k ）x 1（k ）（6）w 2（k ）=w 2（k －1）+ηP z （k ）u （k ）x 2（k ）（7）w 3（k ）=w 3（k －1）+ηD z （k ）u （k ）x 3（k ）
（8）
式中
［8］
：
