【正文】 ................................................................................................. 11 第 3 章 神經(jīng)網(wǎng)絡(luò) PID 控制器的設(shè)計 ...................................................13 PID 控制器 ................................................................................................................. 13 引言 ..................................................................................................................... 13 PID 控制器的原理及其特點 .............................................................................. 13 人工神經(jīng)網(wǎng)絡(luò)和 PID 控制的結(jié)合 ........................................................................... 15 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器設(shè)計 .................................................................................. 16 第 4 章 神經(jīng)網(wǎng)絡(luò) PID 在鍋爐蒸汽壓力中的應(yīng)用 ..............................18 鍋爐蒸汽壓力數(shù)學(xué)近似 ........................................................................................... 18 鍋爐蒸汽壓力數(shù)學(xué)模型的仿真研究 ....................................................................... 18 傳統(tǒng) PID 控制方法 ............................................................................................ 18 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制方法 ................................................................. 20 仿真比較 ............................................................................................................. 21 結(jié) 論 ......................................................................................................23 致 謝 ...........................................................................................................24 參 考 文 獻(xiàn) ..............................................................................................25 附錄 .............................................................................................................27 江蘇科技大學(xué) 本科畢業(yè)設(shè)計（論文） 1 第 1章 緒論 選題的背景 隨著工業(yè)生產(chǎn)和計算機(jī)技術(shù)的飛速發(fā)展，人們對生產(chǎn)過程的自動化控制水平的要求越來越高。一個 先進(jìn)的、易于應(yīng)用的控制算法的出現(xiàn)會對工業(yè)生產(chǎn)產(chǎn)生巨大的推動作用。 然而學(xué)術(shù)研究成果與實際的生產(chǎn)應(yīng)用技術(shù)水平并不是同步的，某些方面甚至相差幾十年。其中的原因有很多，如推廣不積極、應(yīng)用上不成熟、存在缺陷等，但一個很明顯的原因就是理論研究尚且缺乏實際應(yīng)用背景的支持 [1]。 船舶蒸汽動力系統(tǒng)是一個系統(tǒng)復(fù)雜、設(shè)備眾多的能量轉(zhuǎn)換系統(tǒng)。由于其特殊的工作環(huán)境，相對普通電站蒸汽系統(tǒng)而 言，船舶蒸汽動力系統(tǒng)具有慣性小、動態(tài)過程變化大、各子系統(tǒng)的關(guān)聯(lián)和制約因素多等特點。因此要了解其運行的動態(tài)特性，研究船舶蒸汽動力系統(tǒng)的動態(tài)模型就十分必要。 在實驗室中無法復(fù)現(xiàn)真實的工業(yè)生產(chǎn)過程，條件上往往相差很多。只有尋找具有典型特性的實際研究對象，積極將相關(guān)知識投身于實踐，才能夠更好的促進(jìn)學(xué)習(xí)，更好地將理論成果轉(zhuǎn)化為高效的應(yīng)用技術(shù)。 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)是基于實際操作中多次測試得到的鍋爐主蒸汽壓力數(shù)學(xué)模型，集自動化儀表技術(shù)、計算機(jī)技術(shù)和自動控制技術(shù)為一體的仿真系統(tǒng)。結(jié)合 MATLAB軟件及 Simulink模塊 ， 能夠 很好地完成了仿真設(shè)計及應(yīng)用要求 [2]。 人工神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容 人工神經(jīng)網(wǎng)絡(luò)可以概括地定義為：由大量簡單的高度互聯(lián)的處理元素 (神經(jīng)元 )組成的復(fù)雜網(wǎng)絡(luò)計算系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果上提出來的，始于 19 世紀(jì)末期，反映了人腦的若干基本特征，是模擬人工智能的一條重要途徑 [3]。 從某種意義上說，人工神經(jīng)網(wǎng)絡(luò)、并行分布處理和神經(jīng)計算機(jī)是統(tǒng)一的概念。神經(jīng)網(wǎng)絡(luò)在兩個方面與人腦相似： （ 1） 神經(jīng)網(wǎng)絡(luò)獲取的知識是從外界環(huán)境中學(xué)習(xí)得來的； （ 2） 互聯(lián)神經(jīng)元的連接強(qiáng)度，即突觸權(quán)值，用于存儲獲取的知識。 人工神經(jīng)網(wǎng)絡(luò) 的研究和發(fā)展經(jīng)歷了一條曲折的道路，分為興起、蕭條、興盛和高潮4 個時期。 1986 年，美國的 和 及其領(lǐng)導(dǎo)的研究小組發(fā)表了《并行分布式處理》一書的前兩卷，對人工神經(jīng)網(wǎng)絡(luò)研究高潮的到來起到了推波助瀾的作用。 Rumelhart 等人最重要的貢獻(xiàn)是提出了適用于多層神經(jīng)網(wǎng)絡(luò)模型的誤差反向傳播江蘇科技大學(xué) 本科畢業(yè)設(shè)計（論文） 2 （ Error BackPropagation, BP），該方法將學(xué)習(xí)結(jié)果反饋到中間層的隱含節(jié)點中，解決了多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)問題。目前，該算法已經(jīng)成為影響最大的一種人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。 人工神經(jīng)網(wǎng)絡(luò)主要應(yīng)用領(lǐng)域： （ 1） 知識處理：神經(jīng)網(wǎng)絡(luò)可以從數(shù)據(jù)中自動獲取數(shù)據(jù)（知識），把新知識結(jié)合到它的映射函數(shù)中去，使得神經(jīng)網(wǎng)絡(luò)非常適合于處理某類知識，特別是不精確的知識。 （ 2） 市場管理：不同種神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理能力是不同的。在金融、銀行、保險行業(yè)的應(yīng)用主要是進(jìn)行顧客群體特征分析、市場研究消費傾向分析等。 （ 3） 運輸及通信：運輸與通信問題在國民經(jīng)濟(jì)中有著極為重要的現(xiàn)實意義。最優(yōu)的調(diào)度算法是一個 NP 完全性問題。神經(jīng)網(wǎng)絡(luò)可以根據(jù)運輸網(wǎng)或通信網(wǎng)中當(dāng)前及以前的貨物及信息情況，最佳地調(diào)度網(wǎng)中的貨物源和信息源 ，達(dá)到貨物和信息在網(wǎng)中的傳遞最為經(jīng)濟(jì)的目的。 （ 4） 信號處理：神經(jīng)網(wǎng)絡(luò)同樣也被廣泛地應(yīng)用于信號處理，如目標(biāo)檢測、畸變波形的恢復(fù)、雷達(dá)回波的多目標(biāo)分類、運動目標(biāo)的速度估計、多目標(biāo)跟蹤等。 概括地說，神經(jīng)網(wǎng)絡(luò)在信號處理領(lǐng)域主要應(yīng)用于自適應(yīng)信號處理 (自適應(yīng)濾波、時間序列預(yù)測、譜估計、陣列處理、消除噪聲、檢測等 )、非線性信號處理 (非線性濾波、非線性預(yù)測、非線性譜估計、非線性編碼、調(diào)制、解調(diào)、中值處理等 )。 （ 5） 自動控制：早在 1962 年， WiCirow 就提出了一個神經(jīng)網(wǎng)絡(luò)可以成功地學(xué)會平衡一個干擾抑制器的控制算法， 即著名的 LMS 算法 [4]。 Grossberg/Kupersteirl 的視覺運動控制神經(jīng)網(wǎng)絡(luò)，能夠執(zhí)行傳感器表面的一個圖像傳感器的反饋控制和圖像平面的非線性關(guān)系的計算，并能把圖像傳感器瞄準(zhǔn)到正在運動的指定客體上。顯然，這可以用到機(jī)器人的攝像機(jī)控制上，而且還可以應(yīng)用到諸如火炮之類的武器系統(tǒng)中去。 除上述幾個應(yīng)用領(lǐng)域之外，神經(jīng)網(wǎng)絡(luò)在娛樂、零售分析、信用分析、航空航天等方面也有廣泛的應(yīng)用前景。 論文內(nèi)容安排 本文主要介紹了應(yīng)用最為廣泛的 BP 算法，結(jié)合具體的控制對象和傳統(tǒng) PID 控制方法，對它們的控制效果進(jìn)行了對比 分析。 船用鍋爐主蒸汽壓力調(diào)節(jié)對象含有大慣性、大滯后環(huán)節(jié)，常規(guī) PID 控制方法不具備江蘇科技大學(xué) 本科畢業(yè)設(shè)計（論文） 3 自適應(yīng)能力，因此很難滿足實際的控制要求。利用 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)點，基于 BP 神經(jīng)網(wǎng)絡(luò)設(shè)計 PID 控制器，改善系統(tǒng)的控制性能，無論在理論還是實踐上都具有重要意義。 通過對比仿真結(jié)果，可以看出 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器明顯具有更強(qiáng)的信息處理能力、自適應(yīng)性和魯棒性。 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器融合 BP 神經(jīng)網(wǎng)絡(luò)和傳統(tǒng) PID 控制器的特點，具有很好的應(yīng)用價值。 第一章 緒論，本章介紹了本課題的選題背景，概述了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史及主要應(yīng)用現(xiàn)狀。 第 二章 神經(jīng)網(wǎng)絡(luò)概述，本章簡要介紹了幾種主要的人工神經(jīng)網(wǎng)絡(luò)模型及工作原理、作用函數(shù)和學(xué)習(xí)方法，包括： MP 模型、單神經(jīng)元模型、感知器模型和 BP 神經(jīng)網(wǎng)絡(luò)模型。 第三章 神經(jīng)網(wǎng)絡(luò) PID 控制器的設(shè)計，本章介紹了傳統(tǒng)的 PID 控制器的原理和特點，指出傳統(tǒng) PID 控制器在工業(yè)過程控制存在的不足。在結(jié)合第二章基礎(chǔ)知識的基礎(chǔ)上，結(jié)合傳統(tǒng) PID控制器和神經(jīng)網(wǎng)絡(luò)的特點，設(shè)計了單神經(jīng)元的 PID控制器和 BP神經(jīng)網(wǎng)絡(luò) PID控制器。 第四章 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器在鍋爐蒸汽壓力中的應(yīng)用，對船用鍋爐主蒸汽壓力調(diào)節(jié)對象，利用 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器 實現(xiàn) 對它的壓力進(jìn)行調(diào)節(jié)控制 。 仿真 實現(xiàn)傳統(tǒng)PID 控制算法和神經(jīng)網(wǎng)絡(luò) PID 控制算法對控制對象模型的控制，并繪制仿真 曲線圖。兩者比較，可以看出 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器的控制效果良好，具有更強(qiáng)的信息處理能力、自適應(yīng)和魯棒性，實踐上具有重要意義。 江蘇科技大學(xué) 本科畢業(yè)設(shè)計（論文） 4 第 2章 神經(jīng)網(wǎng)絡(luò)概述 引言 簡單地講，人工神經(jīng)網(wǎng)絡(luò)是指用大量的簡單計算單元 (即神經(jīng)元 )構(gòu)成的非線性系統(tǒng)，它在一定程度和層次上模仿了人腦神經(jīng)系統(tǒng)的信息處理、存儲及檢索功能，因而具有學(xué)習(xí)、記憶和計算等智能處理功能。 神經(jīng)網(wǎng)絡(luò)具有一些顯著的特點：如具有非線性映射能力，不需要精 確的數(shù)學(xué)模型，擅長從輸入輸出數(shù)據(jù)中學(xué)習(xí)有用知識，容易實現(xiàn)并行計算等。由于神經(jīng)網(wǎng)絡(luò)由大量簡單計算單元組成，因而易于用軟硬件來實現(xiàn) [5]。 正因為神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)系統(tǒng)構(gòu)成的新的信息處理模型，并且具有獨特的結(jié)構(gòu)，所以人們期望它能解決一些用傳統(tǒng)方法難以解決的問題。 人工神經(jīng)網(wǎng)絡(luò)的基本理論 人工神經(jīng)元的形式化描述 模擬生物神經(jīng)網(wǎng)絡(luò)時應(yīng)該首先模擬生物神經(jīng)元。人工神經(jīng)元是對生物神經(jīng)元結(jié)構(gòu)和功能的模擬，是對生物神經(jīng)元的形式化描述，是對生物生物神經(jīng)元的信息處理過程的抽象。 人工神經(jīng)元一般是一個多輸 入 /單輸出的非線性器件，其結(jié)構(gòu)模型如圖 21 所示。 ∑ f ( ) W 1 k W 2 k W n kX 1X 2X n . .u kb ky k圖 21 人工神經(jīng)元結(jié)構(gòu) 其數(shù)學(xué)形式為： ?? ??nj kjjkk bxwfy 1 )( （ 21） 其中， 1x , 2x , , nx 為神經(jīng)元輸入信號， kw1 , kw2 ,， nkw 為神經(jīng)元 k 的連接權(quán)值，kb 為閥值， ky 為神經(jīng)元 k 的輸出。 )(f 為神經(jīng)元轉(zhuǎn)換函數(shù)，神經(jīng)元的輸出都是由它得來。通過轉(zhuǎn)換函數(shù)實現(xiàn)輸入信號到輸出信號的映射，稱為激活函數(shù)。激活函數(shù)可以 是線性的江蘇科技大學(xué) 本科畢業(yè)設(shè)計（論文） 5 也可以是非線性的。 人工神經(jīng)網(wǎng)絡(luò)的類型 根據(jù)不同的網(wǎng)絡(luò)連接方式，人工神經(jīng)網(wǎng)絡(luò)可以分為以下幾種結(jié)構(gòu)： ①前饋網(wǎng)絡(luò) 網(wǎng)絡(luò)中的神經(jīng)元分層排列，每個神經(jīng)元只和上一層的神經(jīng)元連接。最上一層為輸出層，最下一層為輸入層，中間層為隱含層，可由實際需要設(shè)計隱含層層數(shù)。 前饋網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛和成熟的網(wǎng)絡(luò)類型。感知器就屬于這種網(wǎng)絡(luò)類型。 ②反饋網(wǎng)絡(luò) 其本身是前饋網(wǎng)絡(luò)，但從輸出到輸入有反饋回路，因此稱之為反饋網(wǎng)絡(luò)。 Fukushima 網(wǎng)絡(luò)就是這種網(wǎng)絡(luò)類型的典型代表。 ③前向內(nèi)層互聯(lián)網(wǎng)絡(luò) 從 外部看仍是前饋網(wǎng)絡(luò)，但在同一層內(nèi)存再互相之間的連接，以實現(xiàn)同層內(nèi)神經(jīng)元之間的橫向抑制或興奮機(jī)制。很多自組織網(wǎng)絡(luò)屬于這種類型。 ④互連網(wǎng)絡(luò) 互連網(wǎng)絡(luò)有局部互連和全互連兩種。全互連網(wǎng)絡(luò)中的每個神經(jīng)元都與其他神經(jīng)元相連。局部互連是指互連是局部的，有些神經(jīng)元之間沒有連接關(guān)系。 Hopfield網(wǎng)絡(luò)和 Boftzmann機(jī)都屬于這一類網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)原理 MP