【正文】 ................................................................................................. 11 第 3 章 神經網絡 PID 控制器的設計 ...................................................13 PID 控制器 ................................................................................................................. 13 引言 ..................................................................................................................... 13 PID 控制器的原理及其特點 .............................................................................. 13 人工神經網絡和 PID 控制的結合 ........................................................................... 15 BP 神經網絡 PID 控制器設計 .................................................................................. 16 第 4 章 神經網絡 PID 在鍋爐蒸汽壓力中的應用 ..............................18 鍋爐蒸汽壓力數學近似 ........................................................................................... 18 鍋爐蒸汽壓力數學模型的仿真研究 ....................................................................... 18 傳統(tǒng) PID 控制方法 ............................................................................................ 18 基于 BP 神經網絡的 PID 控制方法 ................................................................. 20 仿真比較 ............................................................................................................. 21 結 論 ......................................................................................................23 致 謝 ...........................................................................................................24 參 考 文 獻 ..............................................................................................25 附錄 .............................................................................................................27 江蘇科技大學 本科畢業(yè)設計（論文） 1 第 1章 緒論 選題的背景 隨著工業(yè)生產和計算機技術的飛速發(fā)展，人們對生產過程的自動化控制水平的要求越來越高。一個 先進的、易于應用的控制算法的出現會對工業(yè)生產產生巨大的推動作用。 然而學術研究成果與實際的生產應用技術水平并不是同步的，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用背景的支持 [1]。 船舶蒸汽動力系統(tǒng)是一個系統(tǒng)復雜、設備眾多的能量轉換系統(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。 在實驗室中無法復現真實的工業(yè)生產過程，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，積極將相關知識投身于實踐，才能夠更好的促進學習，更好地將理論成果轉化為高效的應用技術。 神經網絡 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學模型，集自動化儀表技術、計算機技術和自動控制技術為一體的仿真系統(tǒng)。結合 MATLAB軟件及 Simulink模塊 ， 能夠 很好地完成了仿真設計及應用要求 [2]。 人工神經網絡的研究內容 人工神經網絡可以概括地定義為：由大量簡單的高度互聯(lián)的處理元素 (神經元 )組成的復雜網絡計算系統(tǒng)。它是在現代神經科學研究成果上提出來的，始于 19 世紀末期，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，人工神經網絡、并行分布處理和神經計算機是統(tǒng)一的概念。神經網絡在兩個方面與人腦相似： （ 1） 神經網絡獲取的知識是從外界環(huán)境中學習得來的； （ 2） 互聯(lián)神經元的連接強度，即突觸權值，用于存儲獲取的知識。 人工神經網絡 的研究和發(fā)展經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 及其領導的研究小組發(fā)表了《并行分布式處理》一書的前兩卷，對人工神經網絡研究高潮的到來起到了推波助瀾的作用。 Rumelhart 等人最重要的貢獻是提出了適用于多層神經網絡模型的誤差反向傳播江蘇科技大學 本科畢業(yè)設計（論文） 2 （ Error BackPropagation, BP），該方法將學習結果反饋到中間層的隱含節(jié)點中，解決了多層神經網絡的學習問題。目前，該算法已經成為影響最大的一種人工神經網絡學習方法。 人工神經網絡主要應用領域： （ 1） 知識處理：神經網絡可以從數據中自動獲取數據（知識），把新知識結合到它的映射函數中去，使得神經網絡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：不同種神經網絡的數據處理能力是不同的。在金融、銀行、保險行業(yè)的應用主要是進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濟中有著極為重要的現實意義。最優(yōu)的調度算法是一個 NP 完全性問題。神經網絡可以根據運輸網或通信網中當前及以前的貨物及信息情況，最佳地調度網中的貨物源和信息源 ，達到貨物和信息在網中的傳遞最為經濟的目的。 （ 4） 信號處理：神經網絡同樣也被廣泛地應用于信號處理，如目標檢測、畸變波形的恢復、雷達回波的多目標分類、運動目標的速度估計、多目標跟蹤等。 概括地說，神經網絡在信號處理領域主要應用于自適應信號處理 (自適應濾波、時間序列預測、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、非線性預測、非線性譜估計、非線性編碼、調制、解調、中值處理等 )。 （ 5） 自動控制：早在 1962 年， WiCirow 就提出了一個神經網絡可以成功地學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網絡，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系的計算，并能把圖像傳感器瞄準到正在運動的指定客體上。顯然，這可以用到機器人的攝像機控制上，而且還可以應用到諸如火炮之類的武器系統(tǒng)中去。 除上述幾個應用領域之外，神經網絡在娛樂、零售分析、信用分析、航空航天等方面也有廣泛的應用前景。 論文內容安排 本文主要介紹了應用最為廣泛的 BP 算法，結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行了對比 分析。 船用鍋爐主蒸汽壓力調節(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 本科畢業(yè)設計（論文） 3 自適應能力，因此很難滿足實際的控制要求。利用 BP 神經網絡的優(yōu)點，基于 BP 神經網絡設計 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。 通過對比仿真結果，可以看出 BP 神經網絡 PID 控制器明顯具有更強的信息處理能力、自適應性和魯棒性。 BP 神經網絡 PID 控制器融合 BP 神經網絡和傳統(tǒng) PID 控制器的特點，具有很好的應用價值。 第一章 緒論，本章介紹了本課題的選題背景，概述了人工神經網絡的發(fā)展歷史及主要應用現狀。 第 二章 神經網絡概述，本章簡要介紹了幾種主要的人工神經網絡模型及工作原理、作用函數和學習方法，包括： MP 模型、單神經元模型、感知器模型和 BP 神經網絡模型。 第三章 神經網絡 PID 控制器的設計，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。在結合第二章基礎知識的基礎上，結合傳統(tǒng) PID控制器和神經網絡的特點，設計了單神經元的 PID控制器和 BP神經網絡 PID控制器。 第四章 BP 神經網絡 PID 控制器在鍋爐蒸汽壓力中的應用，對船用鍋爐主蒸汽壓力調節(jié)對象，利用 BP 神經網絡 PID 控制器 實現 對它的壓力進行調節(jié)控制 。 仿真 實現傳統(tǒng)PID 控制算法和神經網絡 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 神經網絡 PID 控制器的控制效果良好，具有更強的信息處理能力、自適應和魯棒性，實踐上具有重要意義。 江蘇科技大學 本科畢業(yè)設計（論文） 4 第 2章 神經網絡概述 引言 簡單地講，人工神經網絡是指用大量的簡單計算單元 (即神經元 )構成的非線性系統(tǒng)，它在一定程度和層次上模仿了人腦神經系統(tǒng)的信息處理、存儲及檢索功能，因而具有學習、記憶和計算等智能處理功能。 神經網絡具有一些顯著的特點：如具有非線性映射能力，不需要精 確的數學模型，擅長從輸入輸出數據中學習有用知識，容易實現并行計算等。由于神經網絡由大量簡單計算單元組成，因而易于用軟硬件來實現 [5]。 正因為神經網絡是一種模仿生物神經系統(tǒng)構成的新的信息處理模型，并且具有獨特的結構，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。 人工神經網絡的基本理論 人工神經元的形式化描述 模擬生物神經網絡時應該首先模擬生物神經元。人工神經元是對生物神經元結構和功能的模擬，是對生物神經元的形式化描述，是對生物生物神經元的信息處理過程的抽象。 人工神經元一般是一個多輸 入 /單輸出的非線性器件，其結構模型如圖 21 所示。 ∑ f ( ) W 1 k W 2 k W n kX 1X 2X n . .u kb ky k圖 21 人工神經元結構 其數學形式為： ?? ??nj kjjkk bxwfy 1 )( （ 21） 其中， 1x , 2x , , nx 為神經元輸入信號， kw1 , kw2 ,， nkw 為神經元 k 的連接權值，kb 為閥值， ky 為神經元 k 的輸出。 )(f 為神經元轉換函數，神經元的輸出都是由它得來。通過轉換函數實現輸入信號到輸出信號的映射，稱為激活函數。激活函數可以 是線性的江蘇科技大學 本科畢業(yè)設計（論文） 5 也可以是非線性的。 人工神經網絡的類型 根據不同的網絡連接方式，人工神經網絡可以分為以下幾種結構： ①前饋網絡 網絡中的神經元分層排列，每個神經元只和上一層的神經元連接。最上一層為輸出層，最下一層為輸入層，中間層為隱含層，可由實際需要設計隱含層層數。 前饋網絡是人工神經網絡中應用最為廣泛和成熟的網絡類型。感知器就屬于這種網絡類型。 ②反饋網絡 其本身是前饋網絡，但從輸出到輸入有反饋回路，因此稱之為反饋網絡。 Fukushima 網絡就是這種網絡類型的典型代表。 ③前向內層互聯(lián)網絡 從 外部看仍是前饋網絡，但在同一層內存再互相之間的連接，以實現同層內神經元之間的橫向抑制或興奮機制。很多自組織網絡屬于這種類型。 ④互連網絡 互連網絡有局部互連和全互連兩種。全互連網絡中的每個神經元都與其他神經元相連。局部互連是指互連是局部的，有些神經元之間沒有連接關系。 Hopfield網絡和 Boftzmann機都屬于這一類網絡。 神經網絡原理 MP