【正文】 江蘇科技大學(xué) 本 科 畢 業(yè) 設(shè) 計(jì)（論文） 學(xué) 院 專 業(yè) 學(xué)生姓名 班級學(xué)號 指導(dǎo)教師 二零壹貳年六月 江蘇科技大學(xué)本科畢業(yè)論文 神經(jīng)網(wǎng)絡(luò) PID在鍋爐 蒸汽壓力中的應(yīng)用 The application of neural work PID controller in the boiler steam pressure 江蘇科技大學(xué) 畢業(yè)設(shè)計(jì)（論文）任務(wù)書 學(xué)院名稱： 電子信息學(xué)院 專 業(yè)： 測控技術(shù)與儀器專業(yè) 學(xué)生姓名： 曹 祥 志 學(xué) 號： 0840308107 指導(dǎo) 教師： 薛 文 濤 職 稱： 副教授 畢業(yè)設(shè)計(jì)（論文）題目： 神經(jīng)網(wǎng)絡(luò) PID 在鍋爐蒸汽壓力中的應(yīng)用 一、 畢業(yè)設(shè)計(jì)（論文）內(nèi)容及要求（包括原始數(shù)據(jù)、技術(shù)要求、達(dá)到的指標(biāo)和應(yīng)做的實(shí)驗(yàn)等） ： 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 控制方法不具備自適應(yīng)能力，因此很難滿足實(shí)際的控制要求。利用 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，設(shè)計(jì) PID 控制器的在 線調(diào)整控制系統(tǒng)，改善系統(tǒng)的控制性能，無論在理論還是實(shí)踐上都具有重要意義。通過對 PID 控制原理和 BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，掌握如何利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力來實(shí)現(xiàn)最佳組合的 PID控制。通過 Matlab軟件 Simulink模塊設(shè)計(jì)基于 BP 神經(jīng)網(wǎng)絡(luò)整定 PID 控制器，并應(yīng)用該控制器實(shí)現(xiàn)鍋爐蒸汽壓力的控制。 ： 1. 查閱文獻(xiàn)，收集資料。 2. 學(xué)習(xí) PID控制原理和 BP 神經(jīng)網(wǎng)絡(luò)模型。 3. 熟悉并能夠熟練使用 Matlab 軟件及其 Simulink 模塊。 4. 利用 Matlab軟件實(shí)現(xiàn)基于 BP 神經(jīng)網(wǎng)絡(luò)整定 PID控制器 對鍋爐蒸汽壓力的控制。 5. 總結(jié)歸納 PID控制器融入 BP神經(jīng)網(wǎng)絡(luò)后對控制效果的影響。 二、 完成后應(yīng)交的作業(yè)（包括各種說明書、圖紙等） 1．符合要求的開題報(bào)告以及英文翻譯資料； 2．用 Matlab 軟件實(shí)現(xiàn)基于 BP 網(wǎng)絡(luò)的 PID控制器對鍋爐蒸汽壓力的控制； 3．提供原程序、繪制仿真圖形并分析仿真結(jié)果； 4．畢業(yè)設(shè)計(jì)（論文）報(bào)告。 三、 完成日期及進(jìn)度 2020 年 3月 12 日至 2020 年 6月 10日，共 13 周。 進(jìn)度安排： 3 月 12 日 ～ 3 月 31 日 查閱相關(guān)資料，了解本次畢業(yè)設(shè)計(jì)的目的、任務(wù)和要求，完成開題 報(bào)告和外文資料翻譯。 4月 1日 ～ 4月 22日 了解 BP 網(wǎng)絡(luò)的結(jié)構(gòu)特性和 PID控制原理，并掌握 Matlab 編程語言 功能 及 Simulink模塊的使用方法，能進(jìn)行 一般的應(yīng)用程序設(shè)計(jì)。 4月 23日 ～ 5月 10日 完成 BP 網(wǎng)絡(luò)的 PID控制的仿真程序。 5月 11 日 ～ 5月 31日 完成畢業(yè)論文初稿。 6月 1日 ～ 6月 7日 修改畢業(yè)論文。 6月 7日 ～ 6月 10日 論文答辯。 四、主要參考資料（包括書刊名稱、出版年月等） : . 面向 MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用（第 3 版） . 合肥：中國科學(xué)技術(shù)大學(xué)出版社， 2020 .先進(jìn) PID 控制 MATLAB 仿真 (第 2 版 ). 北京：電子工業(yè)出版社， 2020 ，金太東 . BPPID 在鍋爐蒸汽壓力控制中的應(yīng)用 . 武漢工程大學(xué)學(xué)報(bào)， 2020， 31(7)： 9194 . BP 神經(jīng)網(wǎng)絡(luò) PID 控制 (碩士論文 ). 華東師范大學(xué)，2020 . BP 神經(jīng)網(wǎng)絡(luò) PID 在三容系統(tǒng)中的控制研究 (碩士論文 ). 合肥工業(yè)大學(xué)， 2020 系 (教研室 )主任： （簽章） 年 月 日 學(xué)院主管領(lǐng)導(dǎo)： （簽章 ） 年 月 日 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） I 摘 要 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)， 而 常規(guī) PID 控制方法不具備自適應(yīng)能力，所以 很難滿足實(shí)際的控制要求。采用 基于 BP 神經(jīng)網(wǎng)絡(luò) 的 PID 控制方法 ，設(shè)計(jì) PID 控制器的在線調(diào)整控制系統(tǒng)，改善系統(tǒng)的動態(tài) 性能，無論在理論 上還是 在 實(shí)踐上都具有重要意義。 通過對 傳統(tǒng) PID 控制原理和 BP 算法的 學(xué)習(xí)， 設(shè)計(jì) 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制器， 實(shí)現(xiàn)傳統(tǒng) PID 控制器參數(shù)的在線自動調(diào)整， 利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力來實(shí)現(xiàn)最佳組合的 PID 控制。 仿真 結(jié)果表明 ， 采用傳統(tǒng) PID 控制算法的響應(yīng)曲線，振蕩較大，過渡時間長，超調(diào)量較大； 而 采用 BP 神經(jīng)網(wǎng)絡(luò)控制算法的響應(yīng)曲線，無振蕩，過渡時間短，無超調(diào)，且最先得到穩(wěn)定輸出，其控制效果明顯優(yōu)于傳統(tǒng)的 PID 控制算法。 BP 神經(jīng)網(wǎng)絡(luò)結(jié)合傳統(tǒng) PID 控制方法在鍋爐蒸汽壓力中的應(yīng)用，取得了良好的控制效果。 關(guān)鍵詞： 鍋爐蒸汽壓力； BP 神經(jīng)網(wǎng)絡(luò)； PID 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） II Abstract Marine boiler steam’s pressure regulator object has large inertia and lag characteristic. As the conventional PID controller does not have the adaptive capacity, it is difficult for the object to achieve the actual control requirements, The usage of PID control method based on BP neural work is of great significance to improve the dynamic performance of the system both in theory and practice, for the method adjusts the control system by the online design of PID controller’s parameters. According to the PID control principle and BP neural work learning method, we use the BP neural work’s selflearning ability to achieve the best control effect of the object, that’s to adjust the PID controller’s parameter automatically. The better control effect of the algorithm is confirmed by simulation process. As is seen from the response curve of traditional PID control algorithm, there is a larger oscillation, overshoot and transition time. Howerer, the response curve of the BP neural work control algorithm is of no oscillation and overshoot, and the transition time is short. Besides, the first stable output control is better than the traditional PID control algorithm. Keywords: boiler steam pressure。 BP neural work。 PID 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） III 目 錄 第 1 章 緒論 ................................................................................................ 1 選題的背景 ................................................................................................................. 1 人工神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容 ......................................................................................... 1 論文內(nèi)容安排 ............................................................................................................. 2 第 2 章 神經(jīng)網(wǎng)絡(luò)概述 ............................................................................... 4 引言 ............................................................................................................................. 4 人工神經(jīng)網(wǎng)絡(luò)的基本理論 ......................................................................................... 4 人工神經(jīng)元的形式化描述 ................................................................................... 4 人工神經(jīng)網(wǎng)絡(luò)的類型 ........................................................................................... 5 神經(jīng)網(wǎng)絡(luò)原理 ............................................................................................................. 5 MP 模型 ................................................................................................................. 5 一般的神經(jīng)元模型 ............................................................................................... 6 感知器模型 ........................................................................................................... 7 BP 神經(jīng)網(wǎng)絡(luò) ................................................................................................................ 8 BP 神經(jīng)網(wǎng)路概述 .................................................................................................. 8 BP 學(xué)習(xí)算法的計(jì)算公式及流程圖 ...................................................................... 8 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則 ..