【正文】 el mapping relation, without the prior to reveal the mapping relationship of describing mathematical equations. It is to use the rules of learning the steepest descent method, through propagation to constantl y adjust work weights and threshold, make the minimum error square work. By the neural work theory applied to large turbine unit which can learn all kinds of adaptive perturbation errors of regulating mode, the more time to meet control system, the control requirements. Based on neural work, and by using the neural work selflearning input and output, multilayer adaptive ability, enhance the ability to control steam turbine control system based on BP neural work models, puts forward the state overall design scheme, according to the actual situation of subject to design a faster convergence, training of BP neural work models, finally using MATLAB neural work toolbox functions are given specific implementation method and principle of the results. Key words： BP Network。 目前 BP 網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入 輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。 三 3月 26日到 5月 30日 設(shè)計控制器，進行計算機仿真。 四 將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的控制策略結(jié)合起來，給 出了一種神經(jīng)網(wǎng)絡(luò) 控制 的設(shè)計方法，通過對非線性系統(tǒng)的仿真，對響應(yīng)曲線進行比較。 中華人民共和國教育部 東北林業(yè)大學(xué) 畢 業(yè) 論 文 論文題目： 汽輪機 調(diào)速系統(tǒng)的 研究 學(xué) 生： 羅鐵軍 指導(dǎo)教師： 張 妤 講師 學(xué) 院： 成人教育學(xué)院 專 業(yè)： 電氣系統(tǒng) 2020年 1 月 題目名稱 ： 汽輪機 調(diào)制系統(tǒng)的 研究 內(nèi)容設(shè)計 一 簡單介紹課題設(shè)計，及其理論意義和實際價值。 五 結(jié)論。 四 6月 1日到 6月 10日，進一步測試，達到穩(wěn)定，撰寫畢業(yè)論文。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。 turbine governor。它的任何故障與性能退化，都將直接危及機組的運行安全。而傳統(tǒng)的控制方式已逐漸不滿足現(xiàn)有汽輪機的控制，課題所研究的正是以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的，可自學(xué)習(xí)適應(yīng)的控制方式。 神經(jīng)網(wǎng)絡(luò)技術(shù)是 20世紀末迅速發(fā)展起來的一門高技術(shù)。迄今為止，世界上最有成效的控制器還是人類自身。它將控制系統(tǒng)看成事由輸入到輸出的一個映射，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和適應(yīng)能力實現(xiàn)的映射特性，從而完成對系統(tǒng)的建模和控制。 應(yīng)用神經(jīng)網(wǎng)絡(luò)時，人們總期望它有非?？斓娜质諗刻匦?，大范圍的映射泛化能力和較少的實現(xiàn)代價。神經(jīng)網(wǎng) 絡(luò)的理論仍有許多缺陷，尚待進一步的發(fā)展與完善。電液并存控制系統(tǒng)是一種從機械液壓式調(diào)節(jié)到電調(diào)控制系 統(tǒng)的過渡產(chǎn)品，主要用于對原火電廠進行改造的汽輪機調(diào)節(jié)系統(tǒng)，但是新建的電廠很少采用這種控制系統(tǒng)。 人工神經(jīng)網(wǎng)絡(luò)的研究始于 40 年代初。 1957 年，計算機科學(xué)家 Rosenblatt 提出了著名的感知機模型，它的模型包含了現(xiàn)代計算機的一些原理，是第一個完整的人工神經(jīng)網(wǎng)絡(luò)，第一次把神經(jīng)網(wǎng)絡(luò)研究付諸工程實現(xiàn)。 1969 年，美國著名人工智能學(xué)者 和 編寫了影響很大的 Perceptron 一書，從理論上證明單層感知機的能力有限，諸如不能解決異或問題，而且他們推測多層網(wǎng)絡(luò)的感知機能力也 不過如此，他們的分析恰似一瓢冷水，很多學(xué)者感到前途渺茫而紛紛改行，原先參與研究的實驗室紛紛退出，在這之后近 10 年，神經(jīng)網(wǎng)絡(luò)研究進入了一個緩慢發(fā)展的蕭條期。他在這種網(wǎng)絡(luò)模型的研究中，首次引入了網(wǎng)絡(luò)能量函數(shù)的概念，并給出了網(wǎng)絡(luò)穩(wěn)定性的判定依據(jù)。 1987 年美國神經(jīng)計算機專家 — Nielsen 提出了對向傳播神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)具有分類靈活，算法簡練的優(yōu)點，可用于模式分類、函數(shù)逼近、統(tǒng)計分析和數(shù)據(jù)壓縮等領(lǐng)域。 1990 年 3 月 IEEE Transaction on Neural Network 問世。 這些為神經(jīng)網(wǎng)絡(luò)的研究和發(fā)展起了推波助瀾的作用，人工神經(jīng)網(wǎng)絡(luò)步入了穩(wěn)步發(fā)展的時期。 1991 年， Hertz 探討了神經(jīng)計算理論，對神經(jīng)網(wǎng)絡(luò)的計算復(fù)雜性分析具有重要意義； Inoue 等提出用耦合的混沌振蕩子作為某個神經(jīng)元，構(gòu)造混沌神經(jīng)網(wǎng)絡(luò)模型，為它 的廣泛應(yīng)用前景指明了道路。HayashlY 根據(jù)動物大腦中出現(xiàn)的振蕩現(xiàn)象，提出了振蕩神經(jīng)網(wǎng)絡(luò)。 199 1998 年董聰?shù)葎?chuàng)立和完善了廣義遺傳算法，解決了多層前向網(wǎng)絡(luò)的最簡拓樸構(gòu)造問題和全局最優(yōu)逼近 問題。在美國，神經(jīng)計算機產(chǎn)業(yè)已獲得軍方的強有力支持，國防部高級研究計劃局認為 ” 神經(jīng)網(wǎng)絡(luò)是解決 機器智能的唯一希望 ” ，僅一項 8 年神經(jīng)計算機計劃就投資 4億美元。另外，許多國際著名公司也紛紛卷入對神經(jīng)網(wǎng)絡(luò)的研究，如 Intel、 IBM、 Siemens、 HNC。自 1958 年第一個神經(jīng)網(wǎng)絡(luò)誕生以來，其理論與應(yīng)用成果不勝枚舉。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。它的特點是：各層神經(jīng)元僅與相鄰層神經(jīng)元之間相互全連接，同層內(nèi)神經(jīng)元之間無連接，各層神經(jīng)元之間無反饋連接，夠成具有層次結(jié)構(gòu)的前饋型神經(jīng)網(wǎng)絡(luò)系統(tǒng)。 東北林業(yè)大學(xué)畢業(yè)論文 5 2 汽輪機基本原理 汽輪機是能將蒸汽熱能轉(zhuǎn)化為機械功的外燃回轉(zhuǎn)式機械，來自鍋爐的蒸汽進入汽輪機后，依次經(jīng)過一系列環(huán)形配置的噴嘴和動葉，將蒸汽的熱能轉(zhuǎn)化為汽輪機轉(zhuǎn)子旋轉(zhuǎn)的機械能。來自蒸汽發(fā)生器的高溫高壓蒸汽經(jīng)主汽閥、調(diào)節(jié)閥進入汽輪機。由于汽輪機的尾部和凝汽器不能絕對密封，其內(nèi)部壓力又低于外界大氣壓，因而會有空氣漏入，最終進入凝汽器的殼側(cè)。靜止部分包括汽缸、進汽部分、噴嘴、隔板、汽封、滑銷系統(tǒng)、加熱系統(tǒng)和軸承等部件。 一般需要汽輪機的公司基本上以火電站和熱電站為主，其次在制藥、 化肥、冶煉、石油化工企業(yè)應(yīng)用較為廣泛。對調(diào)節(jié)系統(tǒng)的靜態(tài)特性應(yīng)該有一定 的要求。 轉(zhuǎn)速傳感器 測出汽輪機的轉(zhuǎn)速，送到 PLC里與超速保護設(shè)定值進行比較，當達到 或超過 超速保護值時，數(shù)字量輸出模塊立即輸出高電平給電磁閥，電磁閥采用 冗余處理 ，電磁閥動作，使主汽閥操縱座下腔的壓力油通過電磁閥油門泄至 郵箱。調(diào)節(jié)系統(tǒng)靜態(tài)特性描述的是各穩(wěn)定狀態(tài)下功率與轉(zhuǎn)速的對應(yīng)規(guī)律，它與兩狀態(tài)之間的過渡過程無關(guān)，從而不能完全反映一個調(diào)節(jié)系統(tǒng)的性能。此外，轉(zhuǎn)子飛升時間常數(shù)小，局部不等率小以及遲緩率大等因素，均會導(dǎo)致系統(tǒng)振蕩和轉(zhuǎn)速產(chǎn)生波動，因此，從這些主要因素考慮，是改善動態(tài)特性的途徑。 東北林業(yè)大學(xué)畢業(yè)論文 8 3 BP 神經(jīng)網(wǎng)絡(luò)算法 BP（ Back Propagation）網(wǎng)絡(luò)是 1986 年由 Rumelhart 和 McCelland 為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。 圖 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖 下 圖給出了第 j個基本 BP 神經(jīng)元（節(jié)點），它只模仿了生物神經(jīng)元所具有的三個最基本也是最重要的功能：加權(quán)、求和與轉(zhuǎn)移。 )后，便得到第 j 個神經(jīng)元的輸出 : (35) 式中 f(若在輸出層得不到期望的輸出，則轉(zhuǎn)向誤差信號的反向傳播流程。 )，輸出層的傳遞函數(shù)為 f2(采用平方型誤差函數(shù)，于是得到第 p 個樣本的誤差 Ep： (38) 式中： 為期望輸出。在實際應(yīng)用中， BP 算法很難勝任，因此出現(xiàn)了很多改進算法。動量法降低了網(wǎng)絡(luò)對于誤差曲面局部細節(jié)的敏感性，有效的抑制了網(wǎng)絡(luò)陷入局部極小。將以上兩種方法結(jié)合起來，就得到動量 自適應(yīng)學(xué)習(xí)速率調(diào)整算法。因此我們從含有一個隱層的網(wǎng)絡(luò)開始進行訓(xùn)練。各種傳遞函數(shù)如圖 所示。下面主要介紹隱層節(jié)點數(shù)量的確定。本論文中采用網(wǎng)絡(luò)結(jié)構(gòu)增長型方法，即先設(shè)置較少的節(jié)點數(shù)，對網(wǎng)絡(luò)進行訓(xùn)練，并測試學(xué)習(xí)誤差，然后逐漸增加節(jié)點數(shù)，直到學(xué)習(xí) 誤差不再有明顯減少為止。它不能用來比較 P和 m不同的網(wǎng)絡(luò)性能。 訓(xùn)練一個單隱層的三層 BP 網(wǎng)絡(luò)，根據(jù)如下經(jīng)驗公式選擇隱層節(jié)點數(shù)： 式中： n 為輸入節(jié)點個數(shù)， m為輸出節(jié)點個數(shù)， a為 1到 10 之間的常數(shù)。綜合比較隱層節(jié)點數(shù)為 10 與 12 的訓(xùn)練誤差和測試誤差，決定隱層節(jié)點數(shù)選用12。用新生成的訓(xùn)練樣本與測試樣本對隱層節(jié)點數(shù)為 12 的網(wǎng)絡(luò)進行訓(xùn)練，得到的訓(xùn)練誤差為 105，測試誤差為 104，達到了預(yù)定的目標。如果要設(shè)置這些初始值，可以使用函數(shù) init()，命令格式為： ＝ init() 函數(shù) init()會根據(jù)網(wǎng)絡(luò)的初始化函數(shù)以及它的參數(shù)值來設(shè)置網(wǎng)絡(luò)權(quán)值和閾值的初始值，它們分別由參數(shù) 和 表示。 Tfi—— 第 i 層的傳遞函數(shù)，缺省值為 ” tansig” 。 Tfi 的值可以是任何的可微函數(shù)，比如 logsig 函數(shù)、 purelind 函數(shù)等。 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 當神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值初始化以后，我們就可以對網(wǎng)絡(luò)進行訓(xùn)練。函數(shù) train()是通過調(diào)用參數(shù) 設(shè)定的訓(xùn)練函數(shù)來實現(xiàn)網(wǎng)絡(luò)訓(xùn)練的，而且訓(xùn)練的方式由參數(shù) 的值來確定，而函數(shù) adapt()是通過調(diào)用參數(shù) 設(shè)定的訓(xùn)練函數(shù) 來實現(xiàn)網(wǎng)絡(luò)訓(xùn)練的，訓(xùn)練的方式由參數(shù) 的值確定。 （ 2） 神經(jīng)網(wǎng)絡(luò)，根據(jù)系統(tǒng)的運行狀態(tài)，調(diào)節(jié) PID 控制器的參數(shù)，以期達到某種性能指標的最優(yōu)化，使輸出層神經(jīng)元的輸出狀態(tài)對應(yīng)于 PID 控制器的三個可調(diào)參數(shù) pk , ik , dk 通過神經(jīng)網(wǎng) 絡(luò)的自學(xué)習(xí)，加權(quán)系數(shù)調(diào)整，使神經(jīng)網(wǎng)絡(luò)輸出對應(yīng)于某種最優(yōu)控制律下的 PID 控制器參數(shù)。而神經(jīng)網(wǎng)絡(luò)所具有的任意非線性表達能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的 PID 控制 [18 19]。 本文先引出了 神經(jīng)網(wǎng)絡(luò)的工作原理，給出了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意，并分析的神經(jīng)元的結(jié)構(gòu)，引出 BP 神經(jīng)網(wǎng)絡(luò)算法，介紹了 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)越性。本研究通過 BP 人工神經(jīng)網(wǎng)絡(luò)辨識出了汽輪機的多個特征參數(shù)，為汽輪機的控制技術(shù)提供了主要的技術(shù)支持。 本文 研究，給出了一種 汽輪機控制方法，實現(xiàn)了基于 BP 人工神經(jīng)網(wǎng)絡(luò)的汽輪機控制，利用 MATLAB