基于bp神經(jīng)網(wǎng)絡(luò)的pid控制在主汽溫控制系統(tǒng)中的應(yīng)用-wenkub
2023-07-04 15:42:07 本頁(yè)面
【正文】 神經(jīng)元)組成的復(fù)雜網(wǎng)絡(luò)計(jì)算系統(tǒng)。過(guò)熱蒸汽溫度控制的任務(wù)是維持過(guò)熱器出口蒸汽溫度在允許的范圍之內(nèi)，并保護(hù)過(guò)熱器，使其管壁溫度不超過(guò)允許的工作溫度?？梢哉f(shuō)，自動(dòng)化水平是衡量一個(gè)國(guó)家的生產(chǎn)技術(shù)和科學(xué)水平先進(jìn)與否的一項(xiàng)重要標(biāo)志。本處用一個(gè)多層前向神經(jīng)網(wǎng)絡(luò)，采用反向傳播算法依據(jù)控制要求實(shí)時(shí)輸出Kp、Ki、Kd，依次作為PID控制器的實(shí)時(shí)參數(shù)，代替?zhèn)鹘y(tǒng)PID參數(shù)靠經(jīng)驗(yàn)的人工整定和工程整定，以達(dá)到對(duì)大遲延主氣溫系統(tǒng)的良好控制。電廠主汽溫的被控對(duì)象是一個(gè)大慣性大遲延非線性且對(duì)象變化的系統(tǒng)。常規(guī)汽溫控制系統(tǒng)為串級(jí)PID控制或?qū)拔⒎挚刂疲?dāng)機(jī)組穩(wěn)定運(yùn)行時(shí)，一般能將主汽溫控制在允許的范圍內(nèi)。對(duì)這樣一個(gè)系統(tǒng)在MATLAB平臺(tái)上進(jìn)行仿真研究，仿真結(jié)果表明基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制具有良好的自適應(yīng)能力和自學(xué)習(xí)能力，對(duì)大遲延和變對(duì)象的系統(tǒng)可取得良好的控制效果。電力工業(yè)中電廠熱工生產(chǎn)過(guò)程自動(dòng)化技術(shù)相對(duì)于其他民用工業(yè)部門(mén)有較長(zhǎng)的歷史和較高的自動(dòng)化水平，電廠熱工自動(dòng)化水平的高低是衡量電廠生產(chǎn)技術(shù)的先進(jìn)與否和企業(yè)現(xiàn)代化的重要標(biāo)志。過(guò)熱蒸汽溫度是鍋爐汽水系統(tǒng)中的溫度最高點(diǎn)，蒸汽溫度過(guò)高會(huì)使過(guò)熱器管壁金屬?gòu)?qiáng)度下降，以至燒壞過(guò)熱器的高溫段，嚴(yán)重影響安全。它是在現(xiàn)代神經(jīng)科學(xué)研究成果上提出來(lái)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。1986年，《并行分布式處理》一書(shū)的前兩卷，對(duì)人工神經(jīng)網(wǎng)絡(luò)研究高潮的到來(lái)起到了推波助瀾的作用。②市場(chǎng)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。神經(jīng)網(wǎng)絡(luò)可以根據(jù)運(yùn)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。Grossberg/Kupersteirl的視覺(jué)運(yùn)動(dòng)控制神經(jīng)網(wǎng)絡(luò)，能夠執(zhí)行傳感器表面的一個(gè)圖像傳感器的反饋控制和圖像平面的非線性關(guān)系的計(jì)算，并能把圖像傳感器瞄準(zhǔn)到正在運(yùn)動(dòng)的指定客體上。而神經(jīng)網(wǎng)絡(luò)源于對(duì)人腦神經(jīng)功能的模擬，它的某些類(lèi)似人的智能特性有可能被用于解決現(xiàn)代控制面臨的一些難題。 第2章 神經(jīng)網(wǎng)絡(luò)概述 引言簡(jiǎn)單地講，人工神經(jīng)網(wǎng)絡(luò)是指用大量的簡(jiǎn)單計(jì)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(chǔ)及檢索功能，因而具有學(xué)習(xí)、記憶和計(jì)算等智能處理功能。 人工神經(jīng)網(wǎng)絡(luò)的基本理論模擬生物神經(jīng)網(wǎng)絡(luò)時(shí)應(yīng)該首先模擬生物神經(jīng)元。激活函數(shù)可以是線性的也可以是非線性的。MP模型是一個(gè)多輸入單輸出的非線性處理單元，示意圖如圖22所示。神經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn):分布式存貯信息神經(jīng)網(wǎng)絡(luò)使用大量的神經(jīng)元之間的連接及對(duì)各連接權(quán)值的分布來(lái)表示特定的信息，從而使網(wǎng)絡(luò)在局部網(wǎng)絡(luò)受損或輸入信號(hào)因各種原因發(fā)生部分畸變時(shí)，仍能夠保證網(wǎng)絡(luò)的正確輸出，提高網(wǎng)絡(luò)的容錯(cuò)性和魯棒性。神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的連接強(qiáng)度用權(quán)值大小來(lái)表示，這種權(quán)值可以通過(guò)對(duì)訓(xùn)練的學(xué)習(xí)而不斷變化，而且隨著訓(xùn)練樣本量的增加和反復(fù)學(xué)習(xí)，這些神經(jīng)元之間的連接強(qiáng)度會(huì)不斷增加，從而提高神經(jīng)元對(duì)樣本特征的反映靈敏度。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖23所示，、為網(wǎng)絡(luò)的輸入、輸出向量，每一個(gè)神經(jīng)元用一個(gè)節(jié)點(diǎn)表示，網(wǎng)絡(luò)有輸入層、隱含層和輸出層節(jié)點(diǎn)組成。學(xué)習(xí)過(guò)程中，設(shè)第個(gè)輸出神經(jīng)元的希望輸出為，而網(wǎng)絡(luò)輸出為，則系統(tǒng)平均誤差為： （213）略去下標(biāo)，式（213）可寫(xiě)成 （214）式中，——目標(biāo)函數(shù)。如果通過(guò)網(wǎng)絡(luò)訓(xùn)練，BP網(wǎng)絡(luò)的輸出達(dá)到目標(biāo)要求后，網(wǎng)絡(luò)各節(jié)點(diǎn)之間的連接權(quán)值就確定下來(lái)了，我們就可以認(rèn)為BP網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)好了，我們就可以利用這個(gè)訓(xùn)練好的網(wǎng)絡(luò)對(duì)未知樣本進(jìn)行識(shí)別預(yù)測(cè)了。 無(wú)監(jiān)督學(xué)習(xí)就是不需要外部教師信號(hào)，因而不能確切知道正確的反應(yīng)是什么，學(xué)習(xí)表現(xiàn)為自適應(yīng)于輸入空間的檢測(cè)規(guī)則。②有監(jiān)督的學(xué)習(xí)規(guī)則在學(xué)習(xí)規(guī)則中，引入教師信號(hào)，將式(215)中的換成目標(biāo)輸出與實(shí)際輸出之差，就組成了有監(jiān)督的學(xué)習(xí)規(guī)則： (216)即兩神經(jīng)元間連接強(qiáng)度的變化量與教師信號(hào)和網(wǎng)絡(luò)實(shí)際輸出信號(hào)之差成正比。反向傳播過(guò)程將誤差信號(hào)沿著原來(lái)路徑返回，通過(guò)不斷修正各層神經(jīng)元權(quán)值，逐次地向輸入層傳播進(jìn)行計(jì)算，修改之后的權(quán)值再經(jīng)過(guò)正向傳播，將期望輸出與實(shí)際輸出比較。神經(jīng)網(wǎng)絡(luò)具有逼近任意非線性函數(shù)的能力，而且結(jié)構(gòu)和學(xué)習(xí)算法簡(jiǎn)單明確?；贐P神經(jīng)網(wǎng)絡(luò)自整定PID控制系統(tǒng)方框圖如圖31所示。過(guò)熱器采用的是耐高溫高壓的合金剛材料，過(guò)熱器正常運(yùn)行的溫度已接近材料所允許的最高溫度。 主蒸汽溫度的控制的任務(wù)(1) 維持主汽溫在允許的范圍之內(nèi)。過(guò)熱氣溫原理圖如圖41所示：圖41 過(guò)熱氣溫原理圖影響主汽溫變化的擾動(dòng)因素很多，如蒸汽負(fù)荷、煙氣溫度和流速、火焰中心位置、減溫水量、給水溫度等。同理導(dǎo)前區(qū)的傳遞函數(shù)也可以表示為： （42）其中為導(dǎo)前區(qū)的放大系數(shù)，為導(dǎo)前區(qū)的時(shí)間常數(shù)，為階次，該傳遞函數(shù)也可以通過(guò)實(shí)驗(yàn)求的。分別表示副變送器和主變送器。而實(shí)際的工業(yè)控制中，常規(guī)PID控制系統(tǒng)很容易發(fā)生振蕩，就使系統(tǒng)很難在較短的時(shí)間里達(dá)到最佳的控制效果。在不同負(fù)荷下，也即從鍋爐的啟動(dòng)到穩(wěn)定運(yùn)行的整個(gè)過(guò)程，都可以保證系統(tǒng)的穩(wěn)定性，且隨著負(fù)荷逐漸接近額定負(fù)荷，控制效果越來(lái)越好，當(dāng)滿(mǎn)負(fù)荷運(yùn)行時(shí)，該策略對(duì)于大遲延的主汽溫系統(tǒng)取得了良好的控制性能。本文重點(diǎn)介紹了BP神經(jīng)網(wǎng)絡(luò)PID控制器的控制原理和學(xué)習(xí)規(guī)則通過(guò)仿真可以看出神經(jīng)PID不依賴(lài)于被控對(duì)象的模型，在對(duì)象變化的時(shí)候仍然能表現(xiàn)出良好的控制性能，明顯優(yōu)于傳統(tǒng)的PID控制。 主汽溫基于BP神經(jīng)網(wǎng)絡(luò)的PID控制仿真基于BP神經(jīng)網(wǎng)路的主汽溫控制框圖如圖47所示：圖47 基于BP神經(jīng)網(wǎng)路的主汽溫控制框圖如上圖，主蒸汽溫度的導(dǎo)前區(qū)數(shù)
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1