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 本頁面
【正文】 神經(jīng)元)組成的復(fù)雜網(wǎng)絡(luò)計算系統(tǒng)。過熱蒸汽溫度控制的任務(wù)是維持過熱器出口蒸汽溫度在允許的范圍之內(nèi)，并保護過熱器，使其管壁溫度不超過允許的工作溫度?？梢哉f，自動化水平是衡量一個國家的生產(chǎn)技術(shù)和科學(xué)水平先進與否的一項重要標(biāo)志。本處用一個多層前向神經(jīng)網(wǎng)絡(luò)，采用反向傳播算法依據(jù)控制要求實時輸出Kp、Ki、Kd，依次作為PID控制器的實時參數(shù)，代替?zhèn)鹘y(tǒng)PID參數(shù)靠經(jīng)驗的人工整定和工程整定，以達(dá)到對大遲延主氣溫系統(tǒng)的良好控制。電廠主汽溫的被控對象是一個大慣性大遲延非線性且對象變化的系統(tǒng)。常規(guī)汽溫控制系統(tǒng)為串級PID控制或?qū)拔⒎挚刂?，?dāng)機組穩(wěn)定運行時，一般能將主汽溫控制在允許的范圍內(nèi)。對這樣一個系統(tǒng)在MATLAB平臺上進行仿真研究，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，對大遲延和變對象的系統(tǒng)可取得良好的控制效果。電力工業(yè)中電廠熱工生產(chǎn)過程自動化技術(shù)相對于其他民用工業(yè)部門有較長的歷史和較高的自動化水平，電廠熱工自動化水平的高低是衡量電廠生產(chǎn)技術(shù)的先進與否和企業(yè)現(xiàn)代化的重要標(biāo)志。過熱蒸汽溫度是鍋爐汽水系統(tǒng)中的溫度最高點，蒸汽溫度過高會使過熱器管壁金屬強度下降，以至燒壞過熱器的高溫段，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。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。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)濟的目的。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。而神經(jīng)網(wǎng)絡(luò)源于對人腦神經(jīng)功能的模擬，它的某些類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。 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:分布式存貯信息神經(jīng)網(wǎng)絡(luò)使用大量的神經(jīng)元之間的連接及對各連接權(quán)值的分布來表示特定的信息，從而使網(wǎng)絡(luò)在局部網(wǎng)絡(luò)受損或輸入信號因各種原因發(fā)生部分畸變時，仍能夠保證網(wǎng)絡(luò)的正確輸出，提高網(wǎng)絡(luò)的容錯性和魯棒性。神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的連接強度用權(quán)值大小來表示，這種權(quán)值可以通過對訓(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)元之間的連接強度會不斷增加，從而提高神經(jīng)元對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，每一個神經(jīng)元用一個節(jié)點表示，網(wǎng)絡(luò)有輸入層、隱含層和輸出層節(jié)點組成。學(xué)習(xí)過程中，設(shè)第個輸出神經(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）可寫成 （214）式中，——目標(biāo)函數(shù)。如果通過網(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)點之間的連接權(quán)值就確定下來了，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訓(xùn)練好的網(wǎng)絡(luò)對未知樣本進行識別預(yù)測了。 無監(jiān)督學(xué)習(xí)就是不需要外部教師信號，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，將式(215)中的換成目標(biāo)輸出與實際輸出之差，就組成了有監(jiān)督的學(xué)習(xí)規(guī)則： (216)即兩神經(jīng)元間連接強度的變化量與教師信號和網(wǎng)絡(luò)實際輸出信號之差成正比。反向傳播過程將誤差信號沿著原來路徑返回，通過不斷修正各層神經(jīng)元權(quán)值，逐次地向輸入層傳播進行計算，修改之后的權(quán)值再經(jīng)過正向傳播，將期望輸出與實際輸出比較。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。過熱器采用的是耐高溫高壓的合金剛材料，過熱器正常運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)。過熱氣溫原理圖如圖41所示：圖41 過熱氣溫原理圖影響主汽溫變化的擾動因素很多，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)的時間常數(shù)，為階次，該傳遞函數(shù)也可以通過實驗求的。分別表示副變送器和主變送器。而實際的工業(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，也即從鍋爐的啟動到穩(wěn)定運行的整個過程，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，控制效果越來越好，當(dāng)滿負(fù)荷運行時，該策略對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)則通過仿真可以看出神經(jīng)PID不依賴于被控對象的模型，在對象變化的時候仍然能表現(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)
研究報告相關(guān)推薦
鄂ICP備17016276號-1