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(文件)
【正文】 學(xué)模型為: 在負(fù)荷為100%時,導(dǎo)前區(qū)為: ,而惰性區(qū)的傳遞函數(shù)為，也可近似為。常規(guī)汽溫控制系統(tǒng)為串級PID控制或?qū)拔⒎挚刂?串級PID控制系統(tǒng)見下圖：圖45 主氣溫串級控制框圖其中r為過熱汽溫設(shè)定值,為系統(tǒng)輸入，分別為控制系統(tǒng)對象的導(dǎo)前區(qū)和惰性區(qū)的傳遞函數(shù)，K 為執(zhí)行器近似傳遞函數(shù)。用給水量來完成控制，減溫水出口溫度變化明顯比過熱汽溫變化要快，常常把這一段作為導(dǎo)前區(qū)，把從減溫器出口到過熱蒸汽出口這一段叫做惰性區(qū)，在減溫水的擾動下，主氣溫的動態(tài)特性可表示為： （41）其中為放大系數(shù)，為時間常數(shù)，n為階次。(2) 保護(hù)過熱器，使其管壁不超過允許的工作溫度。如果過熱蒸汽溫度過低，將會降低機(jī)組的熱效率，一般蒸汽溫度降低510℃，熱效率約降低1%，不僅增加燃料的消耗量，浪費能源，而且還將使汽輪機(jī)最后幾級的蒸汽濕度增加，加速汽輪機(jī)葉片的水蝕。其算法流程圖如圖32所示:初始化權(quán)值值值 給定輸入和輸出樣本 求隱含層、輸出層各節(jié)點輸出求目標(biāo)值與實際輸出的偏差 計算反向誤差 修正權(quán)值 學(xué)習(xí)結(jié)束？ 結(jié)束 是 否 圖32 BP網(wǎng)絡(luò)算法流程圖 第4章 BP神經(jīng)網(wǎng)絡(luò)PID控制在主汽溫控制系統(tǒng)中的應(yīng)用鍋爐過熱蒸汽溫度是影響機(jī)組生產(chǎn)過程安全性和經(jīng)濟(jì)性的重要參數(shù)。采用BP神經(jīng)網(wǎng)絡(luò)，可以建立參數(shù)、自學(xué)習(xí)PID控制。所以說，BP網(wǎng)絡(luò)是一個有導(dǎo)師的學(xué)習(xí)過程。BP網(wǎng)絡(luò)的學(xué)習(xí)過程由正向和反向傳播兩部分構(gòu)成。常見的學(xué)習(xí)規(guī)則為：①無監(jiān)督學(xué)習(xí)規(guī)則學(xué)習(xí)規(guī)則是一類相關(guān)學(xué)習(xí)，它的基本思想是：如果兩個神經(jīng)元同時被激活，則它們之間的連接強度的增強與它們激勵的乘積成正比。學(xué)習(xí)規(guī)則可以分為兩類：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。如果它是從A點開始向下滑行，則最終到達(dá)全局最小點B。圖23 多層前饋網(wǎng)絡(luò)結(jié)構(gòu) BP算法的計算公式及流程圖設(shè)BP神經(jīng)網(wǎng)絡(luò)為三層網(wǎng)絡(luò)，輸入神經(jīng)元以編號，隱含層神經(jīng)元以編號，輸出層神經(jīng)元以編號，計算公式如下：隱含層第個神經(jīng)元的輸入為： （26）第個神經(jīng)元的輸出為： （27）輸出層第個神經(jīng)元的輸入為： （28）相應(yīng)的輸出為： （29）式中，——函數(shù)，有： （210）式中， ——閥值或偏置值, ，則使S曲線沿橫坐標(biāo)左移，反之則右移。 BP神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)路概述（Error BackPropagation Training），即BP算法，系統(tǒng)解決了多層網(wǎng)絡(luò)中隱含單元的連接權(quán)問題，預(yù)示著BP網(wǎng)絡(luò)的出現(xiàn)。信息處理與存儲和二為一神經(jīng)網(wǎng)絡(luò)的每個神經(jīng)元都兼有信息處理和存儲功能，神經(jīng)元之間連接強度的變化，既反映了對信息的記憶，同時又和神經(jīng)元對激勵的響應(yīng)一起反映了對信息的處理。神經(jīng)元輸出可用下式描述： （22）設(shè) （23）則 （24）是作用函數(shù)，即激發(fā)函數(shù)。該模型的基本思想是：神經(jīng)細(xì)胞的工作方式是或者興奮或者抑制。為神經(jīng)元轉(zhuǎn)換函數(shù)，神經(jīng)元的輸出都是由它得來。,為神經(jīng)元輸入信號，, 人工神經(jīng)元一般是一個多輸入/單輸出的非線性器件，其結(jié)構(gòu)模型如圖21所示。由于神經(jīng)網(wǎng)絡(luò)由大量簡單計算單元組成，因而易于用軟硬件來實現(xiàn)[5]。從神經(jīng)網(wǎng)絡(luò)的基本模式看,主要有:前饋型、反饋型、自組織型及隨機(jī)型神經(jīng)網(wǎng)絡(luò)。除上述幾個應(yīng)用領(lǐng)域之外，神經(jīng)網(wǎng)絡(luò)在娛樂、零售分析、信用分析、航空航天等方面也有廣泛的應(yīng)用前景。概括地說，神經(jīng)網(wǎng)絡(luò)在信號處理領(lǐng)域主要應(yīng)用于自適應(yīng)信號處理(自適應(yīng)濾波、時間序列預(yù)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(yù)測、非線性譜估計、非線性編碼、調(diào)制、解調(diào)、中值處理等)。③運輸及通信：運輸與通信問題在國民經(jīng)濟(jì)中有著極為重要的現(xiàn)實意義。目前，該算法已經(jīng)成為影響最大的一種人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。神經(jīng)網(wǎng)絡(luò)在兩個方面與人腦相似：1. 神經(jīng)網(wǎng)絡(luò)獲取的知識是從外界環(huán)境中學(xué)習(xí)得來的；2. 互聯(lián)神經(jīng)元的連接強度，即突觸權(quán)值，用于存儲獲取的知識。對于自動控制來說,神經(jīng)網(wǎng)絡(luò)有具有自適應(yīng)功能，泛化功能，非線性映射功，高度并行處理功能等幾方面優(yōu)勢，這使得神經(jīng)網(wǎng)絡(luò)成為當(dāng)今一個非常熱門的交叉學(xué)科, 廣泛應(yīng)用在電力，化工，機(jī)械等各行各業(yè)，并取得了比較好的控制效果。主蒸汽溫度與再熱蒸汽溫度的穩(wěn)定對機(jī)組的安全經(jīng)濟(jì)運行是非常重要的。生產(chǎn)過程自動化是保持生產(chǎn)穩(wěn)定、降低成本、改善勞動成本、促進(jìn)文明生產(chǎn)、保證生產(chǎn)安全和提高勞動生產(chǎn)率的重要手段，是20世紀(jì)科學(xué)與技術(shù)進(jìn)步的特征，是工業(yè)現(xiàn)代化的標(biāo)志之一。因此本文研究BP神經(jīng)網(wǎng)絡(luò)的PID控制，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、非線性和不依賴模型等特性實現(xiàn)PID參數(shù)的在線自整定，充分利用PID和神經(jīng)網(wǎng)
研究報告相關(guān)推薦
鄂ICP備17016276號-1