【正文】 .................................................... 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 ................................................................................................... 11 第 3 章 神經(jīng)網(wǎng)絡(luò) PID 控制器的設(shè)計(jì) ...................................................13 PID 控制器 ................................................................................................................. 13 引言 ..................................................................................................................... 13 PID 控制器的原理及其特點(diǎn) .............................................................................. 13 人工神經(jīng)網(wǎng)絡(luò)和 PID 控制的結(jié)合 ........................................................................... 15 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器設(shè)計(jì) .................................................................................. 16 第 4 章 神經(jīng)網(wǎng)絡(luò) PID 在鍋爐蒸汽壓力中的應(yīng)用 ..............................18 鍋爐蒸汽壓力數(shù)學(xué)近似 ........................................................................................... 18 鍋爐蒸汽壓力數(shù)學(xué)模型的仿真研究 ....................................................................... 18 傳統(tǒng) PID 控制方法 ............................................................................................ 18 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制方法 ................................................................. 20 仿真比較 ............................................................................................................. 21 結(jié) 論 ......................................................................................................23 致 謝 ...........................................................................................................24 參 考 文 獻(xiàn) ..............................................................................................25 附錄 .............................................................................................................27 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 1 第 1章 緒論 選題的背景 隨著工業(yè)生產(chǎn)和計(jì)算機(jī)技術(shù)的飛速發(fā)展，人們對(duì)生產(chǎn)過(guò)程的自動(dòng)化控制水平的要求越來(lái)越高。只有尋找具有典型特性的實(shí)際研究對(duì)象，積極將相關(guān)知識(shí)投身于實(shí)踐，才能夠更好的促進(jìn)學(xué)習(xí)，更好地將理論成果轉(zhuǎn)化為高效的應(yīng)用技術(shù)。 1986 年，美國(guó)的 和 及其領(lǐng)導(dǎo)的研究小組發(fā)表了《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。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。 船用鍋爐主蒸汽壓力調(diào)節(jié)對(duì)象含有大慣性、大滯后環(huán)節(jié)，常規(guī) PID 控制方法不具備江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 3 自適應(yīng)能力，因此很難滿(mǎn)足實(shí)際的控制要求。 第四章 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器在鍋爐蒸汽壓力中的應(yīng)用，對(duì)船用鍋爐主蒸汽壓力調(diào)節(jié)對(duì)象，利用 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器 實(shí)現(xiàn) 對(duì)它的壓力進(jìn)行調(diào)節(jié)控制 。人工神經(jīng)元是對(duì)生物神經(jīng)元結(jié)構(gòu)和功能的模擬，是對(duì)生物神經(jīng)元的形式化描述，是對(duì)生物生物神經(jīng)元的信息處理過(guò)程的抽象。 前饋網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛和成熟的網(wǎng)絡(luò)類(lèi)型。局部互連是指互連是局部的，有些神經(jīng)元之間沒(méi)有連接關(guān)系。 MP 神經(jīng)元模型是人工神經(jīng)元模型的基礎(chǔ)，也是神經(jīng)網(wǎng)絡(luò)理論的基礎(chǔ)?；瘮?shù) ) ① 單層感知器模型 單層感知器模型是一個(gè)具有單層處理單元的神經(jīng)網(wǎng)絡(luò)，如圖 24 所示，非線(xiàn)性作用函數(shù) )(xf 是對(duì)稱(chēng)型階躍函數(shù)。隱含層可以是一層，也可以是多層（圖示為單隱含層），前層至后層節(jié)點(diǎn)通過(guò)權(quán)連接 。 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則即調(diào)整神經(jīng)網(wǎng)絡(luò)連接權(quán)值的規(guī)則。 (3)有監(jiān)督的 Hebb 學(xué)習(xí)規(guī)則 將無(wú)監(jiān)督的 Hebb 學(xué)習(xí)和有監(jiān)督的 Delta 學(xué)習(xí)兩者結(jié)合起來(lái)就可組成有監(jiān)督的 Hebb學(xué)習(xí)規(guī)則，即： )()())()(()()1( kokokokdkwkww jijjijijij ?????? ? （ 216） 采用 Hebb 學(xué)習(xí)和有監(jiān)督的 Delta 學(xué)習(xí)相結(jié)合的學(xué)習(xí)策略，使神經(jīng)元通過(guò)關(guān)聯(lián)搜索對(duì)未知的外界作出反應(yīng)，即在教師信號(hào) ))()( kokd jj ? 的指導(dǎo)下，對(duì)環(huán)境信號(hào)進(jìn)行相關(guān)學(xué)習(xí)和自組織，使相應(yīng)的輸出增強(qiáng)或削弱。 而實(shí)際的工業(yè)生產(chǎn)過(guò)程往往具有非線(xiàn)性、時(shí)變不確定性等特點(diǎn)，難以建立精確的數(shù)學(xué)模型，應(yīng)用常規(guī) PID 控制器又難以達(dá)到理想的控制效果 [15]。 傳統(tǒng)的 PID 控制也存在許多不足，最突出的一點(diǎn)就是有關(guān) PID 參數(shù)的問(wèn)題。 PID 在控制非線(xiàn)性、時(shí)變、耦合及參數(shù)和結(jié)構(gòu)不確定的復(fù)雜過(guò)程時(shí)，效果不是太好。 以上各種方案的理論依據(jù)不同，采用手段也不相同，但它們的共同點(diǎn)都是針對(duì)如何選擇和整定 PID 參數(shù)。 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器是一種較新型的神 經(jīng)網(wǎng)絡(luò) PID 控制方法，有的著作又將之稱(chēng)作“ PID 型神經(jīng)網(wǎng)絡(luò)控制”、“具有神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的 PID 控制器”、“神經(jīng)網(wǎng)絡(luò)直接自校正 PID 控制器”等。在鍋爐蒸汽壓力控制中，即實(shí)現(xiàn)了壓力的實(shí)時(shí)控制和調(diào)節(jié)了 [23]。被控對(duì)象即式（ 38）， 由此進(jìn)行仿真，仿真結(jié)果如下圖： 0 100 200 300 400 500 600 700 800 900 100000 . 20 . 40 . 60 . 811 . 21 . 41 . 61 . 82t i m e ( s )yd and y理想信號(hào)跟蹤信號(hào) 圖 43 傳統(tǒng) PID 控制算法的響應(yīng)曲線(xiàn) 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 20 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制方法 對(duì)于這個(gè)蒸汽壓力數(shù)學(xué)模型，選擇神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為 453，學(xué)習(xí)速率 ?? ，慣性系數(shù) ?? 。 但 BP 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)在最大超調(diào)量、上升時(shí)間、調(diào)節(jié)時(shí)間等暫態(tài)性能上都要優(yōu)于常規(guī) PID 控制系統(tǒng)。 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 23 結(jié) 論 針對(duì) 船用鍋爐主蒸汽壓力對(duì)象 的 大慣性、大滯后 特點(diǎn) ， BP 神經(jīng)網(wǎng)絡(luò) PID 控制器 通過(guò)不斷地 學(xué)習(xí) 和訓(xùn)練 ，實(shí)時(shí)地調(diào)整 PID 控制器參數(shù)，使 PID 控制器 參數(shù)達(dá)到最佳。 plot(t,y(:,1),39。time(s)39。position tracking39。Out=3。wi_2=wi。wo_3=wo。y_2=0。 rin(k)=。zoh39。 %跟蹤階躍信號(hào) yout(k)=den(2)*y_1+num(2)*u_5。x(3)]。 %輸出層輸出的 PID 3 個(gè)系數(shù) Kpid=[kp(k),ki(k),kd(k)]。 end for l=1:1:Out for i=1:1:H d_wo=xite*delta3(l)*Oh(i)+alfa*(wo_1wo_2)。 %參數(shù)更 ， Parameters Update u_5=u_4。*xi。 %Output layer for j=1:1:Out dK(j)=2/(exp(K(j))+exp(K(j)))^2。ki(k)=K(2)。 epid=[x(1)。 ei=0。,tol)。 ts=10。u_5=0。 wo_1=wo。 %初始化隱含層權(quán)值 %wi=*rands(H,IN)。 %學(xué)習(xí)率 IN=4。ideal position signal39。,2)。 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 24 致 謝 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 25 參 考 文 獻(xiàn) [1] 薛定宇，陳陽(yáng)泉 . 基于 MATLAB/Simulink的系統(tǒng)仿真技術(shù)與應(yīng)用 . 清華大學(xué)出版社， 2020： 129161 [2] 金以慧，過(guò)程控制，清華大學(xué)出版社， 2020 [3] 馬銳 . 人工神經(jīng)網(wǎng)絡(luò)原理 . 機(jī)械工業(yè)出版社， 2020： 165,132167 [4] 師黎，陳鐵軍，李曉媛，姚利娜 . 智能控制實(shí)驗(yàn)與綜合設(shè)計(jì)指導(dǎo) . 清華大學(xué)出版社：1419. [5] 李人厚，智能控制理論和方法，西安電子科技大學(xué)出版社， 1999 [6] 叢爽 . 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(guó)科學(xué)技術(shù)大學(xué)出版社， 2020 [7] 彭梅香 . BP 神經(jīng)網(wǎng)絡(luò) PID 控制 (碩士論文 ). 華東師范大學(xué)， 2020 [8] 盧娟 . 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 [9] 徐麗娜 . 神經(jīng)網(wǎng)絡(luò)控制 . 2020 [10] 高雋 . 人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例 . 機(jī)械工業(yè)出版社， 2020: [11] Lawrence J. Introduction to Neural Networks and Expert Systems. California Scientific Software, 2020 [12] 朱學(xué)峰，過(guò)程控制技術(shù)的發(fā)展、現(xiàn)狀與展望，測(cè)控技術(shù)， 2020， 18： 1． 4 [13] Astrom K J， Hagglund T， The Future of PID Control， Control Engineering Practice，2020， (9)： 11631175 [14] 周浚哲，于洋，神經(jīng)網(wǎng)絡(luò) GPC 在非線(xiàn)性三容水箱系統(tǒng)中的應(yīng)用，沈陽(yáng)工學(xué)院學(xué)報(bào)，2020 年 6 月， V01． 2，