【正文】 it() 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。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。它不能用來比較 P和 m不同的網(wǎng)絡(luò)性能。下面主要介紹隱層節(jié)點數(shù)量的確定。因此我們從含有一個隱層的網(wǎng)絡(luò)開始進行訓(xùn)練。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。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。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。 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。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。 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(dāng)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。 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。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)。 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。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。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。 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。 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。 1990 年 3 月 IEEE Transaction on Neural Network 問世。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)。 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)。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)。 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。迄今為止，世界上最有成效的控制器還是人類自身。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。 turbine governor。 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。 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。 三 3月 26日到 5月 30日 設(shè)計控制器，進行計算機仿真。 關(guān)鍵詞 ： BP 神經(jīng)網(wǎng)絡(luò) ； 汽輪機 ； MATLAB 仿真 4 Study of Steam Turbine Control Based on the BP Neural Network Abstract In a highpressure steam turbine is under the action of high speed rotating equipment, air control system of high requirements to guarantee the stability of voltage and frequency, and the size of the power demand timevarying output, which requires a high requirements for turbine speed. With the increase of the unit capacity and parameters, startup and operation is being more and more plex, unit safety has bee increasingly important, always adopts the traditional PID control system already cannot satisfy the requirement of birth, especially large steam turbine. Currently BP neural work can learn and storage of inputoutput model 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。隨著機組容量的增加，轉(zhuǎn)子的慣性質(zhì)量與機組功率的比率逐漸下降，使飛升時間常數(shù)變小，這對大型機組調(diào)節(jié)系統(tǒng)的動態(tài)性能提出了更高的要求。這迫使人們更加不可忽視人類大腦的高超控制作用。特別是當(dāng)系統(tǒng)存在不確定因素時，更體現(xiàn)了神經(jīng)網(wǎng)絡(luò)方法的優(yōu) 越性。機械液壓式調(diào)節(jié)系統(tǒng)是時間比較久的傳統(tǒng)設(shè)備，但是由于其存在本身無法克服的缺點，例如機械誤差造成的，特性曲線線性差，遲緩率較大，以及無法滿足電網(wǎng)集中度和電廠的自動化等一系列問題，現(xiàn)在己經(jīng)逐漸被電調(diào)控制系統(tǒng)所取代。 1949 年，心理學(xué)家 提出突觸聯(lián)系可變的假設(shè)，根據(jù)這一假設(shè)提出的學(xué)習(xí)規(guī)律為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法奠定了基礎(chǔ)。 1982 年，他提出了一個新的神經(jīng)網(wǎng)絡(luò)模型 —— hopfield 網(wǎng)絡(luò)模型。 1988年 1月 Neural Network 創(chuàng)刊。 Wunsch 在 90OSA 年會上提出了一種 AnnualMeeting，用光電執(zhí)行 ART，學(xué)習(xí)過程有自適應(yīng)濾波和推理功能，具有快速和穩(wěn)定的學(xué)習(xí)特點。 1996 年， ShuaiJW’等模擬人腦的自發(fā)展行為，在討論混沌神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出了自發(fā)展神經(jīng)網(wǎng)絡(luò)。我國也不甘落后，自從 1990 年批準(zhǔn)了南開大學(xué)的光學(xué)神經(jīng)計算機等 3項課題以來，國家自然科學(xué)基金與國防預(yù)研基金也都為神經(jīng)網(wǎng)絡(luò)的研究提供資助。 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。直到誤差反向傳播算法（ BP 算法）的提出，成功地解決了求解非線性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問題 。為了吸收乏汽在凝汽器放出的凝結(jié)熱，并保護較低的凝結(jié)溫度，必須用循環(huán)水泵不斷地向凝汽器供應(yīng)冷卻水。 另一種以動力設(shè)備的形式存在汽輪機是 動力設(shè)備，除了用于火力發(fā)電廠和集中供熱電站外，還用于驅(qū)動其他設(shè)備，例如大型的艦船、鋼鐵廠的大型風(fēng)機和水泵，制藥化工企業(yè)的螺桿壓縮機等等。電 超速保護 裝置由轉(zhuǎn)速傳感器、PLC 的數(shù)字量輸出模塊、電磁閥等部件組成。 總之，從定性的角度分析各種因素對動態(tài)特性的影響，可知道：在調(diào)節(jié)對象方面，轉(zhuǎn)子轉(zhuǎn)動慣量越小 (汽輪機轉(zhuǎn)子飛升時間常數(shù)也越小 )以及蒸汽容積時間常數(shù)越大，均會使動態(tài)超速增加；從調(diào)節(jié)元件方面考慮，轉(zhuǎn)速不等率、油動機時間常數(shù)以及系統(tǒng)遲緩率越大，均會使油動機的滯后時間和關(guān)閉時間增長，從而使動態(tài)超速增加。 BP神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)包括輸入層（ input）、隱層 (hide layer)和輸出層 (output layer)。正向傳播時，傳播方向為輸入層→隱層→輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元。第 個樣本輸入到網(wǎng)絡(luò)后得到輸出（ j=1,2,? m）。這種方法所加的動量因子實際上相當(dāng)于阻尼項，它減小了學(xué)習(xí)過程中的振蕩趨勢，從而改善了收斂性。 1）隱層數(shù)的確定： 1998 年 Robert HechtNielson 證明了對任何在閉區(qū)間內(nèi)的連 續(xù)函數(shù)，都可以用一個隱層的 BP網(wǎng)絡(luò)來逼近，因而一個三層的 BP網(wǎng)絡(luò)可以完成任意的 n維到 m 維的映照。 3） 每層節(jié)點數(shù)的確定： 使用神經(jīng)網(wǎng)絡(luò)的目的