【正文】 人工神經(jīng)元一般是一個(gè)多輸 入 /單輸出的非線性器件，其結(jié)構(gòu)模型如圖 21 所示。 nkw 為神經(jīng)元 k 的連接權(quán)值，kb 為閥值， ky 為神經(jīng)元 k 的輸出。感知器就屬于這種網(wǎng)絡(luò)類(lèi)型。 Hopfield網(wǎng)絡(luò)和 Boftzmann機(jī)都屬于這一類(lèi)網(wǎng)絡(luò)。 一般的神經(jīng)元模型 MP 模型過(guò)于簡(jiǎn)單，且權(quán)值不能學(xué)習(xí)，因此實(shí)際上需要更復(fù)雜、靈活性更高的神經(jīng)元模型。(u 是一個(gè)多輸入單輸出的函數(shù) ),( ?wxuu ? ；激活函數(shù)的作用是對(duì)基函數(shù)輸出 u 進(jìn)行“擠壓”： )(ufy? ，即通過(guò)非線性函數(shù) ) ∑ ?w 1w j w nu 1u ju n ..xf ( x )w 0 μ 0 = 1y. 圖 24 單層感知器模型 感知器的輸出為： ? ?? ???? nj nj jjjj uwfuwfy 1 0 )()( ? （ 25） 其中， ju 為感知器的第 j 個(gè)輸入； ???0w （閥值）； 10?u 。 ijku......輸 入 層隱 含 層 輸 出 層 圖 26 多層前饋網(wǎng)絡(luò)結(jié)構(gòu) BP 學(xué)習(xí)算法的計(jì)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 i 編號(hào)，隱含層神經(jīng)元以 j 編號(hào)，輸出層神經(jīng)元以 k 編號(hào)，計(jì)算公式如下： 隱含層第 j 個(gè)神經(jīng)元的輸入為： ??i iijj ow （ 26） 第 j 個(gè)神經(jīng)元的輸出為： 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 9 )( jj go ? （ 27） 輸出層第 k 個(gè)神經(jīng)元的輸入為： ??j jkjk ow （ 28） 相應(yīng)的輸出為： )( kk go ? （ 29） 式中， g —— s 函數(shù)，有： )(1 1)( ????? xexg （ 210） 式中， ? —— 閥值或偏置值 , 0?? ，則使 S 曲線沿橫坐標(biāo)左移，反之則右移。學(xué)習(xí)規(guī)則可以分為兩類(lèi)：有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。 BP 網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程由正向和反向傳 播兩部分構(gòu)成。 PID 控制器的原理及其特點(diǎn) ① PID 控制器的原理 PID 控制系統(tǒng)的結(jié)構(gòu)圖如圖 31 所示： 比 例微 分積 分 對(duì) 象r ( t ) e ( t ) u ( t ) y ( t ) 圖 31 PID 控制系統(tǒng) 結(jié)構(gòu)圖 給定值 )(tr 與實(shí)際輸出值 )(ty 構(gòu)成控制偏差： )()()( tytrte ?? （ 31） 將偏差 te 的比例 )(P 、積分 )(I 和微分 )(D 通過(guò)線性組合構(gòu)成控制量，對(duì)被控對(duì)象進(jìn)行控制，其控制規(guī)律為： dt tdeTdtteTteKtu DtIP )()(1)([)( 0 ??? ? dt tdeKteKteK DtIp )()()( 0? ??? （ 32） 寫(xiě)成傳遞函數(shù)形式： ]11[)( )()( sTTsKsE sUsG DP ???? （ 33） 其中， pT —— 比例系數(shù)； IT —— 積分時(shí)間常數(shù)； 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 14 DT —— 微分時(shí)間常數(shù)； PID 控制效果的好壞在很大程度上取決于系統(tǒng)參數(shù)的整定，即控制器參數(shù)的選擇，簡(jiǎn)單說(shuō)來(lái)， PID 控制器各校正環(huán)節(jié)的作用如下： (1)比例環(huán)節(jié) 比例環(huán)節(jié)能成比例地反映控制系統(tǒng)的偏差信號(hào) )(terror ，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用，減少偏差。 首先，傳統(tǒng) PID 無(wú)自適應(yīng)能力。 PID 三個(gè)參數(shù)選擇的好壞，直接影響到控制效果的好壞。這些方法在一定程度上提高了 PID 控制器的性能，但這些方案一般是針對(duì)某些具體問(wèn)題，缺乏通用性，附加的結(jié)構(gòu)和算法也增加了控制器的復(fù)雜性，使它們的廣泛應(yīng)用受到限制。 這種控制方式在結(jié)構(gòu)上不再明顯包含 PID 控制器，而是將神經(jīng)網(wǎng)絡(luò)和 PID 控制規(guī)律融為一體，將誤差信號(hào)的比例、積分、微分運(yùn)算和 PID 參數(shù)的自適應(yīng)整定在一個(gè)前向神經(jīng)網(wǎng)絡(luò)中完成 [21]。 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 18 第 4章 神經(jīng)網(wǎng)絡(luò) PID 在鍋爐蒸汽壓力中的應(yīng)用 鍋爐蒸汽壓 力數(shù)學(xué)模型 蒸汽系統(tǒng)是鍋爐仿真中的核心部分，它的建模涉及一些對(duì)汽機(jī)和鍋爐安全運(yùn)行至關(guān)重要的監(jiān)控參數(shù)，如汽包的壓力、水位等。加權(quán)系數(shù)取區(qū)間 [,]上的隨機(jī)數(shù) [26]。 BP 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)優(yōu)于常規(guī) PID 控制系統(tǒng)主要在于： (1)達(dá)到穩(wěn)定的過(guò)渡過(guò)程時(shí)問(wèn)和上升時(shí)間短。相對(duì)于傳統(tǒng)的 PID 控制器，神經(jīng)網(wǎng)絡(luò) PID 控制器具有更好的控制效果，適應(yīng)性和 容錯(cuò)能力 。r39。)。)。%神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 453 wi=[ 。wi_3=wi。 x=[0,0,0]。y_3=0。 %參考輸入（階躍） %控制對(duì)象 K=1。)。%對(duì)象輸出差分方程 error(k)=rin(k)yout(k)。 I=xi*wi39。 du(k)=Kpid*epid。 end end wo=wo_1+d_wo+alfa*(wo_1wo_2)。u_4=u_3。 end d_wi=xite*delta239。 end dyu(k)=sign((yout(k)y_1)/(u(k)u_1+))。 %輸出層輸出， Getting kp,ki,kd 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 29 end kp(k)=K(1)。 x(3)=error(k)2*error_1+error_2。 e_1=0。inputdelay39。 error_1=0。u_4=0。 %初始化輸出層權(quán)值 %wo=*rands(Out,H)。 ]。 %慣性系數(shù) alfa=。 legend(39。linewidth39。 從最終的仿真結(jié)果可以得出，采用傳統(tǒng) PID 控制算法的響應(yīng)曲線震蕩太明顯，過(guò)渡時(shí)間較長(zhǎng)，超調(diào)量較大；而采用 BP 神經(jīng)網(wǎng)絡(luò)控制算法的響應(yīng)曲線，系統(tǒng)無(wú)震蕩，過(guò)渡時(shí)間相比來(lái)說(shuō)很短，且無(wú)超調(diào)，最先得到了穩(wěn)定輸出，可以看出其控制效果明顯優(yōu)于傳統(tǒng)的 PID 控制算法。常規(guī) PID 控制系統(tǒng)在控制一個(gè)過(guò)程對(duì)象前，必須要整定 PID 的三個(gè)參數(shù)，包括比例增益、積分時(shí)間、微分時(shí)間，且 整定計(jì)算好后，在整個(gè)控制過(guò)程中都是固定不變的。PID 參數(shù)的改變影響 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器的輸出，從而影響被控對(duì)象的輸出。 圖 41 常用鍋爐結(jié)構(gòu)圖 經(jīng)過(guò)長(zhǎng)期的應(yīng)用實(shí)踐， 以蒸發(fā)量為 2t/h，穩(wěn)定蒸汽壓力為 的船用小型燃油蒸汽鍋爐為控制對(duì)象。 控制器由兩部分組成： ①參數(shù)可調(diào)的 PID 控制器，直接對(duì)被控對(duì)象進(jìn)行閉環(huán)控制； ②神經(jīng)網(wǎng)絡(luò) NN，根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，實(shí)現(xiàn)自適應(yīng)算法，調(diào)節(jié) PID 控制器的參數(shù)以達(dá)到某種性能指標(biāo)的最優(yōu)化要求 [22]。 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 16 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器設(shè)計(jì) 介紹了單神經(jīng)元 PID 控制器，即在常規(guī) PID 控制器的基礎(chǔ)上增加一個(gè)或多個(gè)神經(jīng)網(wǎng)絡(luò)，用神經(jīng)網(wǎng)絡(luò)在線調(diào)整 PID 參數(shù)。 人工神經(jīng) 網(wǎng)絡(luò)和 PID 控制的 結(jié)合 由上節(jié)的簡(jiǎn)要介紹我們得知： PID 控制器的設(shè)計(jì)關(guān)鍵是如何確定比例、積分 和微分系數(shù)，但這些參數(shù)整定中的困難又使 PID 控制器的應(yīng)用受到限制。在設(shè)計(jì)控制系統(tǒng)的過(guò)程中人們主要關(guān)心的問(wèn)題是“設(shè)定值跟蹤特性 和“干擾抑制特性’’，而傳統(tǒng)的 PID 控制器只能通過(guò)整定一組 PID 參數(shù)來(lái)滿足一個(gè)方面的要求。 PID 參數(shù)（ PK ， IK ， DK )可以根據(jù)過(guò)程動(dòng)態(tài)特性及時(shí)調(diào)整。所以說(shuō)， BP 網(wǎng)絡(luò)是一個(gè)有導(dǎo)師的學(xué)習(xí)過(guò)程。 常見(jiàn)的學(xué)習(xí)規(guī)則為： (1)無(wú)監(jiān)督 Hebb 學(xué)習(xí)規(guī)則 Hebb 學(xué)習(xí)規(guī)則是一類(lèi)相關(guān)學(xué)習(xí)，它的基本思想是：如果兩個(gè)神經(jīng)元同時(shí)被激活，則它們之 間的連接強(qiáng)度的增強(qiáng)與它們激勵(lì)的乘積成正比。如果它是從 A點(diǎn)開(kāi)始向下滑行，則最終到達(dá)全局最小點(diǎn) B[11]。 BP 神經(jīng)網(wǎng)絡(luò) BP 神經(jīng)網(wǎng)路概述 Rumelhart 和 與 1986 年提出了多層網(wǎng)絡(luò)的誤差反向傳播算法（ 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(wèn)題，預(yù)示著 BP 網(wǎng)絡(luò)的出現(xiàn) [9]。 )0x 1 x 2x 3..w 1 圖 23 通用神經(jīng)元模型 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 7 感知器模型 感知器（ Perception）是模擬人的視覺(jué)，接收環(huán)境信息，并由神經(jīng)沖動(dòng)進(jìn)行信息傳遞的神經(jīng)網(wǎng)絡(luò)。(u 和 ) 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。很多自組織網(wǎng)絡(luò)屬于這種類(lèi)型。激活函數(shù)可以 是線性的江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 5 也可以是非線性的。由于神經(jīng)網(wǎng)絡(luò)由大量簡(jiǎn)單計(jì)算單元組成，因而易于用軟硬件來(lái)實(shí)現(xiàn) [5]。 第 二章 神經(jīng)網(wǎng)絡(luò)概述，本章簡(jiǎn)要介紹了幾種主要的人工神經(jīng)網(wǎng)絡(luò)模型及工作原理、作用函數(shù)和學(xué)習(xí)方法，包括： MP 模型、單神經(jīng)元模型、感知器模型和 BP 神經(jīng)網(wǎng)絡(luò)模型。顯然，這可以用到機(jī)器人的攝像機(jī)控制上，而且還可以應(yīng)用到諸如火炮之類(lèi)的武器系統(tǒng)中去。在金融、銀行、保險(xiǎn)行業(yè)的應(yīng)用主要是進(jìn)行顧客群體特征分析、市場(chǎng)研究消費(fèi)傾向分析等。 從某種意義上說(shuō)，人工神經(jīng)網(wǎng)絡(luò)、并行分布處理和神經(jīng)計(jì)算機(jī)是統(tǒng)一的概念。由于其特殊的工作環(huán)境，相對(duì)普通電站蒸汽系統(tǒng)而 言，船舶蒸汽動(dòng)力系統(tǒng)具有慣性小、動(dòng)態(tài)過(guò)程變化大、各子系統(tǒng)的關(guān)聯(lián)和制約因素多等特點(diǎn)。 BP 神經(jīng)網(wǎng)絡(luò)結(jié)合傳統(tǒng) PID 控制方法在鍋爐蒸汽壓力中的應(yīng)用，取得了良好的控制效果。 4月 23日 ～ 5月 10日 完成 BP 網(wǎng)絡(luò)的 PID控制的仿真程序。 2. 學(xué)習(xí) PID控制原理和 BP 神經(jīng)網(wǎng)絡(luò)模型。通過(guò)對(duì) PID 控制原理和 BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，掌握如何利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力來(lái)實(shí)現(xiàn)最佳組合的 PID控制。 三、 完成日期及進(jìn)度 2020 年 3月 12 日至 2020 年 6月 10日，共 13 周。采用 基于 BP 神經(jīng)網(wǎng)絡(luò) 的 PID 控制方法 ，設(shè)計(jì) PID 控制器的在線調(diào)整控制系統(tǒng)，改善系統(tǒng)的動(dòng)態(tài) 性能，無(wú)論在理論 上還是 在 實(shí)踐上都具有重要意義。 然而學(xué)術(shù)研究成果與實(shí)際的生產(chǎn)應(yīng)用技術(shù)水平并不是同步的，某些方面甚至相差幾十年。結(jié)合 MATLAB軟件及 Simulink模塊 ， 能夠 很好地完成了仿真設(shè)計(jì)及應(yīng)用要求 [2]。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。 概括地說(shuō)，神經(jīng)網(wǎng)絡(luò)在信號(hào)處理領(lǐng)域主要應(yīng)用于自適應(yīng)信號(hào)處理 (自適應(yīng)濾波、時(shí)間序列預(yù)測(cè)、譜估計(jì)、陣列處理、消除噪聲、檢測(cè)等 )、非線性信號(hào)處理 (非線性濾波、非線性預(yù)測(cè)、非線性譜估計(jì)、非線性編碼、調(diào)制、解調(diào)、中值處理等 )。 通過(guò)對(duì)比仿真結(jié)果，可以看出 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器明顯具有更強(qiáng)的信息處理能力、自適應(yīng)性和魯棒性。兩者比較，可以看出 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器的控制效果良好，具有更強(qiáng)的信息處理能力、自適應(yīng)和魯棒性，實(shí)踐上具有重要意義。 ∑ f ( ) ②反饋網(wǎng)絡(luò) 其本身是前饋網(wǎng)絡(luò)，但從輸出到輸入有反饋回路，因此稱(chēng)之為反饋網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)原理 MP 模型 人工神經(jīng)網(wǎng)絡(luò)的首個(gè)數(shù)學(xué)模型是由 McCulloch和 Pitts 建立的。圖 23 所示為一個(gè)具有 n 個(gè) 輸入的通用的神經(jīng)元模型。(f 將 u 變換到指定范圍內(nèi)。 ② 多層感知器 在輸入和輸出層間加一層或多層隱含層，即構(gòu)成多層感知器，又稱(chēng)多層前饋神經(jīng)網(wǎng)絡(luò)。 因此，各神經(jīng)元的輸出應(yīng)為 )))(e xp(1/(1ji ijij owo ?? ???? （ 211） )))(e xp(1/(1 ki jjik owko ?? ???? （ 212） BP 網(wǎng)絡(luò)學(xué)習(xí)中的誤差反向傳播過(guò)程是通過(guò)使一個(gè)目標(biāo)函數(shù) (實(shí)際輸出與希望輸出之間的誤差平方和 )最小化完成的，可以利用梯度下降法導(dǎo)出計(jì)算公式 [10]。 有監(jiān)督學(xué)習(xí)就是通過(guò)外部教師信號(hào)進(jìn)行學(xué)習(xí)，即要求同時(shí)給