【正文】 個汽水行程中工質(zhì)溫度的最高點(diǎn)，也是金屬壁溫的最高處。以表示單元的激活值，表示單元的激活值，表示單元到單元的激活值，則學(xué)習(xí)規(guī)則可用下式表示： （215） 其中，為學(xué)習(xí)速率，該公式表明兩神經(jīng)元之間連接權(quán)的變化量與它們的激活值相關(guān)。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一種，它不僅具有人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，而且有自己的BP算法。通過轉(zhuǎn)換函數(shù)實(shí)現(xiàn)輸入信號到輸出信號的映射，稱為激活函數(shù)。這四種類型各自具有不同的網(wǎng)絡(luò)模型：前饋網(wǎng)絡(luò)中主要有Adaline、BP網(wǎng)絡(luò)及RBF網(wǎng)絡(luò)；反饋網(wǎng)絡(luò)主要有Hopfield網(wǎng)絡(luò)；自組織網(wǎng)絡(luò)主要有ART網(wǎng)，當(dāng)前，已經(jīng)比較成熟的神經(jīng)網(wǎng)絡(luò)控制模型主要有神經(jīng)自校正控制，神經(jīng)PID控制，神經(jīng)模型參考自適應(yīng)控制，神經(jīng)內(nèi)膜控制等等。人工神經(jīng)網(wǎng)絡(luò)主要應(yīng)用領(lǐng)域：①知識處理：神經(jīng)網(wǎng)絡(luò)可以從數(shù)據(jù)中自動獲取數(shù)據(jù)（知識），把新知識結(jié)合到它的映射函數(shù)中去，使得神經(jīng)網(wǎng)絡(luò)非常適合于處理某類知識，特別是不精確的知識。可以說，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(jìn)與否的一項(xiàng)重要標(biāo)志。對這樣一個系統(tǒng)在MATLAB平臺上進(jìn)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。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。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。神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的連接強(qiáng)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(qiáng)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。 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?；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。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(shí)間常數(shù)，為階次，該傳遞函數(shù)也可以通過實(shí)驗(yàn)求的。本文重點(diǎn)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(shí)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。(2) 保護(hù)過熱器，使其管壁不超過允許的工作溫度。所以說，BP網(wǎng)絡(luò)是一個有導(dǎo)師的學(xué)習(xí)過程。如果它是從A點(diǎn)開始向下滑行，則最終到達(dá)全局最小點(diǎn)B。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)。 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。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(shí)間序列預(yù)測、譜估計(jì)、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(jì)、非線性編碼、調(diào)制、解調(diào)、中值處理等)。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。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 摘 要 2第1章 緒論 3 選題的背景 3 3 國內(nèi)外研究現(xiàn)狀 5第2章 神經(jīng)網(wǎng)絡(luò)概述 6 引言 6 人工神經(jīng)網(wǎng)絡(luò)的基本理論 6 6 神經(jīng)網(wǎng)絡(luò)原理 7 MP模型 7 8 BP神經(jīng)網(wǎng)絡(luò) 9 BP神經(jīng)網(wǎng)路概述 9 BP算法的計(jì)算公式及流程圖 10 12第3章 神經(jīng)網(wǎng)絡(luò)PID控制器的設(shè)計(jì) 14 14 14 BP神經(jīng)網(wǎng)絡(luò)的PID控制 14 14第4章 BP神經(jīng)網(wǎng)絡(luò)PID控制在主汽溫 16控制系統(tǒng)中的應(yīng)用 16 16 16 主蒸汽溫度的控制的任務(wù) 16 17 主汽溫的數(shù)學(xué)模型 18 減溫水?dāng)_動下主汽溫的數(shù)學(xué)模型 18 19 主汽溫基于BP神經(jīng)網(wǎng)絡(luò)的PID控制仿真 21 結(jié)論 23參考文獻(xiàn) 24網(wǎng) 址 25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)用摘 要目前，由于PID具有結(jié)構(gòu)簡單，可通過調(diào)節(jié)比例積分和微分取得基本滿意的控制性能，廣泛應(yīng)用在電廠的各種控制過程中。神經(jīng)網(wǎng)絡(luò)控制是一種基本上不依賴于模型的控制方法,它比較適用于那些具有不確定性或高度非線性的控制對象,并具有較強(qiáng)的適應(yīng)和學(xué)習(xí)功能,它是智能控制的一個重要分支。④信號處理：神經(jīng)網(wǎng)絡(luò)同樣也被廣泛地應(yīng)用于信號處理，如目標(biāo)檢測、畸變波形的恢復(fù)、雷達(dá)回波的多目標(biāo)分類、運(yùn)動目標(biāo)的速度估計(jì)、多目標(biāo)跟蹤等。人工神經(jīng)元是對生物神經(jīng)元結(jié)構(gòu)和功能的模擬，是對生物神經(jīng)元的形式化描述，是對生物生物神經(jīng)元的信息處理過程的抽象。圖22 MP模型示意圖其中：，神經(jīng)元的輸出信號，可與其它多個神經(jīng)元連接；，神經(jīng)元的輸入信號；：神經(jīng)元的連接權(quán)值；：神經(jīng)元的閥值：：神經(jīng)元的非線性作用函數(shù)。示意圖如圖24所示，梯度下降學(xué)習(xí)算法總是在尋找坡度最大的地段向下滑行，當(dāng)它處于D位置時(shí)，沿最大坡度路線下降，到達(dá)局部最小點(diǎn)而G停止滑行。這兩個過程不斷反復(fù)運(yùn)用，直到達(dá)到所設(shè)定的誤差值[14]。對于亞臨界機(jī)組的主汽溫為，長期運(yùn)行應(yīng)控制在，對于超臨界及超超臨界主汽溫應(yīng)控制在，長期運(yùn)行應(yīng)控制在。但是BP神經(jīng)網(wǎng)絡(luò)PID控制