【正文】 備魯棒性，即使系統(tǒng)具有很強(qiáng)的抗干擾能力，對(duì)不確定因素的干擾不敏感 。具有通過(guò)學(xué)習(xí)獲取知識(shí)并解決問(wèn)題的能力，其知識(shí)存儲(chǔ)在連接權(quán)中 。能夠處理那些未經(jīng)訓(xùn)練過(guò)的數(shù)據(jù)，而獲得相應(yīng)于這些數(shù)據(jù)的合 適解答，同樣，它能夠處理那些含有噪聲的數(shù)據(jù)。點(diǎn)分為三類 :輸入節(jié)點(diǎn)、輸出節(jié)點(diǎn)和隱含節(jié)點(diǎn)，分別位于輸入層、輸出層和隱層，輸入層和輸出層與外界相連，中間層稱為隱含層。 9 與 BP 神經(jīng)網(wǎng)絡(luò)相比， Elman 神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)預(yù)測(cè)具有訓(xùn)練速度快、結(jié)構(gòu)簡(jiǎn)單、精度高的特點(diǎn)。從某種程度上說(shuō)，此算法介于遺傳算法和進(jìn)化規(guī)劃之間。N 為群體中粒子總數(shù)。 l) 比較粒子適應(yīng)度值與它的個(gè)體歷史最優(yōu)值 pbest，如果優(yōu)于 pbest，則用當(dāng)前粒子位置更新 pbest 位置 ； 12 2) 比較粒子適應(yīng)度值與群體全體最優(yōu)值 gbest，如果目前值好于 gbest，則設(shè)置當(dāng)前粒子位置為 gbest 位置。 第二步 :評(píng)價(jià) 每一個(gè) 粒子。c1 和 c2為加速因子， c1，是用來(lái)調(diào)節(jié)粒子飛向自身 最優(yōu)位置的步長(zhǎng) 。 PSO 不像 其他進(jìn)化算法那樣對(duì)于個(gè)體使用進(jìn)化算子，而是將每個(gè)個(gè)體看作是在 n 維搜索空間中的一個(gè)沒(méi)有體積和重量的粒子，每個(gè)粒子將在解空間中運(yùn)動(dòng)，并由一個(gè)速度決定其方向和距離。 Elman 神經(jīng)網(wǎng)絡(luò)是 Elman 于 1990 年提出的，與 BP 神經(jīng)網(wǎng)絡(luò)本質(zhì)的區(qū)別是 Elman 神經(jīng)網(wǎng)絡(luò)既有前饋連接，又有反饋連接，克服了 BP網(wǎng)絡(luò)不具備動(dòng)態(tài)特性的缺點(diǎn)，使訓(xùn)練好的網(wǎng)絡(luò)具備非線性映射和動(dòng)態(tài) 特性，從而得到動(dòng)態(tài)結(jié)構(gòu)和系統(tǒng)的動(dòng)力學(xué)模型。 神經(jīng)網(wǎng)絡(luò)中常用的激發(fā)函數(shù) 有 閾值型函數(shù)、飽和型函數(shù)、雙曲型函數(shù)、 S型函數(shù)、高斯函數(shù)等，其具體表達(dá)式 如表 21 所示 . 表 21 神經(jīng)網(wǎng)絡(luò)常見激發(fā)函數(shù) 函數(shù)形式 函數(shù)表達(dá)式 說(shuō)明 線性函數(shù) xxf ?)( 作用函數(shù) f 連續(xù)取值，隨 x 的增大而增大 閾值型函數(shù) ??? ??? 00 01)( xxxf ??? ?? ??? 01 01)()s gn ( xxxfx 兩種不同的表達(dá)形式，一種是對(duì)稱硬限幅函數(shù)，一種是硬限幅函數(shù)。神經(jīng)網(wǎng)絡(luò)能夠充分逼近任意復(fù)雜的非線性關(guān)系，從而形成非 線性動(dòng)力學(xué)系統(tǒng)，以表示某些被控對(duì)象的模型或控制器模型。 英國(guó)倫敦大學(xué)教授 年在實(shí)驗(yàn)室研制成功鍋爐和蒸汽機(jī)模糊控制系統(tǒng)，通常都以此作為模糊控制發(fā)展史上的第一里程碑 5 本 文的主要工作 在對(duì)鍋爐結(jié)構(gòu)和燃燒工藝進(jìn)行分析 的基礎(chǔ)上，把握 蒸汽溫度 過(guò)程控制的關(guān)鍵因素及其對(duì)過(guò)熱汽溫 的影響方式，確定了 過(guò)熱汽溫 系統(tǒng)模型的輸入和輸出 ； 介紹了神經(jīng)網(wǎng)絡(luò)的基本原理和各種網(wǎng)絡(luò)模型的工作方式，重點(diǎn)介紹了 BP 網(wǎng)絡(luò)、 Elman 網(wǎng)絡(luò)及其算法流程，然后利用 BP 網(wǎng)絡(luò)和 Elman 網(wǎng)絡(luò)對(duì) 過(guò)熱汽溫 系統(tǒng)建模并對(duì)仿真結(jié)果進(jìn)行了分析和比較， 總結(jié)了每個(gè)網(wǎng)絡(luò)的特點(diǎn)和應(yīng)用場(chǎng)合 。 但是 ，由于 熱工過(guò)程往往表現(xiàn)出非線性、慢時(shí)變、大遲 延和不確定性， 尤其是主蒸汽溫度具有較大的慣性和遲延 ， 同時(shí) 由于負(fù)荷變化汽壓波動(dòng)、給水壓力波動(dòng)、燃燒工況變化等擾動(dòng)因素多，對(duì)汽溫的穩(wěn)定產(chǎn)生不利影響 ， 使其可控指數(shù)很低。 3 第 1 章 緒論 課題背景 能源是人類社會(huì)賴以生存和發(fā)展的重要物質(zhì)基礎(chǔ)。 神經(jīng)網(wǎng)絡(luò) 是一種按照人腦的組織和活動(dòng)原理而構(gòu)造的一種非線性映射模型 , 可以實(shí)現(xiàn)任何復(fù)雜的因果關(guān)系映射 ,特別適用于處理復(fù)雜問(wèn)題 ,在預(yù)測(cè)評(píng)估、智能控制、模式識(shí)別、信號(hào)處理、非線性優(yōu)化、函數(shù)逼近、自適應(yīng)控制和預(yù)測(cè)及管理工程等領(lǐng)域具有廣泛的應(yīng)用 。 過(guò)熱器出口溫度是全廠工質(zhì)溫度的最高點(diǎn)，也是金屬壁溫 度 的最高處，在過(guò)熱器正常運(yùn)行時(shí)已接近材料允許的最高溫度 ， 如果過(guò)熱蒸汽溫度過(guò)高， 會(huì)直接危及過(guò)熱器及汽輪機(jī)等設(shè)備的安全 ，影響安全運(yùn)行； 而 溫度過(guò)低 ， 又 會(huì)降低全廠熱效率 ，并增大汽輪機(jī)的排氣濕度，進(jìn)而影響汽輪機(jī)的安全 。在此基礎(chǔ)上， 針對(duì) 600MW 超臨界鍋爐 的過(guò)熱汽溫系統(tǒng)， 借助 MATLAB 建立神經(jīng)網(wǎng)絡(luò) 模型， 確定控制方案 并進(jìn)行詳盡的控制仿真試驗(yàn)。大系統(tǒng)理論 。 (3)另外， 汽溫波動(dòng)太大還會(huì)加速部件的疲勞損傷，引起汽輪機(jī)轉(zhuǎn)子和汽缸間的脹差變化，甚 至產(chǎn)生劇烈振動(dòng)，危及機(jī)組安全運(yùn)行。 其中模糊控制、神經(jīng)網(wǎng)絡(luò)控制和專家控制是目前智能控制中最為活躍的領(lǐng)域 。另外，由于 能量 函數(shù)和穩(wěn)定性等概念的產(chǎn)生使神經(jīng)網(wǎng)絡(luò)又獲得了新的發(fā)展，相關(guān)的模型、算法和應(yīng)用問(wèn)題被提出。處理單元將經(jīng)過(guò)權(quán)重的輸入量化，然后相加求得其加權(quán)值之和，計(jì)算出唯一的輸出量，這個(gè)輸出量（ y ）是權(quán)重和的函數(shù)。 BP 網(wǎng)絡(luò)結(jié)構(gòu)如圖 25 所示，網(wǎng)絡(luò)由輸入層、隱層和輸出層節(jié)點(diǎn)組成，其中隱層可以是多層，隱層中的神經(jīng)元均采用 S 型傳遞函數(shù) ，它可以學(xué)習(xí)輸入輸出之間的線性和非線性關(guān)系，輸出層的神經(jīng)元采用線性傳遞函數(shù)，它能拓寬網(wǎng)絡(luò)的輸出。與其他進(jìn)化算法相類似，該算法模擬鳥集群飛行覓食的行為，通過(guò)鳥之間的集體協(xié)作與競(jìng)爭(zhēng)使群體達(dá)到目的。對(duì)為粒子個(gè)體 i 第 t次迭代后的位置矢量 。在這三部分的共同作用下粒子才能有效的到達(dá)最好位置。 如果當(dāng)前的迭代次數(shù)達(dá)到了預(yù)先設(shè)定的最大次數(shù) Tmax，或最終結(jié)果小于預(yù)定 收斂精度 要求，則停止迭代 ，輸出最優(yōu)值，否則轉(zhuǎn)到第二步。它表示了 粒子對(duì)當(dāng)前 自身運(yùn)動(dòng)狀態(tài)的信任，依據(jù)自身 速度進(jìn)行慣性運(yùn)動(dòng)， 慣性權(quán)重 w 控制著先前 速度帶來(lái)的影響； 第二部分是 “ 認(rèn)知 ”