【導讀】一簡單介紹課題設計，及其理論意義和實際價值。應學習算法和控制參數(shù)。計方法，通過對非線性系統(tǒng)的仿真，對響應曲線進行比較。一3月1日到3月10日搜集資料，形成論文整體思路。二3月11日到3月25日對神經(jīng)網(wǎng)絡及汽輪機進行研究。三3月26日到5月30日設計控制器，進行計算機仿真。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。汽輪機組的要求。映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的。權值和閾值，使網(wǎng)絡的誤差平方和最小。神經(jīng)網(wǎng)絡工具箱函數(shù)給出了具體的實現(xiàn)方法和方針結(jié)果。

　　

【正文】 PF—— 性能函數(shù)，缺省值為 ”mse” 。 執(zhí)行結(jié)果：創(chuàng)建一個 N層的 BP 神經(jīng)網(wǎng)絡。 Tfi 的值可以是任何的可微函數(shù)，比如 logsig 函數(shù)、 purelind 函數(shù)等。 BTF 的值還可以選擇 trainbfg、 trainrp、 traingd 等函數(shù)。而它的缺省值之所以選擇 trainlm 函數(shù)，是因為該算法具有非?？斓挠柧毸俣?，但是它會占用很大的內(nèi)存。對不同的網(wǎng)絡，應該根據(jù)情況選擇最合適的訓練函數(shù)。 BP 神經(jīng)網(wǎng)絡的訓練 當神經(jīng)網(wǎng)絡的權值和閾值初始化以后，我們就可以對網(wǎng)絡進行訓練。 在訓練的過程中，網(wǎng)絡的權值和閾值被反復地調(diào)整，以減少網(wǎng)絡性能函數(shù) 的值，直到達到預先的要求。 BP 神經(jīng)網(wǎng)絡的 的缺省值是 mse—— 網(wǎng)絡輸出和目標輸出的均方誤差 [9， 10， 11]。 BP 神經(jīng)網(wǎng)絡的訓練同樣可以使用函數(shù) train()和 adapt()。函數(shù) train()是通過調(diào)用參數(shù) 設定的訓練函數(shù)來實現(xiàn)網(wǎng)絡訓練的，而且訓練的方式由參數(shù) 的值來確定，而函數(shù) adapt()是通過調(diào)用參數(shù) 設定的訓練函數(shù) 來實現(xiàn)網(wǎng)絡訓練的，訓練的方式由參數(shù) 的值確定。 在 BP神經(jīng)網(wǎng)絡的訓練算法中，都是通過計算性能函數(shù)的梯度，再沿負梯度方向調(diào)整權值和閾值，從而使性能函數(shù)達到最小。第 k 個循環(huán)中的調(diào)整公式可表示為 （ 41） 東北林業(yè)大學畢業(yè)論文 18 其中 kx 表示當前的權值和閾值， lr 是學習率。 BP神經(jīng)網(wǎng)絡的 PID整定原理 PID 控制要取得較好的控制效果 .就必須通過調(diào)整好比例 ,積分和微分三種控制作用 ,形成控制中既相互配合又相互制約的關系 .這種關系不一定是簡單的 ” 線性組合 ” ,從變化無窮的非線性組合中可以找出最佳的關系 .神經(jīng)網(wǎng)絡所具有的任意非線性表達能力 ,可以通過對系統(tǒng)性能的學習來實現(xiàn)具有最佳組合的 PID 控制 .采用 BP神經(jīng)網(wǎng)絡 ,可以建立參數(shù) pk , ik , dk 自學習的 PID 控制器 . 基于 BP(back propagation)網(wǎng)絡的 PID控制系統(tǒng)的 控制器由兩部分構(gòu)成： （ 1） 經(jīng)典的 PID 控制器，直接對被控對象進行閉環(huán)控制，并且三個 參數(shù) pk , ik , dk 為在線調(diào)整方式。 （ 2） 神經(jīng)網(wǎng)絡，根據(jù)系統(tǒng)的運行狀態(tài)，調(diào)節(jié) PID 控制器的參數(shù)，以期達到某種性能指標的最優(yōu)化，使輸出層神經(jīng)元的輸出狀態(tài)對應于 PID 控制器的三個可調(diào)參數(shù) pk , ik , dk 通過神經(jīng)網(wǎng) 絡的自學習，加權系數(shù)調(diào)整，使神經(jīng)網(wǎng)絡輸出對應于某種最優(yōu)控制律下的 PID 控制器參數(shù)。 經(jīng)典增量式數(shù)字 PID的控制算法為 ( ) ( 1 ) ( ( ) ( 1 ) ) ( ) [ ( ) 2 ( 1 ) ( 2) ]p i du k u k k e rror k e rror k k e rror k k e rror k e rror k e rr or k? ? ? ? ? ? ? ? ? ? ? 圖 BP神經(jīng)網(wǎng)絡 式中 pk , ik , dk 分別為比例，積分，微分系數(shù)。 東北林業(yè)大學畢業(yè)論文 19 圖 基于 BP網(wǎng)絡的 PID控制器結(jié)構(gòu)圖 該控制器控制算法歸納如下 : (1) 確定 BP網(wǎng)絡的結(jié)構(gòu) .即確定輸入層節(jié)點數(shù) M和隱層節(jié)點數(shù) Q,并給出各層加權系數(shù)的初值 ,選定學習速率 和慣性系數(shù) ，此時 k=1. (2) 采樣得到的 和 ，計算該時刻誤差 error(k)=rin(k)yout(k) (3) 計算神經(jīng)網(wǎng)絡 NN 各層神經(jīng)元的輸入，輸出， NN 輸出層的輸出即為 PID 控制器的三個可調(diào)參數(shù) pk , ik , dk (4) 根據(jù)( ) ( 1 ) ( ( ) ( 1 ) ) ( ) [ ( ) 2 ( 1 ) ( 2) ]p i du k u k k e rror k e rror k k e rror k k e rror k e rror k e rr or k? ? ? ? ? ? ? ? ? ? ?計算 PID控制器的輸出 (5) 進行神經(jīng)網(wǎng)絡學習，在線調(diào)整加權系數(shù) 和 ，實現(xiàn) PID 控制參數(shù)的自適應調(diào)整 (6) 置 k=k+1,返回到（ 1） 傳統(tǒng)的 PID控制是將偏差的比例（ P） ,積分（ I）和微分（ D）通過線性組合構(gòu)成控制量，對被控對象進行控制，故稱 PID 控制器。但是傳統(tǒng)的 PID 控制對于速度較快的設備，采樣速率過慢，無法獲取詳細的瞬態(tài)特征數(shù)據(jù)，也由于一些技術條件的限制，目前尚無成熟的全系統(tǒng)的在線檢測系統(tǒng)。而神經(jīng)網(wǎng)絡所具有的任意非線性表達能力，可以通過對系統(tǒng)性能的學習來實現(xiàn)具有最佳組合的 PID 控制 [18 19]。 以下兩圖就是兩者在相同控制參數(shù)的情況下由 MATLAB 仿真所得到的結(jié)果曲線圖 東北林業(yè)大學畢業(yè)論文 20 圖 BP神經(jīng)網(wǎng)絡與普通 PID擾動對比效果 圖 圖 神經(jīng)網(wǎng)絡與普通 PID 階躍對比圖 由圖可以看出基于 BP 神經(jīng)網(wǎng)絡的 PID 控制比傳統(tǒng)的 PID 控制在時間上要短很多，且在給出一個擾動后，恢復到穩(wěn)態(tài)更加快捷，更加穩(wěn)定。 5 結(jié)論 本文在文章初始 介紹了汽輪機的機構(gòu)及工作原理，并在分析了汽輪機控制系統(tǒng)的基礎上，介紹了控制系統(tǒng)的特點，并集合了工程實際，就控制系統(tǒng)的改進進行了討論和研究，而汽輪機 目前的狀態(tài) 控制方法是基于模型的，主要應用于線性時不變系統(tǒng) ,然而大多數(shù)系統(tǒng)和設備都是非線性的、時變的。 由此 通過本文的研究，給出了一種 汽輪機控制方法， 基于 BP人工神經(jīng)網(wǎng)絡的汽輪機控制 。 本文先引出了 神經(jīng)網(wǎng)絡的工作原理，給出了神經(jīng)網(wǎng)絡的結(jié)構(gòu)示意，并分析的神經(jīng)元的結(jié)構(gòu)，引出 BP 神經(jīng)網(wǎng)絡算法，介紹了 BP 神經(jīng)網(wǎng)絡的優(yōu)越性。由于人工神經(jīng)網(wǎng)絡已經(jīng)成為當前控制系統(tǒng)理論的主要方法之一，本文 應用最多的是前向多層網(wǎng)絡 —— BP 網(wǎng)絡（ BackPropagation Network）， 利用其算法快速訓練速度 ， 實現(xiàn)了控制系統(tǒng)的快速實現(xiàn)閾值和學習率 的動量 自適應的調(diào)整算法。 本文 研究，給出了一種 汽輪機控制方法，實現(xiàn)了基于 BP 人工神經(jīng)網(wǎng)絡的汽輪機控制，利用 MATLAB 神經(jīng)網(wǎng)絡工具箱函數(shù)對本研究中設計的 BP 網(wǎng)絡進行仿真訓練后 ， 表明該方 法具有可行性。通過仿真 BP 神經(jīng)網(wǎng)絡與普通 PID 的控制系統(tǒng)對比可以看出，采用 BP 神經(jīng)網(wǎng)絡的控制系統(tǒng)在收斂速度和抗擾動的性能都優(yōu)越于普通的 PID 控制 。本研究通過 BP 人工神經(jīng)網(wǎng)絡辨識出了汽輪機的多個特征參數(shù)，為汽輪機的控制技術提供了主要的技術支持。 東北林業(yè)大學畢業(yè)論文 22 參考文獻 [1] 何玉彬 ， 李新忠 .神經(jīng)網(wǎng)絡控制技術及其應用 .科學出版社， 2020： 124~125 [2] 上海新華控制技術有限公司 .電站汽輪機數(shù)字式電液控制系統(tǒng) — 1版 .北京：中國電力出版社， 2020： 236~238 [3] 木林 ， 馬秀榮 .人 工 神經(jīng)網(wǎng)絡的發(fā)展及應用 . 貝爾學院學報， 2020： 55~58 [4] 翦天聰 . 汽輪機 原理 . 中國電力出版社， 1992： 65~68 [5] 國發(fā)娟 . 基于 BP網(wǎng)絡的水輪機調(diào)速器狀態(tài)監(jiān)測與故障診斷 . 華中科技大學水電與數(shù)字化工程學院， 1999： 185~190 [6] 劉 金琨 .先進 PID控制及 MATLAB仿真 .電子工業(yè)出版， 2020： 125~129 [7] 余雪麗，孫承意，馮秀芳 .神經(jīng)網(wǎng)絡與實例學習 .中國鐵道出版社 ， 1996： 96~101 [8] 吳優(yōu)福 .用神經(jīng) 網(wǎng)絡實現(xiàn)雙抽汽輪機的負荷解耦控制及仿真 .東南大學熱能工程系 ， 2020 [9] 孫建華，汪 偉 ，余海燕 .基于模糊 PID 的汽輪機轉(zhuǎn)速控制系統(tǒng) .中國電機工程學報 ， 2020 [10] 剪天聰，林中達 .汽輪機控制系統(tǒng)的評述 .水利電力出版社 ， 2020 [l1] 陳來九 .控制系統(tǒng)原理 .電力出版社 ， 2020:214~217 [12] Klure一 Jensen， :6Issue:l， Mareh1991 [13] Kehler， . :1， 31Jan一 [14] 楊建剛 .工神經(jīng)網(wǎng)絡實用教程 .杭州 浙江大學出版社 ， 2020:59~65 [15] 徐麗娜 .神經(jīng) 網(wǎng)絡控制 .北京 電子工業(yè)出版社 ， 2020:100~102 [16] Narendra,.,and ,1990. Identification and control of dynamical systems using neural Transactions on Neural Networks,： 427 [17] 王爽心，葛曉霞 .汽輪機 數(shù)字電液控制系統(tǒng) .北 京 中國電力出版社 ,1999:46~48 [18] 李寶玉， 魏毓璞 .汽輪機 調(diào)節(jié)系統(tǒng)疑難問題解析 .北京 化學工業(yè)出版社， 2020： 89~95 [19] Zormer W,Muller system for monitoring the operation of steam turbine generator Kraftwerkstechnik,1992 [20] 苗廣祥 .汽輪機 數(shù)字電液調(diào)節(jié)系統(tǒng)參數(shù)辨識與應用研究 .華北電力大學 ， 1999:59~62 [21] 王永驥，徐健 .神經(jīng) 元網(wǎng)絡控制 .機械 工業(yè)出版社 ， 2020:178~180 東北林業(yè)大學畢業(yè)論文 23 東北林業(yè)大學畢業(yè)論文評審意見表 畢 業(yè)論文題目 學生姓名 專業(yè)班級 東北林業(yè)大學畢業(yè)論文 24 指導教師評語 : 建議成績： 指導教師（簽字）： 年 月 日 東北林業(yè)大學畢業(yè)論文評審意見表 畢業(yè)論文題目 學生 姓名 專業(yè)班級 評閱人評語 : 建議成績： 評閱人（姓名、職稱） : 年 月 日 東北林業(yè)大學畢業(yè)論文評審意見表 畢業(yè)論文題目 學生姓名 專業(yè)班級 評閱人評語 : 建議成績： 評閱人（姓名、職稱） : 年 月 日 答辯委員會意見 : 答辯委員會 (教師姓名、職稱 )： 畢業(yè)論文成績：