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-資料下載頁
2025-06-19 15:42本頁面
【正文】 真基于BP神經(jīng)網(wǎng)路的主汽溫控制框圖如圖47所示：圖47 基于BP神經(jīng)網(wǎng)路的主汽溫控制框圖如上圖，主蒸汽溫度的導前區(qū)數(shù)學模型為: 在負荷為100%時,導前區(qū)為: ,而惰性區(qū)的傳遞函數(shù)為，也可近似為。48 負荷為100%時BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖49 負荷為100%時BP神經(jīng)PID控制下的誤差曲線圖410 負荷為100%時BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖411 負荷為100%時BP神經(jīng)PID控制下的參數(shù)變化曲線 結(jié)論常規(guī)PID控制系統(tǒng)在控制一個過程對象前，必須要整定PID的三個參數(shù)，包括比例增益、積分時間、微分時間，且整定計算好后，在整個控制過程中都是固定不變的。而實際的工業(yè)控制中，常規(guī)PID控制系統(tǒng)很容易發(fā)生振蕩，就使系統(tǒng)很難在較短的時間里達到最佳的控制效果。但是BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)由于P1D參數(shù)的在線整定，能夠很快適應(yīng)系統(tǒng)參數(shù)等發(fā)生的變化，從而可以較好的跟蹤給定值。本文重點介紹了BP神經(jīng)網(wǎng)絡(luò)PID控制器的控制原理和學習規(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。同時，從以上仿真結(jié)果可以看出：基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制能依據(jù)被控對象的變化自適應(yīng)的調(diào)整PID的三個參數(shù)，依據(jù)一定的最優(yōu)準則以求滿足不同負荷下的控制要求。在不同負荷下，也即從鍋爐的啟動到穩(wěn)定運行的整個過程，都可以保證系統(tǒng)的穩(wěn)定性，且隨著負荷逐漸接近額定負荷，控制效果越來越好，當滿負荷運行時，該策略對于大遲延的主汽溫系統(tǒng)取得了良好的控制性能。 參考文獻[1] 湯同奎，邵惠鶴. 神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用[J]. 江蘇石油化工學院學報，1998,10（1）：4549[2] 王新亞. 基于MEA—BP神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng)的研究[J] . 山西焦煤科技,2009，（3）： 1315 [3] 王亞斌. 基于BP神經(jīng)網(wǎng)絡(luò)PID控制及其仿真[J]. 江蘇冶報,2008,36（2）：3325 [4] 薛 陽,葉建華,錢 虹等. 火電機組過熱汽溫神經(jīng)網(wǎng)絡(luò)控制的研究[J]. 上海電力學院學報，2009,25（1）：3338[5] 蔡自興,陳海燕. 智能控制工程研究的進展[J]. 控制工程, 2003，10（1）：13[6] Antsaklis P J. Neural Networks in Control Systems[J]. IEEE Control System Magazine (Special Section on Neural Networks for Systemsand Control), 1990： 35[7] John 0. Moody and Panos . Neural Network Construction and Rapid Learning for System Identification. Department of Electrical EngineeringUniversity of Notre Dame Notre Dame, IN 46556[8] 王萬召，王增欣. BP神經(jīng)網(wǎng)絡(luò)PID控制器在汽溫控制中的應(yīng)用. 自動化儀表 ，2006，27(12)[9] 尚福海. 神經(jīng)網(wǎng)絡(luò)模型建立. 哈爾濱工程大學. 2006[10] 于希寧. 分段串級汽溫控制系統(tǒng)性能分析與仿真研究. 華北電力大學. 2010[11] 郁云，魏瑾. 鍋爐生產(chǎn)過程的神經(jīng)網(wǎng)絡(luò)建模方法研究. 計算機工程應(yīng)用技術(shù). 2008[12] Visakha K. NANAYAKKARA, Yasuyuki IKEGAMIt, Haruo UEHARA. Graduate School of Science and Engineering, Laboratory of Ocean Thermal Energy Conversion,Faculty of Science and Engineering,Saga University, 1Honjomachi, Saga 8408502, Japan. IEEE. 2001[13] 黃 宇, 韓 璞, 王東風,張 婧. 基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制在過熱汽溫系統(tǒng)中的應(yīng)用. 華北電力大學自動化系[14] 牛培峰， 張密哲等. 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制在鍋爐過熱汽溫控制中的應(yīng)用. 動力工程學報. 2011, 31(2)[15] 傅志中, 梁 峰. 神經(jīng)網(wǎng)絡(luò)自學習PID控制器的研究. 動力工程學報. 2004,24(3)[16] 周光明，馬永光. 神經(jīng)網(wǎng)絡(luò)在火電廠過熱蒸汽溫度控制系統(tǒng)中的應(yīng)用. 儀器儀表. 2005[17] KUANG Hang. A Neural Networkbased Steam Temperature Control System. Chongqing Education College, Chongqing, 400067[18] 周洪煜, 高鵬飛等. 基于神經(jīng)網(wǎng)絡(luò)的過熱汽溫控制. 《微計算機信息》(測控自動化). 2010,26(61)[19] 趙敏. 基于神經(jīng)網(wǎng)絡(luò)的電廠鍋爐燃燒系統(tǒng)建模及優(yōu)化研究. 浙江大學電氣工程學院. 2010[20] 陳伯芳, 尹平林, 馬 龍. 基于模糊神經(jīng)網(wǎng)絡(luò)的溫度控制系統(tǒng)研究. 計算機與數(shù)字工程. 2010:5457[21] 李仙. 基于模糊神經(jīng)網(wǎng)絡(luò)的鍋爐汽包水位控制研究. 重慶大學碩士學位論文. 2007[22] 吳小亮. 基于模糊神經(jīng)網(wǎng)絡(luò)的鍋爐汽包水位控制器的設(shè)計. 西安科技大學碩士論文. 2007網(wǎng) 址共 25 頁 第 25 頁
研究報告相關(guān)推薦
鄂ICP備17016276號-1