【正文】 惰性區(qū)傳遞函數(shù)我們采用文獻(xiàn)[17][19][24]的近似方法用來代替。仿真時(shí)把兩個(gè)控制方案加以比較，可以進(jìn)一步說明采用BP神經(jīng)網(wǎng)絡(luò)PID控制的優(yōu)勢(shì)所在。在負(fù)荷為37%時(shí),導(dǎo)前區(qū)為:，而惰性區(qū)的傳遞函數(shù)為:，其仿真曲線如下：圖47 負(fù)荷為37%時(shí)串級(jí)控制和BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖中虛線代表串級(jí)控制下的階躍響應(yīng)曲線，實(shí)線代表BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖48 負(fù)荷為37%時(shí)BP神經(jīng)PID控制下的誤差曲線圖49 負(fù)荷為37%時(shí)BP神經(jīng)PID控制下的3個(gè)參數(shù)變化曲線在負(fù)荷為50%時(shí),導(dǎo)前區(qū)為: ,而惰性區(qū)的傳遞函數(shù)為，其仿真曲線如下：圖410 負(fù)荷為50%時(shí)串級(jí)控制和BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖中虛線代表串級(jí)控制下的階躍響應(yīng)曲線，實(shí)線代表BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖411 負(fù)荷為50%時(shí)BP神經(jīng)PID控制下的誤差曲線圖412負(fù)荷為50%時(shí)BP神經(jīng)PID控制下的3個(gè)參數(shù)變化曲線負(fù)荷為75%時(shí),導(dǎo)前區(qū)為:，而惰性區(qū)的傳遞函數(shù)為:，其仿真曲線如下：圖413負(fù)荷為75%時(shí)串級(jí)控制和BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖中虛線代表串級(jí)控制下的階躍響應(yīng)曲線，實(shí)線代表BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖414 負(fù)荷為75%時(shí)BP神經(jīng)PID控制下的誤差曲線圖415負(fù)荷為75%時(shí)BP神經(jīng)PID控制下的3個(gè)參數(shù)變化曲線在負(fù)荷為100%時(shí),導(dǎo)前區(qū)為: ,而惰性區(qū)的傳遞函數(shù)為。 圖416負(fù)荷為100%時(shí)串級(jí)控制和BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖中虛線代表串級(jí)控制下的階躍響應(yīng)曲線，實(shí)線代表BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖417 負(fù)荷為100%時(shí)BP神經(jīng)PID控制下的誤差曲線圖418 負(fù)荷為100%時(shí)BP神經(jīng)PID控制下的3個(gè)參數(shù)變化曲線仿真結(jié)果分析如下：負(fù)荷方案調(diào)節(jié)時(shí)間(s)超調(diào)量37%串級(jí)控制170076%BP神經(jīng)PID控制75015%50%串級(jí)控制110065%BP神經(jīng)PID控制5507%75%串級(jí)控制65043%BP神經(jīng)PID控制4804%100%串級(jí)控制48021%BP神經(jīng)PID控制4802%從以上仿真結(jié)果分析，基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制能依據(jù)被控對(duì)象的變化自適應(yīng)的調(diào)整PID的三個(gè)參數(shù)，依據(jù)一定的最優(yōu)準(zhǔn)則以求滿足不同負(fù)荷下的控制要求。在不同負(fù)荷下，也即從鍋爐的啟動(dòng)到穩(wěn)定運(yùn)行的整個(gè)過程，都可以實(shí)現(xiàn)較好的控制。調(diào)節(jié)時(shí)間段，超調(diào)量小。當(dāng)負(fù)荷為100%變化時(shí)，基于BP神經(jīng)網(wǎng)絡(luò)的PID控制與串級(jí)控制的調(diào)節(jié)時(shí)間相近。但是超調(diào)量卻明顯優(yōu)于串級(jí)控制，當(dāng)負(fù)荷比較低時(shí)，串級(jí)控制的效果極差，而基于BP神經(jīng)網(wǎng)絡(luò)的PID控制仍然有比較好的控制效果。 本章總結(jié)本章首先描繪了鍋爐主汽溫的控制任務(wù)和被控對(duì)象的動(dòng)態(tài)特性，然后分別采用串級(jí)和基于BP神經(jīng)網(wǎng)絡(luò)的PID對(duì)主汽溫進(jìn)行控制，并在MATLAB上進(jìn)行仿真分析，仿真結(jié)果表明，本文所采用的控制策略能對(duì)具有大慣性，大遲延的對(duì)象取得比較好的控制性能。結(jié)論與展望人工神經(jīng)網(wǎng)絡(luò)理論是近十幾年速發(fā)展起來的一門新興學(xué)科。由于其獨(dú)特的特性，己應(yīng)用于控制、信號(hào)分析、音處理等多個(gè)領(lǐng)域中。在控制領(lǐng)域中，神經(jīng)網(wǎng)絡(luò)由于其具有強(qiáng)的非線性映射能自學(xué)習(xí)適應(yīng)能力、聯(lián)想記憶能力、并行信息處理方式及其優(yōu)良的容錯(cuò)性能，不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理、存儲(chǔ)和檢索功能。這些特得神經(jīng)網(wǎng)絡(luò)非常適合于復(fù)雜系統(tǒng)的控制。特別是當(dāng)系統(tǒng)存在不確定性因時(shí)，更能體現(xiàn)神經(jīng)網(wǎng)絡(luò)方法的優(yōu)越性。這些都很適合于控制系統(tǒng)中的非線性系的控制。本文針對(duì)在控制領(lǐng)域中應(yīng)用最廣泛的一類控制一PID控制在現(xiàn)代控求越來越高的情況下，由于常規(guī)PID控制自身的缺陷，在許多場(chǎng)合已經(jīng)不能再好的滿足控制性能要求的情況下，研究了改進(jìn)型的基于神經(jīng)網(wǎng)絡(luò)的PID控制器，其中主要結(jié)論如下：（1）.提出了基于BP算法的神經(jīng)網(wǎng)絡(luò)自整定PID控制器。BP神經(jīng)網(wǎng)絡(luò)其具有逼近任非線性函數(shù)的能力，而且結(jié)構(gòu)和學(xué)習(xí)算法簡(jiǎn)單明確，通過BP神經(jīng)網(wǎng)絡(luò)自身的學(xué)可以找到某一最優(yōu)控制律下的P，I，D參數(shù)。（2）.利用MATLAB對(duì)大遲延大慣性的鍋爐主汽溫系統(tǒng)仿真，從仿真結(jié)果看，神經(jīng)PID不依賴于被控對(duì)象的模型，在對(duì)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。傳統(tǒng)PID控制依賴于被控對(duì)象的動(dòng)態(tài)特性，一旦對(duì)象的動(dòng)態(tài)特性改變，則原來的PID參數(shù)就不在適合，如果仍然采用，則控制性能就會(huì)非常差。盡管基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制具有優(yōu)良的控制性能，但是也存在一些不足。基于PID的控制理論還涉及到多個(gè)學(xué)科的關(guān)鍵技術(shù)，同時(shí)由于時(shí)間倉促加上本人剛剛涉及這一領(lǐng)域，許多重要的研究?jī)?nèi)容尚未涉及，有些雖進(jìn)行了研究但深度不夠。因此還存在局限性，需要進(jìn)一步的研究和完善。 （1）主要是在應(yīng)用神經(jīng)網(wǎng)絡(luò)的BP算法對(duì)系統(tǒng)進(jìn)行仿真時(shí)由于算法的收斂速度慢，在進(jìn)行系統(tǒng)訓(xùn)練時(shí)所花的時(shí)間過長(zhǎng)，這不利于系統(tǒng)的快速響應(yīng)。 （2）網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)，即隱層節(jié)點(diǎn)數(shù)的選擇，目前尚無理論指導(dǎo)，靠經(jīng)驗(yàn)不斷試驗(yàn)。（3）新加入的樣本會(huì)影響到已經(jīng)學(xué)好的樣本。展望今后的工作，在現(xiàn)有工作的基礎(chǔ)上，還有很多的工作需要進(jìn)一步深入，有必要再對(duì)本算法做進(jìn)一步的改進(jìn)，主要有:（1）對(duì)BP算法的改進(jìn)。梯度下降法的不足，是使BP算法收斂速度慢的原因，為此可提出一些改進(jìn)的算法，如變步長(zhǎng)學(xué)習(xí)等。（2）對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，應(yīng)用其他性能更加優(yōu)良的網(wǎng)絡(luò)結(jié)構(gòu)來實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程，例如應(yīng)用RBF網(wǎng)絡(luò)結(jié)構(gòu)、小腦模型網(wǎng)絡(luò)等來進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，或者利用其他具有反饋結(jié)構(gòu)的如:連續(xù)型Hopfield網(wǎng)絡(luò)、局部遞歸型神經(jīng)網(wǎng)絡(luò)等進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，從而改善利用BP網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)時(shí)的缺點(diǎn)。這是在應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行PID控制中的一個(gè)很有意義的研究方向。總之，本次論文雖然取得了一定成果，但在很多方面還只是探討性工作，在深度和廣度上還存在許多不足之處，懇請(qǐng)各位老師批評(píng)指正。參 考 文 獻(xiàn)[1] 蔡自興,陳海燕. 智能控制工程研究的進(jìn)展[J]. 控制工程, 2003，10（1）：13.[2] Antsaklis P J. Neural Networks in Control Systems[J]. IEEE Control System Magazine (Special Section on Neural Networks for Systemsand Control), 1990： 35.[3] [M]，上海:復(fù)旦大學(xué)出版社, 1993：610.[4] [M]. 北京：電子工業(yè)出版社，：158.[5] 劉金琨. 智能控制[M]. 北京：電子工業(yè)出版社, ：185187.[6] 陶永華. 新型PID控制及其應(yīng)用[M]. 北京：機(jī)械工業(yè)出版社, 1998：158160.[7] 李士勇. 模糊控制神經(jīng)控制和智能控制論[M]. 哈爾濱工業(yè)大學(xué)出版社, 1996：412413.[8] 易繼鍇，侯媛彬. 智能控制技術(shù)[M]. 北京工業(yè)大學(xué)出版社, 1999：126—127.[9] 張建民. 智能控制原理及應(yīng)用[M]. 北京：冶金工業(yè)出版社, 2003：136137.[10] 徐安. 微型計(jì)算機(jī)控制技術(shù)[M]. 北京：科學(xué)出版社, ：231235.[11] 胡守仁，沈 清. 神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)[M]. 國防科技大學(xué)出版社, 1993：168169.[12] 蔡自興. 智能控制 基礎(chǔ)與應(yīng)用. 北京：國防工業(yè)出版社, 1998：203207.[13] 喻宗泉 [M]. 西安：電子科技大學(xué)出版社，2009:135146.[14] 劉金琨．先進(jìn)PID控制及其MATLAB仿真[M]．北京：電子工業(yè)出版社,2004：8798.[15] 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(xué)院學(xué)報(bào)，1998,10（1）：4549[16] 程啟明,陳　剛,王勇浩，電廠過熱汽溫神經(jīng)PID控制系統(tǒng)的仿真研究[J]. 上海電力學(xué)院學(xué)報(bào)，2005，21(2):3841 .[17] —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 . [18] 王亞斌. 基于BP神經(jīng)網(wǎng)絡(luò)PID控制及其仿真[J]. 江蘇冶金報(bào),2008,36（2）：3325.[19] 劉春艷. 基于遺傳算法一BP神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng)的研究[D]. 太原理工大學(xué)碩士研究生學(xué)位論文,2006.[20] 馬平，朱燕飛，牛征. 基于神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng)[J].2001, 28(2),5255.[21] 葛哲飛，孫志強(qiáng). 神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，:1131.[22] 薛　陽,葉建華,錢　虹等. 火電機(jī)組過熱汽溫神經(jīng)網(wǎng)絡(luò)控制的研究[J]. 上海電力學(xué)院學(xué)報(bào)，2009,25（1）：3338.[23] 董長(zhǎng)虹．MATLB神經(jīng)網(wǎng)絡(luò)與應(yīng)用（第二版）．北京：國防工業(yè)出版社．2007，9:64106.[24] [D].華北電力大學(xué)，2003.[25] ， controlles:recent tuning methods and design to specification[C].IEEE Proceeedings control theory and application 2002，149(l):46一53.[26] Antsaklis P J. Neural Networks in Control Systems[J]. IEEE Control System Magazine (Special Section on Neural Networks for Systemsand Control), 1990： 35 .[27] ChikMa Harnold and Kwang Y. Lee. FreeModel Based Neural Networks for a BoilerTurbine Plant [J]. 2000： 35.致 謝本學(xué)位論文是在我的導(dǎo)師張建華教授的精心指導(dǎo)和悉心關(guān)懷下完成的，從論文的材料收集到最后的定稿，處處都傾注著張老師的心血智慧以及對(duì)學(xué)生的關(guān)懷。在平時(shí)的生活、學(xué)業(yè)中張老師也給予我莫大的幫助和無微不至的關(guān)懷。張老師學(xué)識(shí)淵博，治學(xué)嚴(yán)謹(jǐn)，其積極、樂觀、豁達(dá)的人生、治學(xué)態(tài)度使我終身受益。在此我要向我的輔導(dǎo)老師致以最衷心的感謝和深深的敬意!同時(shí)也感謝四年來教過我的各位老師，是老師們付出的辛勤勞動(dòng)，才塑造了我的專業(yè)素養(yǎng)、培養(yǎng)了我的專業(yè)技能，在此表示崇高的敬意和真摯的感謝！ 整個(gè)學(xué)習(xí)期間，得到了舍友和同學(xué)們的多方支持與鼓勵(lì)。幾年來，大家和睦相處、親如兄弟，如今，我們即將各奔東西，但愿這分深厚的友誼能地久天長(zhǎng)。在此感謝他們的陪伴和幫助。 也衷心感謝在百忙之中評(píng)閱我的論文和參加答辯的各位專家和教授。學(xué)生：郝玉春2010