【正文】 u_4=u_3。 end d_wi=xite*delta239。 end end wo=wo_1+d_wo+alfa*(wo_1wo_2)。 end dyu(k)=sign((yout(k)y_1)/(u(k)u_1+))。 du(k)=Kpid*epid。 %輸出層輸出， Getting kp,ki,kd 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 29 end kp(k)=K(1)。 I=xi*wi39。 x(3)=error(k)2*error_1+error_2。%對象輸出差分方程 error(k)=rin(k)yout(k)。 e_1=0。)。inputdelay39。 %參考輸入（階躍） %控制對象 K=1。 error_1=0。y_3=0。u_4=0。 x=[0,0,0]。 %初始化輸出層權(quán)值 %wo=*rands(Out,H)。wi_3=wi。 ]。%神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 453 wi=[ 。 %慣性系數(shù) alfa=。)。 legend(39。)。linewidth39。r39。 從最終的仿真結(jié)果可以得出，采用傳統(tǒng) PID 控制算法的響應(yīng)曲線震蕩太明顯，過渡時(shí)間較長，超調(diào)量較大；而采用 BP 神經(jīng)網(wǎng)絡(luò)控制算法的響應(yīng)曲線，系統(tǒng)無震蕩，過渡時(shí)間相比來說很短，且無超調(diào)，最先得到了穩(wěn)定輸出，可以看出其控制效果明顯優(yōu)于傳統(tǒng)的 PID 控制算法。相對于傳統(tǒng)的 PID 控制器，神經(jīng)網(wǎng)絡(luò) PID 控制器具有更好的控制效果，適應(yīng)性和 容錯(cuò)能力 。常規(guī) PID 控制系統(tǒng)在控制一個(gè)過程對象前，必須要整定 PID 的三個(gè)參數(shù)，包括比例增益、積分時(shí)間、微分時(shí)間，且 整定計(jì)算好后，在整個(gè)控制過程中都是固定不變的。 BP 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)優(yōu)于常規(guī) PID 控制系統(tǒng)主要在于： (1)達(dá)到穩(wěn)定的過渡過程時(shí)問和上升時(shí)間短。PID 參數(shù)的改變影響 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器的輸出，從而影響被控對象的輸出。加權(quán)系數(shù)取區(qū)間 [,]上的隨機(jī)數(shù) [26]。 圖 41 常用鍋爐結(jié)構(gòu)圖 經(jīng)過長期的應(yīng)用實(shí)踐， 以蒸發(fā)量為 2t/h，穩(wěn)定蒸汽壓力為 的船用小型燃油蒸汽鍋爐為控制對象。 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 18 第 4章 神經(jīng)網(wǎng)絡(luò) PID 在鍋爐蒸汽壓力中的應(yīng)用 鍋爐蒸汽壓 力數(shù)學(xué)模型 蒸汽系統(tǒng)是鍋爐仿真中的核心部分，它的建模涉及一些對汽機(jī)和鍋爐安全運(yùn)行至關(guān)重要的監(jiān)控參數(shù)，如汽包的壓力、水位等。 控制器由兩部分組成： ①參數(shù)可調(diào)的 PID 控制器，直接對被控對象進(jìn)行閉環(huán)控制； ②神經(jīng)網(wǎng)絡(luò) NN，根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，實(shí)現(xiàn)自適應(yīng)算法，調(diào)節(jié) PID 控制器的參數(shù)以達(dá)到某種性能指標(biāo)的最優(yōu)化要求 [22]。 這種控制方式在結(jié)構(gòu)上不再明顯包含 PID 控制器，而是將神經(jīng)網(wǎng)絡(luò)和 PID 控制規(guī)律融為一體，將誤差信號的比例、積分、微分運(yùn)算和 PID 參數(shù)的自適應(yīng)整定在一個(gè)前向神經(jīng)網(wǎng)絡(luò)中完成 [21]。 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 16 BP 神經(jīng)網(wǎng)絡(luò) PID 控制器設(shè)計(jì) 介紹了單神經(jīng)元 PID 控制器，即在常規(guī) PID 控制器的基礎(chǔ)上增加一個(gè)或多個(gè)神經(jīng)網(wǎng)絡(luò)，用神經(jīng)網(wǎng)絡(luò)在線調(diào)整 PID 參數(shù)。這些方法在一定程度上提高了 PID 控制器的性能，但這些方案一般是針對某些具體問題，缺乏通用性，附加的結(jié)構(gòu)和算法也增加了控制器的復(fù)雜性，使它們的廣泛應(yīng)用受到限制。 人工神經(jīng) 網(wǎng)絡(luò)和 PID 控制的 結(jié)合 由上節(jié)的簡要介紹我們得知： PID 控制器的設(shè)計(jì)關(guān)鍵是如何確定比例、積分 和微分系數(shù)，但這些參數(shù)整定中的困難又使 PID 控制器的應(yīng)用受到限制。 PID 三個(gè)參數(shù)選擇的好壞，直接影響到控制效果的好壞。在設(shè)計(jì)控制系統(tǒng)的過程中人們主要關(guān)心的問題是“設(shè)定值跟蹤特性 和“干擾抑制特性’’，而傳統(tǒng)的 PID 控制器只能通過整定一組 PID 參數(shù)來滿足一個(gè)方面的要求。 首先，傳統(tǒng) PID 無自適應(yīng)能力。 PID 參數(shù)（ PK ， IK ， DK )可以根據(jù)過程動態(tài)特性及時(shí)調(diào)整。 PID 控制器的原理及其特點(diǎn) ① PID 控制器的原理 PID 控制系統(tǒng)的結(jié)構(gòu)圖如圖 31 所示： 比 例微 分積 分 對 象r ( t ) e ( t ) u ( t ) y ( t ) 圖 31 PID 控制系統(tǒng) 結(jié)構(gòu)圖 給定值 )(tr 與實(shí)際輸出值 )(ty 構(gòu)成控制偏差： )()()( tytrte ?? （ 31） 將偏差 te 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(jìn)行控制，其控制規(guī)律為： dt tdeTdtteTteKtu DtIP )()(1)([)( 0 ??? ? dt tdeKteKteK DtIp )()()( 0? ??? （ 32） 寫成傳遞函數(shù)形式： ]11[)( )()( sTTsKsE sUsG DP ???? （ 33） 其中， pT —— 比例系數(shù)； IT —— 積分時(shí)間常數(shù)； 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 14 DT —— 微分時(shí)間常數(shù)； PID 控制效果的好壞在很大程度上取決于系統(tǒng)參數(shù)的整定，即控制器參數(shù)的選擇，簡單說來， PID 控制器各校正環(huán)節(jié)的作用如下： (1)比例環(huán)節(jié) 比例環(huán)節(jié)能成比例地反映控制系統(tǒng)的偏差信號 )(terror ，偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用，減少偏差。所以說， BP 網(wǎng)絡(luò)是一個(gè)有導(dǎo)師的學(xué)習(xí)過程。 BP 網(wǎng)絡(luò)的學(xué)習(xí)過程由正向和反向傳 播兩部分構(gòu)成。 常見的學(xué)習(xí)規(guī)則為： (1)無監(jiān)督 Hebb 學(xué)習(xí)規(guī)則 Hebb 學(xué)習(xí)規(guī)則是一類相關(guān)學(xué)習(xí)，它的基本思想是：如果兩個(gè)神經(jīng)元同時(shí)被激活，則它們之 間的連接強(qiáng)度的增強(qiáng)與它們激勵(lì)的乘積成正比。學(xué)習(xí)規(guī)則可以分為兩類：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。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[11]。 ijku......輸 入 層隱 含 層 輸 出 層 圖 26 多層前饋網(wǎng)絡(luò)結(jié)構(gòu) BP 學(xué)習(xí)算法的計(jì)算公式及流程圖 設(shè) BP 神經(jīng)網(wǎng)絡(luò)為三層網(wǎng)絡(luò)，輸入神經(jīng)元以 i 編號，隱含層神經(jīng)元以 j 編號，輸出層神經(jīng)元以 k 編號，計(jì)算公式如下： 隱含層第 j 個(gè)神經(jīng)元的輸入為： ??i iijj ow （ 26） 第 j 個(gè)神經(jīng)元的輸出為： 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 9 )( jj go ? （ 27） 輸出層第 k 個(gè)神經(jīng)元的輸入為： ??j jkjk ow （ 28） 相應(yīng)的輸出為： )( kk go ? （ 29） 式中， g —— s 函數(shù)，有： )(1 1)( ????? xexg （ 210） 式中， ? —— 閥值或偏置值 , 0?? ，則使 S 曲線沿橫坐標(biāo)左移，反之則右移。 BP 神經(jīng)網(wǎng)絡(luò) BP 神經(jīng)網(wǎng)路概述 Rumelhart 和 與 1986 年提出了多層網(wǎng)絡(luò)的誤差反向傳播算法（ Error BackPropagation Training），即 BP 算法，系統(tǒng)解決了多層網(wǎng)絡(luò)中隱含單元的連接權(quán)問題，預(yù)示著 BP 網(wǎng)絡(luò)的出現(xiàn) [9]。 ∑ ?w 1w j w nu 1u ju n ..xf ( x )w 0 μ 0 = 1y. 圖 24 單層感知器模型 感知器的輸出為： ? ?? ???? nj nj jjjj uwfuwfy 1 0 )()( ? （ 25） 其中， ju 為感知器的第 j 個(gè)輸入； ???0w （閥值）； 10?u 。 )0x 1 x 2x 3..w 1 圖 23 通用神經(jīng)元模型 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 7 感知器模型 感知器（ Perception）是模擬人的視覺，接收環(huán)境信息，并由神經(jīng)沖動進(jìn)行信息傳遞的神經(jīng)網(wǎng)絡(luò)。(u 是一個(gè)多輸入單輸出的函數(shù) ),( ?wxuu ? ；激活函數(shù)的作用是對基函數(shù)輸出 u 進(jìn)行“擠壓”： )(ufy? ，即通過非線性函數(shù) )(u 和 ) 一般的神經(jīng)元模型 MP 模型過于簡單，且權(quán)值不能學(xué)習(xí)，因此實(shí)際上需要更復(fù)雜、靈活性更高的神經(jīng)元模型。 MP 模型是一個(gè)多 輸入單輸出的非線性處理單元，示意圖如圖 22 所示。 Hopfield網(wǎng)絡(luò)和 Boftzmann機(jī)都屬于這一類網(wǎng)絡(luò)。很多自組織網(wǎng)絡(luò)屬于這種類型。感知器就屬于這種網(wǎng)絡(luò)類型。激活函數(shù)可以 是線性的江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 5 也可以是非線性的。 nkw 為神經(jīng)元 k 的連接權(quán)值，kb 為閥值， ky 為神經(jīng)元 k 的輸出。 人工神經(jīng)元一般是一個(gè)多輸 入 /單輸出的非線性器件，其結(jié)構(gòu)模型如圖 21 所示。由于神經(jīng)網(wǎng)絡(luò)由大量簡單計(jì)算單元組成，因而易于用軟硬件來實(shí)現(xiàn) [5]。 仿真 實(shí)現(xiàn)傳統(tǒng)PID 控制算法和神經(jīng)網(wǎng)絡(luò) PID 控制算法對控制對象模型的控制，并繪制仿真 曲線圖。 第 二章 神經(jīng)網(wǎng)絡(luò)概述，本章簡要介紹了幾種主要的人工神經(jīng)網(wǎng)絡(luò)模型及工作原理、作用函數(shù)和學(xué)習(xí)方法，包括： MP 模型、單神經(jīng)元模型、感知器模型和 BP 神經(jīng)網(wǎng)絡(luò)模型。利用 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，基于 BP 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì) PID 控制器，改善系統(tǒng)的控制性能，無論在理論還是實(shí)踐上都具有重要意義。顯然，這可以用到機(jī)器人的攝像機(jī)控制上，而且還可以應(yīng)用到諸如火炮之類的武器系統(tǒng)中去。 （ 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。在金融、銀行、保險(xiǎn)行業(yè)的應(yīng)用主要是進(jìn)行顧客群體特征分析、市場研究消費(fèi)傾向分析等。 Rumelhart 等人最重要的貢獻(xiàn)是提出了適用于多層神經(jīng)網(wǎng)絡(luò)模型的誤差反向傳播江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 2 （ Error BackPropagation, BP），該方法將學(xué)習(xí)結(jié)果反饋到中間層的隱含節(jié)點(diǎn)中，解決了多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)問題。 從某種意義上說，人工神經(jīng)網(wǎng)絡(luò)、并行分布處理和神經(jīng)計(jì)算機(jī)是統(tǒng)一的概念。 神經(jīng)網(wǎng)絡(luò) PID 控制系統(tǒng)是基于實(shí)際操作中多次測試得到的鍋爐主蒸汽壓力數(shù)學(xué)模型，集自動化儀表技術(shù)、計(jì)算機(jī)技術(shù)和自動控制技術(shù)為一體的仿真系統(tǒng)。由于其特殊的工作環(huán)境，相對普通電站蒸汽系統(tǒng)而 言，船舶蒸汽動力系統(tǒng)具有慣性小、動態(tài)過程變化大、各子系統(tǒng)的關(guān)聯(lián)和制約因素多等特點(diǎn)。一個(gè) 先進(jìn)的、易于應(yīng)用的控制算法的出現(xiàn)會對工業(yè)生產(chǎn)產(chǎn)生巨大的推動作用。 BP 神經(jīng)網(wǎng)絡(luò)結(jié)合傳統(tǒng) PID 控制方法在鍋爐蒸汽壓力中的應(yīng)用，取得了良好的控制效果。 四、主要參考資料（包括書刊名稱、出版年月等） : . 面向 MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用（第 3 版） . 合肥：中國科學(xué)技術(shù)大學(xué)出版社， 2020 .先進(jìn) PID 控制 MATLAB 仿真 (第 2 版 ). 北京：電子工業(yè)出版社， 2020 ，金太東 . BPPID 在鍋爐蒸汽壓力控制中的應(yīng)用 . 武漢工程大學(xué)學(xué)報(bào)， 2020， 31(7)： 9194 . BP 神經(jīng)網(wǎng)絡(luò) PID 控制 (碩士論文 ). 華東師范大學(xué)，2020 . BP 神經(jīng)網(wǎng)絡(luò) PID 在三容系統(tǒng)中的控制研究 (碩士論文 ). 合肥工業(yè)大學(xué)， 2020 系 (教研室 )主任： （簽章） 年 月 日 學(xué)院主管領(lǐng)導(dǎo)： （簽章 ） 年 月 日 江蘇科技大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） I 摘 要 船用 鍋爐主蒸汽壓力調(diào)節(jié)對象含有大慣性、大滯后環(huán)節(jié)， 而 常規(guī) PID 控制方法不具備自適應(yīng)能力，所以 很難滿足實(shí)際的控制要求。 4月 23日 ～ 5月 10日 完成 BP 網(wǎng)絡(luò)的 PID控制的仿真程序。 二、 完成后應(yīng)交的作業(yè)（包括各種說明書、圖紙等） 1．符合要求的開題報(bào)告以及英文翻譯資料； 2．用 Matlab 軟件實(shí)現(xiàn)基于 BP 網(wǎng)絡(luò)的 PID控制器對鍋爐蒸汽壓力的控制； 3．提供原程