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-wenkub.com
2025-06-16 15:42 本頁(yè)面
【正文】 同時(shí)，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(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。48 負(fù)荷為100%時(shí)BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖49 負(fù)荷為100%時(shí)BP神經(jīng)PID控制下的誤差曲線圖410 負(fù)荷為100%時(shí)BP神經(jīng)PID控制下的階躍響應(yīng)曲線圖411 負(fù)荷為100%時(shí)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(gè)過(guò)程對(duì)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(guò)程中都是固定不變的。傳統(tǒng)的控制都需要人工整定PID，且要求對(duì)象模型精確，改進(jìn)后加入神經(jīng)網(wǎng)絡(luò)的控制方案如下圖，把常規(guī)PID控制器用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)如圖46所示： 圖46直流鍋爐過(guò)熱汽溫NN控制方框圖圖中，分別為控制系統(tǒng)對(duì)象的導(dǎo)前區(qū)和惰性區(qū)的傳遞函數(shù)，K 為執(zhí)行器近似傳遞函數(shù)。其傳遞函數(shù)由兩點(diǎn)法可以通過(guò)實(shí)驗(yàn)測(cè)得。汽溫過(guò)高，會(huì)燒毀過(guò)熱器的高溫段；汽溫過(guò)低也不行，汽溫每降5度，熱經(jīng)濟(jì)性下降百分之一，汽溫偏低會(huì)使汽機(jī)尾部蒸汽濕度增大甚至帶水，嚴(yán)重影響汽機(jī)的安全運(yùn)行。另外，過(guò)熱汽溫的降低還會(huì)導(dǎo)致汽輪機(jī)高壓級(jí)部分蒸汽的焓值減小，引起反動(dòng)度增大，軸向推力增大，也對(duì)汽輪機(jī)安全運(yùn)行帶來(lái)不利的影響?，F(xiàn)代鍋爐的過(guò)熱器是在高溫、高壓的條件下工作的，過(guò)熱器出口的過(guò)熱蒸汽溫度是機(jī)組整個(gè)汽水行程中工質(zhì)溫度的最高點(diǎn)，也是金屬壁溫的最高處。 BP神經(jīng)網(wǎng)絡(luò)的PID控制神經(jīng)網(wǎng)絡(luò)PID控制，根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，調(diào)節(jié)PID控制器的參數(shù)，以其達(dá)到某種性能指標(biāo)的最優(yōu)化，即使輸出層神經(jīng)元的輸出狀態(tài)對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)、通過(guò)神經(jīng)網(wǎng)絡(luò)的自身學(xué)習(xí)、加權(quán)系數(shù)調(diào)整，從而使其穩(wěn)定狀態(tài)對(duì)應(yīng)于某種最優(yōu)控制規(guī)律下的PID的控制器參數(shù)。 第3章 神經(jīng)網(wǎng)絡(luò)PID控制器的設(shè)計(jì)PID控制要取得好的控制效果，就必須通過(guò)調(diào)整好比例、積分和微分三種控制作用在形成控制量中相互配合又相互制約的關(guān)系，這種關(guān)系不一定是簡(jiǎn)單的“線性組合”，而是從變化無(wú)窮的非線性組合中找出最佳的關(guān)系。正向傳播過(guò)程中，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元結(jié)構(gòu)，如果輸出層不能得到期望輸出，即期望輸出與實(shí)際輸出之間存在誤差時(shí)，就轉(zhuǎn)向反向傳播。以表示單元的激活值，表示單元的激活值，表示單元到單元的激活值，則學(xué)習(xí)規(guī)則可用下式表示： （215） 其中，為學(xué)習(xí)速率，該公式表明兩神經(jīng)元之間連接權(quán)的變化量與它們的激活值相關(guān)。有監(jiān)督學(xué)習(xí)就是通過(guò)外部教師信號(hào)進(jìn)行學(xué)習(xí)，即要求同時(shí)給出輸入和正確的期望輸出的模式對(duì)，當(dāng)實(shí)際輸出結(jié)果與期望輸出有誤差時(shí)，網(wǎng)絡(luò)將通過(guò)自動(dòng)機(jī)制調(diào)節(jié)相應(yīng)的連接強(qiáng)度，使之向減少誤差的方向改變，經(jīng)過(guò)多次反復(fù)訓(xùn)練，最后與正確的結(jié)果相符合。 圖24 BP網(wǎng)絡(luò)梯度下降學(xué)習(xí)算法BP網(wǎng)絡(luò)的學(xué)習(xí)算法的步驟歸納如下：①?gòu)挠?xùn)練樣本集中取某一樣本，把它的輸入信息輸入到網(wǎng)絡(luò)中；②由網(wǎng)絡(luò)正向計(jì)算出各節(jié)點(diǎn)的輸出；③計(jì)算網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的誤差；④從輸出層起始反向計(jì)算到第一個(gè)隱層，按一定原則向減小誤差方向調(diào)整網(wǎng)絡(luò)的各個(gè)連接權(quán)值；⑤對(duì)訓(xùn)練樣本集合中的每一個(gè)樣本重復(fù)以上步驟，直到對(duì)整個(gè)訓(xùn)練樣本集合的誤差達(dá)到要求為止。因此，各神經(jīng)元的輸出應(yīng)為 （211） （212）BP網(wǎng)絡(luò)學(xué)習(xí)中的誤差反向傳播過(guò)程是通過(guò)使一個(gè)目標(biāo)函數(shù)(實(shí)際輸出與希望輸出之間的誤差平方和)最小化完成的，可以利用梯度下降法導(dǎo)出計(jì)算公式[10]。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一種，它不僅具有人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，而且有自己的BP算法。對(duì)信息的處理具有自組織、自學(xué)習(xí)的特點(diǎn)，便于聯(lián)想、綜合和推廣。MP神經(jīng)元模型是人工神經(jīng)元模型的基礎(chǔ)，也是神經(jīng)網(wǎng)絡(luò)理論的基礎(chǔ)?；谶@個(gè)思想，McCulloch和Pitts在神經(jīng)元模型中引入了硬極限函數(shù)，該函數(shù)形式后來(lái)被其他神經(jīng)網(wǎng)絡(luò)(多層感知器、離散Hopfield網(wǎng)絡(luò))所采用。通過(guò)轉(zhuǎn)換函數(shù)實(shí)現(xiàn)輸入信號(hào)到輸出信號(hào)的映射，稱(chēng)為激活函數(shù)。圖21 人工神經(jīng)元結(jié)構(gòu) 其數(shù)學(xué)形式為： （21）其中， ,正因?yàn)樯窠?jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)系統(tǒng)構(gòu)成的新的信息處理模型，并且具有獨(dú)特的結(jié)構(gòu)，所以人們期望它能解決一些用傳統(tǒng)方法難以解決的問(wèn)題。這四種類(lèi)型各自具有不同的網(wǎng)絡(luò)模型：前饋網(wǎng)絡(luò)中主要有Adaline、BP網(wǎng)絡(luò)及RBF網(wǎng)絡(luò)；反饋網(wǎng)絡(luò)主要有Hopfield網(wǎng)絡(luò)；自組織網(wǎng)絡(luò)主要有ART網(wǎng)，當(dāng)前，已經(jīng)比較成熟的神經(jīng)網(wǎng)絡(luò)控制模型主要有神經(jīng)自校正控制，神經(jīng)PID控制，神經(jīng)模型參考自適應(yīng)控制，神經(jīng)內(nèi)膜控制等等。 國(guó)內(nèi)外研究現(xiàn)狀隨著現(xiàn)代工業(yè)過(guò)程的日益復(fù)雜，經(jīng)典現(xiàn)代控制理論面臨嚴(yán)峻挑戰(zhàn)，例如被控系統(tǒng)越來(lái)越巨大，存在多種不確定因素，存在難以確定描述的非線性特性，而控制的要求越來(lái)越高(如控制精度、穩(wěn)定性、容錯(cuò)、實(shí)時(shí)性等)，因此人們一直在探索如何使控制系統(tǒng)具有更高的智能，使之能夠適應(yīng)各種控制環(huán)境。⑤自動(dòng)控制：早在1 962年，WiCirow就提出了一個(gè)神經(jīng)網(wǎng)絡(luò)可以成功地學(xué)會(huì)平衡一個(gè)干擾抑制器的控制算法，即著名的LMS算法。最優(yōu)的調(diào)度算法是一個(gè)NP完全性問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)主要應(yīng)用領(lǐng)域：①知識(shí)處理：神經(jīng)網(wǎng)絡(luò)可以從數(shù)據(jù)中自動(dòng)獲取數(shù)據(jù)（知識(shí)），把新知識(shí)結(jié)合到它的映射函數(shù)中去，使得神經(jīng)網(wǎng)絡(luò)非常適合于處理某類(lèi)知識(shí)，特別是不精確的知識(shí)。人工神經(jīng)網(wǎng)絡(luò)的研究和發(fā)展經(jīng)歷了一條曲折的道路，分為興起、蕭條、興盛和高潮4個(gè)時(shí)期。人工神經(jīng)網(wǎng)絡(luò)可以概括地定義為：由大量簡(jiǎn)單的高度互聯(lián)的處理元素(
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1