【正文】 本研究通過 BP 人工神經(jīng)網(wǎng)絡(luò)辨識出了汽輪機的多個特征參數(shù)，為汽輪機的控制技術(shù)提供了主要的技術(shù)支持。 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(luò)的汽輪機控制，利用 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)對本研究中設(shè)計的 BP 網(wǎng)絡(luò)進行仿真訓(xùn)練后 ， 表明該方 法具有可行性。 本文先引出了 神經(jīng)網(wǎng)絡(luò)的工作原理，給出了神經(jīng)網(wǎng)絡(luò)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(luò)算法，介紹了 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)越性。 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(chǔ)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(yīng)用于線性時不變系統(tǒng) ,然而大多數(shù)系統(tǒng)和設(shè)備都是非線性的、時變的。而神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)來實現(xiàn)具有最佳組合的 PID 控制 [18 19]。 東北林業(yè)大學(xué)畢業(yè)論文 19 圖 基于 BP網(wǎng)絡(luò)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(luò)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(quán)系數(shù)的初值 ,選定學(xué)習(xí)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(luò) 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(luò)學(xué)習(xí)，在線調(diào)整加權(quán)系數(shù) 和 ，實現(xiàn) PID 控制參數(shù)的自適應(yīng)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。 （ 2） 神經(jīng)網(wǎng)絡(luò)，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(yīng)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(luò)的自學(xué)習(xí)，加權(quán)系數(shù)調(diào)整，使神經(jīng)網(wǎng)絡(luò)輸出對應(yīng)于某種最優(yōu)控制律下的 PID 控制器參數(shù)。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(xué)畢業(yè)論文 18 其中 kx 表示當前的權(quán)值和閾值， lr 是學(xué)習(xí)率。函數(shù) train()是通過調(diào)用參數(shù) 設(shè)定的訓(xùn)練函數(shù)來實現(xiàn)網(wǎng)絡(luò)訓(xùn)練的，而且訓(xùn)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(shè)定的訓(xùn)練函數(shù) 來實現(xiàn)網(wǎng)絡(luò)訓(xùn)練的，訓(xùn)練的方式由參數(shù) 的值確定。 BP 神經(jīng)網(wǎng)絡(luò)的 的缺省值是 mse—— 網(wǎng)絡(luò)輸出和目標輸出的均方誤差 [9， 10， 11]。 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 當神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值初始化以后，我們就可以對網(wǎng)絡(luò)進行訓(xùn)練。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?xùn)練速度，但是它會占用很大的內(nèi)存。 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。 BLF—— BP網(wǎng)絡(luò)權(quán)值和閾值學(xué) 習(xí)函數(shù)，缺省值為 ” 1earngdm” PF—— 性能函數(shù)，缺省值為 ”mse” 。 Tfi—— 第 i 層的傳遞函數(shù)，缺省值為 ” tansig” 。 BP 神經(jīng)網(wǎng)絡(luò)的創(chuàng)建 指令格式： ＝ newff(42) ＝ newff(PR， [S1 S2? SN],{TFl TF2? TFN}， BTF， BLF,PF) 參數(shù)意義： PR――輸入向量的取值范圍。如果要設(shè)置這些初始值，可以使用函數(shù) init()，命令格式為： ＝ init() 函數(shù) init()會根據(jù)網(wǎng)絡(luò)的初始化函數(shù)以及它的參數(shù)值來設(shè)置網(wǎng)絡(luò)權(quán)值和閾值的初始值，它們分別由參數(shù) 和 表示。 東北林業(yè)大學(xué)畢業(yè)論文 17 4 計算機仿真 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱 面向 MATLAB的 BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計 在訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)之前，我們必須設(shè)置權(quán)值和閾值的初始值。用新生成的訓(xùn)練樣本與測試樣本對隱層節(jié)點數(shù)為 12 的網(wǎng)絡(luò)進行訓(xùn)練，得到的訓(xùn)練誤差為 105，測試誤差為 104，達到了預(yù)定的目標。 根 據(jù) Sigmoid 型傳遞函數(shù)輸入和輸出的范圍，對輸入變量不進行歸一化處理，只對輸出變量進行歸一化，這是因為在輸出數(shù)據(jù)要求歸一化的同時，對輸入數(shù)據(jù)也進行歸一化的話，權(quán)值的可解釋性就更差了。綜合比較隱層節(jié)點數(shù)為 10 與 12 的訓(xùn)練誤差和測試誤差，決定隱層節(jié)點數(shù)選用12。訓(xùn)練結(jié)果如表 [11 12]。 訓(xùn)練一個單隱層的三層 BP 網(wǎng)絡(luò)，根據(jù)如下經(jīng)驗公式選擇隱層節(jié)點數(shù)： 式中： n 為輸入節(jié)點個數(shù)， m為輸出節(jié)點個數(shù)， a為 1到 10 之間的常數(shù)。 ③ 均方誤差 MSE： (328) 其中 : — 輸出節(jié)點的個數(shù)， — 訓(xùn)練樣本數(shù)目， — 網(wǎng)絡(luò)期望輸出值， — 網(wǎng)絡(luò)實際輸出值。它不能用來比較 P和 m不同的網(wǎng)絡(luò)性能。由于每次權(quán)矩陣的修改都沒有考慮權(quán)值修改后其它 樣本作用的輸出誤差是否也減小，因此將導(dǎo)致迭代次數(shù)增加。本論文中采用網(wǎng)絡(luò)結(jié)構(gòu)增長型方法，即先設(shè)置較少的節(jié)點數(shù)，對網(wǎng)絡(luò)進行訓(xùn)練，并測試學(xué)習(xí)誤差，然后逐漸增加節(jié)點數(shù)，直到學(xué)習(xí) 誤差不再有明顯減少為止。若數(shù)量太少，則網(wǎng)絡(luò)所能獲取的用以解決問題的信息太少；若數(shù)量太多，不僅增加訓(xùn)練時間，更重要的是隱層節(jié)點過多還可能出現(xiàn)所謂 ” 過渡吻合 ” （ Overfitting）問題，即測試誤差增大導(dǎo)致泛化能力下降，因此合理選擇隱層節(jié)點數(shù)非常重要。下面主要介紹隱層節(jié)點數(shù)量的確定。于是在以后的訓(xùn)練中隱層傳遞函數(shù)改用tansig 函數(shù)，輸出層傳遞函數(shù)仍選用 purelin 函數(shù)。各種傳遞函數(shù)如圖 所示。 Logsigmoid 型函數(shù)的輸入值可取任意值，輸出值在 0 和 1之間； tansigmod 型傳遞函數(shù) tansig 的輸入值可取任意值，輸出值在 1 到 +1 之間；線性傳遞函數(shù) purelin 的輸入與輸出值可取任意值。因此我們從含有一個隱層的網(wǎng)絡(luò)開始進行訓(xùn)練。確定這些選項時有一定的指導(dǎo)原則，但更多的是靠經(jīng)驗和試湊。將以上兩種方法結(jié)合起來，就得到動量 自適應(yīng)學(xué)習(xí)速率調(diào)整算法?？刹捎脠D 所示的東北林業(yè)大學(xué)畢業(yè)論文 14 自適應(yīng)方法調(diào)整學(xué)習(xí)率。動量法降低了網(wǎng)絡(luò)對于誤差曲面局部細節(jié)的敏感性，有效的抑制了網(wǎng)絡(luò)陷入局部極小。動量法權(quán)值調(diào)整算法的具體做法是：將上一次權(quán)值調(diào)整量的一部分迭加到按本次誤差計算所得的權(quán)值調(diào)整量上，作為本次的實際權(quán)值調(diào)整量，即： (325) 其中：α為動量系數(shù)，通 常 0＜α＜ ；η — 學(xué)習(xí)率，范圍在 ～ 10 之間。在實際應(yīng)用中， BP 算法很難勝任，因此出現(xiàn)了很多改進算法。 于是： (314) 由鏈定理得： (315) 于是輸出層各神經(jīng)元的權(quán)值調(diào)整公式為： (316) 3）隱層權(quán)值的變化 (317) 東北林業(yè)大學(xué)畢業(yè)論文 12 定義誤差信號為： (318) 其中第一項： (319) 依鏈定理有： (320) 第二項： (321) 是隱層傳遞函數(shù)的偏微分。采用平方型誤差函數(shù)，于是得到第 p 個樣本的誤差 Ep： (38) 式中： 為期望輸出。 1) 定義誤差函數(shù) 輸入 個學(xué)習(xí)樣本，用 來表示。 )，輸出層的傳遞函數(shù)為 f2( 圖 三層神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu) 設(shè) BP網(wǎng)絡(luò)的輸入層有 n個節(jié)點，隱層有 q個節(jié)點，輸出層有 m 個節(jié)點，輸入層與隱層之東北林業(yè)大學(xué)畢業(yè)論文 10 間的權(quán)值為 ，隱層與輸出層之間的權(quán)值為 ，如 上 圖所示。若在輸出層得不到期望的輸出，則轉(zhuǎn)向誤差信號的反向傳播流程。 BP 算法由數(shù)據(jù)流的前向計算（正向傳播）和誤差信號的反向傳播兩個過程構(gòu)成。 )后，便得到第 j 個神經(jīng)元的輸出 : (35) 式中 f( )為傳遞函數(shù)； yj為第 j個神經(jīng)元的輸出。 圖 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖 下 圖給出了第 j個基本 BP 神經(jīng)元（節(jié)點），它只模仿了生物神經(jīng)元所具有的三個最基本也是最重要的功能：加權(quán)、求和與轉(zhuǎn)移。它的學(xué)習(xí)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(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。 東北林業(yè)大學(xué)畢業(yè)論文 8 3 BP 神經(jīng)網(wǎng)絡(luò)算法 BP（ Back Propagation）網(wǎng)絡(luò)是 1986 年由 Rumelhart 和 McCelland 為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。但是，現(xiàn)有的控制系統(tǒng)的功能發(fā)揮卻不夠理想，不僅原設(shè)計功能未全部實現(xiàn)，而且在現(xiàn)有的控制系統(tǒng)上還有更多、更高級的潛在功能有待挖掘和發(fā)揮。此外，轉(zhuǎn)子飛升時間常數(shù)小，局部不等率小以及遲緩率大等因素，均會導(dǎo)致系統(tǒng)振蕩和轉(zhuǎn)速產(chǎn)生波動，因此，從這些主要因素考慮，是改善動態(tài)特性的途徑。研究調(diào)節(jié)系統(tǒng)動態(tài)特性的目的是：判別調(diào)節(jié)系統(tǒng)是否穩(wěn)定，評價調(diào)節(jié)系統(tǒng)品質(zhì)以及分析影響動態(tài)特性的主要因素，以便提出改善調(diào)節(jié)系統(tǒng)動態(tài)品質(zhì)的措施。調(diào)節(jié)系統(tǒng)靜態(tài)特性描述的是各穩(wěn)定狀態(tài)下功率與轉(zhuǎn)速的對應(yīng)規(guī)律，它與兩狀態(tài)之間的過渡過程無關(guān)，從而不能完全反映一個調(diào)節(jié)系統(tǒng)的性能。 汽輪發(fā)電機組運行時，當受到擾動而離開原穩(wěn)定工況后能很快地過渡到新的穩(wěn)定工況，或者在擾動消除后能恢復(fù)到原來的穩(wěn)定工況，這樣的調(diào)節(jié)系統(tǒng)就是穩(wěn)定的。 轉(zhuǎn)速傳感器 測出汽輪機的轉(zhuǎn)速，送到 PLC里與超速保護設(shè)定值進行比較，當達到 或超過 超速保護值時，數(shù)字量輸出模塊立即輸出高電平給電磁閥，電磁閥采用 冗余處理 ，電磁閥動作，使主汽閥操縱座下腔的壓力油通過電磁閥油門泄至 郵箱。本系統(tǒng)中的超速保護裝置采用電超速保護裝置。對調(diào)節(jié)系統(tǒng)的靜態(tài)特性應(yīng)該有一定 的要求。 汽輪機調(diào)節(jié)系統(tǒng)就是感受轉(zhuǎn)速的變化，控制調(diào)節(jié)閥門的開度，改變汽輪機的進汽量，使發(fā)出的功率與外界負荷重新平衡，并使轉(zhuǎn)速保持在規(guī)定的范圍內(nèi)。 一般需要汽輪機的公司基本上以火電站和熱電站為主，其次在制藥、 化肥、冶煉、石油化工企業(yè)應(yīng)用較為廣泛。 汽輪機目前所主要以 2種功能應(yīng)用于社會中 ,一種是以電力設(shè)備的形式存在 ,其電力設(shè)備主要包括 以發(fā)電設(shè)備和供電設(shè)備兩大類，發(fā)電設(shè)備主要是電站鍋爐、蒸汽輪機、燃氣輪機、水輪機、發(fā)電機、變壓器等等，供電設(shè)備主要是各種電壓等級的輸電線路、互感器、接觸器等等。靜止部分包括汽缸、進汽部分、噴嘴、隔板、汽封、滑銷系統(tǒng)、加熱系統(tǒng)和軸承等部件。凝汽設(shè)備由凝汽器、凝結(jié)水泵、循環(huán)水泵和抽氣器組成，它的作用是建立并保持凝汽器的真空，以使汽輪機保持較低的排汽壓力，