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(參考版)
2025-06-22 15:42本頁面
【正文】 在不同負(fù)荷下，也即從鍋爐的啟動到穩(wěn)定運(yùn)行的整個過程，都可以保證系統(tǒng)的穩(wěn)定性，且隨著負(fù)荷逐漸接近額定負(fù)荷，控制效果越來越好，當(dāng)滿負(fù)荷運(yùn)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。本文重點(diǎn)介紹了BP神經(jīng)網(wǎng)絡(luò)PID控制器的控制原理和學(xué)習(xí)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。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(dá)到最佳的控制效果。 主汽溫基于BP神經(jīng)網(wǎng)絡(luò)的PID控制仿真基于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(dǎo)前區(qū)數(shù)學(xué)模型為: 在負(fù)荷為100%時,導(dǎo)前區(qū)為: ,而惰性區(qū)的傳遞函數(shù)為，也可近似為。分別表示副變送器和主變送器。常規(guī)汽溫控制系統(tǒng)為串級PID控制或?qū)拔⒎挚刂?串級PID控制系統(tǒng)見下圖：圖45 主氣溫串級控制框圖其中r為過熱汽溫設(shè)定值,為系統(tǒng)輸入，分別為控制系統(tǒng)對象的導(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)。同理導(dǎo)前區(qū)的傳遞函數(shù)也可以表示為： （42）其中為導(dǎo)前區(qū)的放大系數(shù)，為導(dǎo)前區(qū)的時間常數(shù)，為階次，該傳遞函數(shù)也可以通過實驗求的。用給水量來完成控制，減溫水出口溫度變化明顯比過熱汽溫變化要快，常常把這一段作為導(dǎo)前區(qū)，把從減溫器出口到過熱蒸汽出口這一段叫做惰性區(qū)，在減溫水的擾動下，主氣溫的動態(tài)特性可表示為： （41）其中為放大系數(shù)，為時間常數(shù)，n為階次。過熱氣溫原理圖如圖41所示：圖41 過熱氣溫原理圖影響主汽溫變化的擾動因素很多，如蒸汽負(fù)荷、煙氣溫度和流速、火焰中心位置、減溫水量、給水溫度等。(2) 保護(hù)過熱器，使其管壁不超過允許的工作溫度。 主蒸汽溫度的控制的任務(wù)(1) 維持主汽溫在允許的范圍之內(nèi)。如果過熱蒸汽溫度過低，將會降低機(jī)組的熱效率，一般蒸汽溫度降低510℃，熱效率約降低1%，不僅增加燃料的消耗量，浪費(fèi)能源，而且還將使汽輪機(jī)最后幾級的蒸汽濕度增加，加速汽輪機(jī)葉片的水蝕。過熱器采用的是耐高溫高壓的合金剛材料，過熱器正常運(yùn)行的溫度已接近材料所允許的最高溫度。其算法流程圖如圖32所示:初始化權(quán)值值值 給定輸入和輸出樣本 求隱含層、輸出層各節(jié)點(diǎn)輸出求目標(biāo)值與實際輸出的偏差 計算反向誤差 修正權(quán)值 學(xué)習(xí)結(jié)束？ 結(jié)束 是 否 圖32 BP網(wǎng)絡(luò)算法流程圖 第4章 BP神經(jīng)網(wǎng)絡(luò)PID控制在主汽溫控制系統(tǒng)中的應(yīng)用鍋爐過熱蒸汽溫度是影響機(jī)組生產(chǎn)過程安全性和經(jīng)濟(jì)性的重要參數(shù)。基于BP神經(jīng)網(wǎng)絡(luò)自整定PID控制系統(tǒng)方框圖如圖31所示。采用BP神經(jīng)網(wǎng)絡(luò)，可以建立參數(shù)、自學(xué)習(xí)PID控制。神經(jīng)網(wǎng)絡(luò)具有逼近任意非線性函數(shù)的能力，而且結(jié)構(gòu)和學(xué)習(xí)算法簡單明確。所以說，BP網(wǎng)絡(luò)是一個有導(dǎo)師的學(xué)習(xí)過程。反向傳播過程將誤差信號沿著原來路徑返回，通過不斷修正各層神經(jīng)元權(quán)值，逐次地向輸入層傳播進(jìn)行計算，修改之后的權(quán)值再經(jīng)過正向傳播，將期望輸出與實際輸出比較。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。②有監(jiān)督的學(xué)習(xí)規(guī)則在學(xué)習(xí)規(guī)則中，引入教師信號，將式(215)中的換成目標(biāo)輸出與實際輸出之差，就組成了有監(jiān)督的學(xué)習(xí)規(guī)則： (216)即兩神經(jīng)元間連接強(qiáng)度的變化量與教師信號和網(wǎng)絡(luò)實際輸出信號之差成正比。常見的學(xué)習(xí)規(guī)則為：①無監(jiān)督學(xué)習(xí)規(guī)則學(xué)習(xí)規(guī)則是一類相關(guān)學(xué)習(xí)，它的基本思想是：如果兩個神經(jīng)元同時被激活，則它們之間的連接強(qiáng)度的增強(qiáng)與它們激勵的乘積成正比。 無監(jiān)督學(xué)習(xí)就是不需要外部教師信號，因而不能確切知道正確的反應(yīng)是什么，學(xué)習(xí)表現(xiàn)為自適應(yīng)于輸入空間的檢測規(guī)則。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)。如果通過網(wǎng)絡(luò)訓(xùn)練，BP網(wǎng)絡(luò)的輸出達(dá)到目標(biāo)要求后，網(wǎng)絡(luò)各節(jié)點(diǎn)之間的連接權(quán)值就確定下來了，我們就可以認(rèn)為BP網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)好了，我們就可以利用這個訓(xùn)練好的網(wǎng)絡(luò)對未知樣本進(jìn)行識別預(yù)測了。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。學(xué)習(xí)過程中，設(shè)第個輸出神經(jīng)元的希望輸出為，而網(wǎng)絡(luò)輸出為，則系統(tǒng)平均誤差為： （213）略去下標(biāo)，式（213）可寫成 （214）式中，——目標(biāo)函數(shù)。圖23 多層前饋網(wǎng)絡(luò)結(jié)構(gòu) BP算法的計算公式及流程圖設(shè)BP神經(jīng)網(wǎng)絡(luò)為三層網(wǎng)絡(luò)，輸入神經(jīng)元以編號，隱含層神經(jīng)元以編號，輸出層神經(jīng)元以編號，計算公式如下：隱含層第個神經(jīng)元的輸入為： （26）第個神經(jīng)元的輸出為： （27）輸出層第個神經(jīng)元的輸入為： （28）相應(yīng)的輸出為： （29）式中，——函數(shù)，有： （210）式中
研究報告相關(guān)推薦
鄂ICP備17016276號-1