【正文】 BP 算法就是在模擬生物神經(jīng)元的 基礎(chǔ)上建立起來的 在人工神經(jīng)網(wǎng)絡(luò)上的一種搜索和優(yōu)化算法。該誤差作為反饋控制器的輸入。該系統(tǒng)存在兩個(gè)控制作用：前饋控制和常規(guī)反饋控制。模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)主要采用以下綜合方式，既將人工神經(jīng)網(wǎng)絡(luò)作為模糊系統(tǒng)中的隸屬函數(shù)、模糊規(guī)則的描述形式 [10]。而神經(jīng)網(wǎng)絡(luò)則是建立在對人腦結(jié)構(gòu)和功能的模擬與簡化的基礎(chǔ)上。根據(jù)預(yù)測模型的輸出，控制系統(tǒng)采用基于優(yōu)化的控制策略對被控對象進(jìn)行控制。下面是神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)的一般方框圖 [9]。 （ 5）、神經(jīng)網(wǎng)絡(luò)預(yù)測控制 由于神經(jīng)網(wǎng)絡(luò)可以精確描述非線性動(dòng)態(tài)過程，因此，可用神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)預(yù)測控制系統(tǒng)。 參考模型 對象 神經(jīng)控制器 參考模型 對象 神經(jīng)控制器 神經(jīng)辨識器 4 D r + + y + + 圖 14 神經(jīng) 內(nèi)膜 控制結(jié)構(gòu)圖 在神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂葡到y(tǒng)中， 神經(jīng)辨識 器作為被控對象的近似模型與實(shí)際對象并行設(shè)置，它們的差值用于反饋，同期望的給定值之差經(jīng)一線性濾波器處理后，送給神經(jīng)網(wǎng)絡(luò)控制器，經(jīng)過多次訓(xùn)練，它將間接地學(xué)習(xí)對象的逆動(dòng)態(tài)特性。圖中的神經(jīng) 辨識器 用于充分逼近被控對象的動(dòng)態(tài)模型，相當(dāng)于正向模型。為了避免這一問題，增加 神經(jīng) 辨識器，變?yōu)殚g接方式 。 yp r e e u y + (a) yp r e e + + y (b) 圖 13 神經(jīng)模型參考自適應(yīng) 控制結(jié)構(gòu)圖 神經(jīng) 控制器的權(quán)重修正目標(biāo)是使過程輸出最后以零誤差跟蹤參數(shù)模型輸出。根據(jù)結(jié)構(gòu)的不同可分為直自校正控制器 被控對象 神經(jīng)辨識器 控制器設(shè)計(jì) PID 控制器 被控對象 神經(jīng)網(wǎng)絡(luò) + 3 接與間接神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制兩種類型，分別如圖中 (a)和 (b)所示。通過神經(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)對應(yīng)于某種最優(yōu)控制律下的 PID 控制器參數(shù)。神經(jīng)網(wǎng)絡(luò)所具有的任意非線性表示能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的 PID 控制。 （ 2）、神經(jīng)網(wǎng)絡(luò) PID 控制。這種方案的設(shè)計(jì)思想是利用神經(jīng)網(wǎng)絡(luò)辨識器的計(jì)算估計(jì)能力對常規(guī)控制器參數(shù)進(jìn)行約束優(yōu)化求解 ,從而實(shí)現(xiàn)對常規(guī)控制器的參數(shù)或結(jié)構(gòu)進(jìn)行調(diào)整。這四種類型各自具有不同的網(wǎng)絡(luò)模型 ： 前饋網(wǎng)絡(luò)中主要有 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) 。 目前，隨著神經(jīng)理論的發(fā)展和新算法的相繼提出，神經(jīng)網(wǎng)絡(luò)的應(yīng)用越來越廣泛。 而 神經(jīng)網(wǎng)絡(luò)源于對人腦神經(jīng)功能的模擬，它的某些類似人的智能特性有可能被用于解決現(xiàn)代控制面臨的一些難題。對于自動(dòng)控制來說 ,神經(jīng)網(wǎng)絡(luò)有具有自適應(yīng)功能，泛化功能，非線性映射功，高度并行處理功能等幾方面優(yōu)勢 [2]，這使得神 經(jīng)網(wǎng)絡(luò)成為當(dāng)今一個(gè)非常熱門的交叉學(xué)科 , 廣泛應(yīng)用在電力，化工，機(jī)械等各行各業(yè)，并取得了比較好的控制效果。盡管基于神經(jīng)元的控制能力還比較 有限，但由于神經(jīng)網(wǎng)絡(luò)控制器具有學(xué)習(xí)能力和記憶能力、概括能力、并行處理能力、容錯(cuò)能力等重要特性，仍然有許多基于 人工神經(jīng)網(wǎng)絡(luò) 的控制器被設(shè)計(jì)出來 ,這類控制器具有并行處理、執(zhí)行速度快、魯棒性好、自適應(yīng)性強(qiáng)和適于應(yīng)用等優(yōu)點(diǎn)，廣泛的應(yīng)用在控制領(lǐng)域 [1]。隨著超大規(guī)模集成電路 (VLSl)、光電子學(xué)和計(jì)算機(jī)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)己引起更為廣泛的注意。無模型控制能有效提高控制系統(tǒng)的適應(yīng)性和魯棒性 ,因此 ,走向無模型控制是自動(dòng)控制發(fā)展的另一個(gè)重要方向。 1 第一章 緒論 選題背景和意義 在控制系統(tǒng)設(shè)計(jì)中 ,最主要而又最困難的問題是如何針對復(fù)雜、變化及具有不確定性的受控對象和環(huán)境作出有效的控制決策。 關(guān)鍵詞： 主 汽溫 ， PID， BP 神經(jīng)網(wǎng)絡(luò) ， MATLAB 仿真 II ABSTRACT At present, because PID has a simple structure and can be adjusted proportional 、 integral and differential to satisfactory control performance, it is widely used in power plants of various control process. The system of power plant main steam temperature is an large inertia、 big timedelayed and nonlinear dynamic system. Conventional steam temperature control system adopted cascade PID control or the differential control of lead before. When the unit is stable, these methods will control the steam temperature in a certain range ,but when operating conditions changed greatly, it is difficult to ensure the quality of control. This article studies PID control based BP neural work . Using such characteristics of neural work selflearning, nonlinear and don39。本處 用一 個(gè)多層 前向神經(jīng)網(wǎng)絡(luò) ， 采用反向傳播算法 ， 依據(jù)控制要求實(shí)時(shí)輸出 Kp、 Ki、 Kd，依次作為 PID控制器的實(shí)時(shí)參數(shù)，代替?zhèn)鹘y(tǒng) PID 參數(shù)靠經(jīng)驗(yàn)的人工整定和工程整定， 以達(dá)到對大遲延主氣溫系統(tǒng)的良好控制。 但 當(dāng)運(yùn)行工況 發(fā)生較大變化時(shí) ,卻 很難保證控制品質(zhì)。I 摘 要 目前，由于 PID 結(jié)構(gòu)簡單，可通過調(diào)節(jié)比例積分和微分取得基本滿意的控制性能，廣泛應(yīng)用在電廠的各種控制過程中。 電廠主汽溫 被控對象是一個(gè)大慣性 、大遲延 、 非線性 且對象變化的 系統(tǒng) ， 常規(guī)汽溫控制系統(tǒng)為串級 PID 控制或?qū)拔⒎挚刂?,當(dāng)機(jī)組穩(wěn)定運(yùn)行時(shí) ,一般能將主汽溫控制在允許的范圍內(nèi) 。 因此 本文研究 基于 BP神經(jīng)網(wǎng)絡(luò)的 PID 控制，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí) 、非線性 和不依賴模型等特性實(shí)現(xiàn) PID 參數(shù)的在線自整定 ， 充分利用 PID 和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn) 。 對這樣一個(gè)系統(tǒng)在 MATLAB平臺上進(jìn)行仿真研究， 仿真結(jié)果表明基于 BP神經(jīng)網(wǎng)絡(luò)的自整定 PID 控制 具有良好的自適應(yīng)能力和自學(xué)習(xí)能力， 對大遲延和變對象的 系 統(tǒng)可取得良好的控制效果。t rely on model realize PID parameters autotuning. It can make full use of the advantages of PID and neural work. Here, we use a multilayer feedforward neural work using back propagation algorithm. This can realtime output Kp, Ki, Kd as the PID controller parameters , insteading of the traditional PID parameters determined by experience, so it can obtain good control performance .For such a system ,we can simulate in MATLAB simulation platform. The simulation results show that the PID control based BP neural work has good adaptive ability and selflearning ability. For the system of large delay and freemodel can obtain good control effect. KEY WORDS: main steam temperature ， PID ， BP neural work， MATLAB simulationIII 目 錄 摘 要 .................................................................... I ABSTRACT ................................................................... II 第一章 緒論 ................................................................. 1 選題背景和意義 ...................................................... 1 國內(nèi)外研究現(xiàn)狀 .................................................... 1 立論依據(jù) ............................................................ 5 本文所做的主要工作 .................................................. 6 第二章 神經(jīng)網(wǎng)絡(luò)的基本原理 ................................................... 7 人工神經(jīng)元模型 ...................................................... 8 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式和學(xué)習(xí)規(guī)則 ........................................ 9 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式 ............................................ 9 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則 ............................................ 9 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及應(yīng)用 ............................................... 10 BP 神經(jīng)網(wǎng)絡(luò) ........................................................ 11 BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) ........................................... 11 BP 神經(jīng)網(wǎng)絡(luò) 的 算法 ........................................... 12 本章小結(jié) .......................................................... 15 第三章 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制 .......................................... 16 PID 控制器的離散差分方程 .......................................... 16 基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 整定原理 ...................................... 18 基于 BP 神經(jīng) 網(wǎng)絡(luò)的 PID 控制算法流程 .................................. 21 本章小結(jié) ........................................................... 22 第四章 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 ................... 23 主汽溫的控制任務(wù) ................................................... 23 主汽溫被控對象的動(dòng)態(tài)特性 ........................................... 23 主汽溫控制策略 ..................................................... 24 主汽溫控制信號的選擇 ......................................... 24 主汽溫控制的兩種策略 ......................................... 26 仿真分析 .................................................