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-展示頁(yè)
2025-06-28 15:42本頁(yè)面
【正文】 14 14第4章 BP神經(jīng)網(wǎng)絡(luò)PID控制在主汽溫 16控制系統(tǒng)中的應(yīng)用 16 16 16 主蒸汽溫度的控制的任務(wù) 16 17 主汽溫的數(shù)學(xué)模型 18 減溫水?dāng)_動(dòng)下主汽溫的數(shù)學(xué)模型 18 19 主汽溫基于BP神經(jīng)網(wǎng)絡(luò)的PID控制仿真 21 結(jié)論 23參考文獻(xiàn) 24網(wǎng) 址 25 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)用摘 要目前，由于PID具有結(jié)構(gòu)簡(jiǎn)單，可通過(guò)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(guò)程中。電廠主汽溫的被控對(duì)象是一個(gè)大慣性大遲延非線性且對(duì)象變化的系統(tǒng)。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)。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(duì)大遲延主氣溫系統(tǒng)的良好控制。關(guān)鍵詞：主汽溫；PID；BP神經(jīng)網(wǎng)絡(luò)；MATLAB仿真 第1章 緒論 選題的背景隨著科學(xué)技術(shù)的發(fā)展，自動(dòng)控制在現(xiàn)代工業(yè)中起著主要的作用，目前已廣泛應(yīng)用于工農(nóng)業(yè)生產(chǎn)及其他建設(shè)方面?？梢哉f(shuō)，自動(dòng)化水平是衡量一個(gè)國(guó)家的生產(chǎn)技術(shù)和科學(xué)水平先進(jìn)與否的一項(xiàng)重要標(biāo)志。鍋爐汽溫控制系統(tǒng)主要包括過(guò)熱蒸汽和再熱蒸汽溫度的調(diào)節(jié)。過(guò)熱蒸汽溫度控制的任務(wù)是維持過(guò)熱器出口蒸汽溫度在允許的范圍之內(nèi)，并保護(hù)過(guò)熱器，使其管壁溫度不超過(guò)允許的工作溫度。神經(jīng)網(wǎng)絡(luò)控制是一種基本上不依賴于模型的控制方法,它比較適用于那些具有不確定性或高度非線性的控制對(duì)象,并具有較強(qiáng)的適應(yīng)和學(xué)習(xí)功能,它是智能控制的一個(gè)重要分支。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(神經(jīng)元)組成的復(fù)雜網(wǎng)絡(luò)計(jì)算系統(tǒng)。從某種意義上說(shuō)，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。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。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（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(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知識(shí)，特別是不精確的知識(shí)。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(chǎng)研究消費(fèi)傾向分析等。最優(yōu)的調(diào)度算法是一個(gè)NP完全性問(wèn)題。④信號(hào)處理：神經(jīng)網(wǎng)絡(luò)同樣也被廣泛地應(yīng)用于信號(hào)處理，如目標(biāo)檢測(cè)、畸變波形的恢復(fù)、雷達(dá)回波的多目標(biāo)分類、運(yùn)動(dòng)目標(biāo)的速度估計(jì)、多目標(biāo)跟蹤等。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。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。 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。因此，從20世紀(jì)60年代起，人們就開(kāi)始研究神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用了，取得了一定效果。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。神經(jīng)網(wǎng)絡(luò)具有一些顯著的特點(diǎn)：如具有非線性映射能力，不需要精確的數(shù)學(xué)模型，擅長(zhǎng)從輸入輸出數(shù)據(jù)中學(xué)習(xí)有用知識(shí)，容易實(shí)現(xiàn)并行計(jì)算等。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。人工神經(jīng)元是對(duì)生物神經(jīng)元結(jié)構(gòu)和功能的模擬，是對(duì)生物神經(jīng)元的形式化描述，是對(duì)生物生物神經(jīng)元的信息處理過(guò)程的抽象。圖21 人工神經(jīng)元結(jié)構(gòu) 其數(shù)學(xué)形式為： （21）其中， ,為神經(jīng)元的連接權(quán)值，為閥值，為神經(jīng)元的輸出。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，稱為激活函數(shù)。 神經(jīng)網(wǎng)絡(luò)原理 MP模型人工神經(jīng)網(wǎng)絡(luò)的首個(gè)數(shù)學(xué)模型是由McCulloch和Pitts建立的?；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。圖22 MP模型示意圖其中：，神經(jīng)元的輸出信號(hào)，可與其它多個(gè)神經(jīng)元連接；，神經(jīng)元的輸入信號(hào)；：神經(jīng)元的連接權(quán)值；：神經(jīng)元的閥值：：神經(jīng)元的非線性作用函數(shù)。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)。并行協(xié)同處理信息神經(jīng)網(wǎng)絡(luò)中的每個(gè)神經(jīng)元都可以根據(jù)接收到的信息進(jìn)行獨(dú)立的運(yùn)算和處理，并輸出結(jié)果，同一層中的各個(gè)神經(jīng)元的輸出結(jié)果可被同時(shí)計(jì)算出來(lái)，然后傳輸給下一層做進(jìn)一步處理，這體現(xiàn)了神經(jīng)網(wǎng)絡(luò)并行計(jì)算的特點(diǎn)，這一特點(diǎn)使網(wǎng)絡(luò)具有非常強(qiáng)大的實(shí)時(shí)性。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。正是因?yàn)樯窠?jīng)網(wǎng)絡(luò)具有的這些特點(diǎn)，才使它在模式識(shí)別、人工智能、控制工程、信號(hào)處理等領(lǐng)域有著廣泛的應(yīng)用，相信隨著人工神經(jīng)網(wǎng)絡(luò)研究的進(jìn)一步深入，其應(yīng)用領(lǐng)域會(huì)更廣，用途會(huì)更大。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。隱含層可以是一層，也可以是多層（圖示為單隱含層），前層至后層節(jié)點(diǎn)通過(guò)權(quán)連接。因此，各神經(jīng)元的輸出應(yīng)為
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1