【正文】 真正用于工程實(shí)踐中，在諸多的領(lǐng)域中還有許多工作要做 [1]。機(jī)械液壓式調(diào)節(jié)系統(tǒng)是時間比較久的傳統(tǒng)設(shè)備，但是由于其存在本身無法克服的缺點(diǎn)，例如機(jī)械誤差造成的，特性曲線線性差，遲緩率較大，以及無法滿足電網(wǎng)集中度和電廠的自動化等一系列問題，現(xiàn)在己經(jīng)逐漸被電調(diào)控制系統(tǒng)所取代。由于模擬式電調(diào)電路結(jié)構(gòu)的直觀、易懂，使運(yùn)行維護(hù)人員能夠?qū)ο到y(tǒng)的結(jié)構(gòu)深入了解，在查找問題和處理故障時，能較快、較準(zhǔn)地找到原因，保證了系統(tǒng)良好的運(yùn)行。由于技術(shù)的不斷發(fā)展，模擬電路組成的電調(diào)已經(jīng)停止產(chǎn)生了，取而代之的是已開始廣泛使用的數(shù)字式電調(diào)控制系統(tǒng)。半個世紀(jì)以來，經(jīng)歷了興起、高潮與蕭條、高潮及穩(wěn)步發(fā)展的遠(yuǎn)為 曲折的道路。 1949 年，心理學(xué)家 提出突觸聯(lián)系可變的假設(shè)，根據(jù)這一假設(shè)提出的學(xué)習(xí)規(guī)律為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法奠定了基礎(chǔ)。由于可應(yīng)用于 模式識別，聯(lián)想記憶等方面，當(dāng)時有上百家實(shí)驗(yàn)室投入此項(xiàng)研究，美國軍方甚至認(rèn)為神經(jīng)網(wǎng)絡(luò)工程應(yīng)當(dāng)比 ” 原子彈工程 ” 更重要而給予巨額資助，并在聲納信號識別等領(lǐng)域取得一定成績。至此，人工神經(jīng)網(wǎng)絡(luò)的研究工作進(jìn)入了第一個高潮。這期間，芬蘭學(xué)者 提出了自組織映射理論，反映了大腦神經(jīng)細(xì)胞的自組織特性、記憶方式以及神經(jīng)細(xì)胞興奮刺激的規(guī)律；美國學(xué)者 的自適應(yīng)共振理論（ ART ）；日本學(xué)者 提出了認(rèn)知機(jī)模型； ShunIchimari 則致力于神經(jīng)網(wǎng)絡(luò)有關(guān)數(shù)學(xué)理論的研究等，這些研究成果對以后的神經(jīng)網(wǎng)絡(luò)的發(fā)展產(chǎn)生了重要影響。 1982 年，他提出了一個新的神經(jīng)網(wǎng)絡(luò)模型 —— hopfield 網(wǎng)絡(luò)模型。 1984 年，他又提出了網(wǎng)絡(luò)模型實(shí)現(xiàn)的電子電路，為神經(jīng)網(wǎng)絡(luò)的工程實(shí)現(xiàn)指明了方向，他的研究成果開拓了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶的優(yōu)化計算的新途徑，并為神經(jīng)計算機(jī)研究奠定了基礎(chǔ)。 1986 年 和 提出了誤差反向傳播算法，成為至今為止影響很大的一種網(wǎng)絡(luò)學(xué)習(xí)方法。 1988 年 等人提出了細(xì)胞神經(jīng)網(wǎng)絡(luò)模型，它在視覺初級加工上得到了廣泛應(yīng)用。 1988年 1月 Neural Network 創(chuàng)刊。我國于 1990年 12月在北京召開了首屆神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會，并決定以后每年召開一次。 IEEE 與 INNS 聯(lián)合召開的 IJCNN92 已在北京召開。 90 年代初，諾貝爾獎獲得者 Edelman 提出了 Darwinism 模型，建立了神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論。 Wunsch 在 90OSA 年會上提出了一種 AnnualMeeting，用光電執(zhí)行 ART，學(xué)習(xí)過程有自適應(yīng)濾波和推理功能，具有快速和穩(wěn)定的學(xué)習(xí)特點(diǎn)。 1992 年， Holland用模擬生物進(jìn)化的方式提出了遺傳算法，用來求解復(fù)雜優(yōu)化問題。 1994 年 Angeline 等在前人進(jìn)化策略理論的基礎(chǔ)上，提出一種進(jìn)化算法來建立反饋神經(jīng)網(wǎng)絡(luò)，成功地應(yīng)用到模式識別，自動控制等方面；廖曉昕對細(xì)胞神經(jīng)網(wǎng)絡(luò)建立了新的數(shù)學(xué)理論和方法，得到了一系列結(jié)果。 1995 年 Mitra 把人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯理論、生物細(xì)胞學(xué)說以及概率論 相結(jié)合提出了模糊神經(jīng)網(wǎng)絡(luò)，使得神經(jīng)網(wǎng)絡(luò)的研究取得了突破性進(jìn)展。 1996 年， ShuaiJW’等模擬人腦的自發(fā)展行為，在討論混沌神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出了自發(fā)展神經(jīng)網(wǎng)絡(luò)。 隨 著理論工作的發(fā)展，神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究也取得了突破性進(jìn)展，涉及面非常廣泛，就應(yīng)用的技術(shù)領(lǐng)域而言有計算機(jī)視覺，語言的識別、理解與合成，優(yōu)化計算，智能控制及復(fù)雜系統(tǒng)分析，模式識別，神經(jīng)計算機(jī)研制，知識推理專家系統(tǒng)與人工智能。美國、日本等國在神經(jīng)網(wǎng)絡(luò)計算機(jī)軟硬件實(shí)現(xiàn)的開發(fā)方面也取得了顯著的成績，并逐步形成產(chǎn)品。在歐洲共同體的 ESPRIT 計劃中，就有一項(xiàng)特別項(xiàng)目： ” 神經(jīng)網(wǎng)絡(luò)在歐洲工業(yè)中的應(yīng)用 ” ，單是生產(chǎn)神經(jīng)網(wǎng)絡(luò)專用芯片這一項(xiàng)就投資 2200 萬美元。我國也不甘落后，自從 1990 年批準(zhǔn)了南開大學(xué)的光學(xué)神經(jīng)計算機(jī)等 3項(xiàng)課題以來，國家自然科學(xué)基金與國防預(yù)研基金也都為神經(jīng)網(wǎng)絡(luò)的研究提供資助。神經(jīng)計算機(jī)產(chǎn)品開始 走向商用階段，被國防、企業(yè)和科研部門選用。在這種刺激和需求下，人工神經(jīng)網(wǎng)絡(luò)定會取得新的突破，迎來又一個高潮。人工神經(jīng)網(wǎng)絡(luò)是一個快速發(fā)展著的一門新興學(xué)科，新的模型、新的理論、新的應(yīng)用成果正在層出不窮地涌現(xiàn)出來 [2]。 BP 網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入 輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。 BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（ input）、隱層 (hide layer)和輸出層 (output layer)。 拓?fù)浣Y(jié)構(gòu)的單隱層前饋網(wǎng)絡(luò)，一般稱為 三層前饋網(wǎng)或三層感知器，即：輸入層、中間層（也稱隱層）和輸出層。單計算層前饋神經(jīng)網(wǎng)絡(luò)只能求解線性可分問題，能夠求解非線性問題的網(wǎng)絡(luò)必須是具有隱層的多層神經(jīng)網(wǎng)絡(luò)。直到誤差反向傳播算法（ BP 算法）的提出，成功地解決了求解非線性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問題 。蒸汽在汽輪機(jī)中，以不同方式進(jìn)行能量轉(zhuǎn)換，便構(gòu)成了不同工作原理的汽輪機(jī)。為了保證汽輪機(jī)正常工作，需配置必要的附屬設(shè)備，如管道、閥門、凝汽器等，汽輪機(jī)及其附屬設(shè)備的組合稱為汽輪機(jī)設(shè)備。由于汽輪機(jī)排汽口的壓力 大大低于進(jìn)汽壓力，蒸汽在這個壓差作用下向排汽口流動，其壓力和溫度逐漸降低，部分熱能轉(zhuǎn)換為汽輪機(jī)轉(zhuǎn)子旋轉(zhuǎn)的機(jī)械能。為了吸收乏汽在凝汽器放出的凝結(jié)熱，并保護(hù)較低的凝結(jié)溫度，必須用循環(huán)水泵不斷地向凝汽器供應(yīng)冷卻水。若任空氣在凝汽器內(nèi)積累，凝汽器內(nèi)壓力必然會升高，導(dǎo)致乏汽壓力升高，減少蒸汽對 汽輪機(jī)做的有用功，同時積累的空氣還會帶來乏汽凝結(jié)放熱的惡化，這兩者都會導(dǎo)致熱循環(huán)效率的下降，因而必須將凝汽器殼側(cè)的空氣抽出。 圖 汽輪機(jī)的本體結(jié)構(gòu)一般可分為靜止部分和轉(zhuǎn)動部分。轉(zhuǎn)動部分包括主軸、葉輪、葉片東北林業(yè)大學(xué)畢業(yè)論文 6 和聯(lián)軸器等。 另一種以動力設(shè)備的形式存在汽輪機(jī)是 動力設(shè)備，除了用于火力發(fā)電廠和集中供熱電站外，還用于驅(qū)動其他設(shè)備，例如大型的艦船、鋼鐵廠的大型風(fēng)機(jī)和水泵，制藥化工企業(yè)的螺桿壓縮機(jī)等等。 常規(guī)的小型汽輪機(jī)目前的控制方式主要以傳統(tǒng)的 PID 控制方式為主，人工操作方式為輔，比較適用于小型的汽輪機(jī)為主的機(jī)械設(shè)備，但其收斂時間較長，控制方式較為復(fù)雜，需要人工事先設(shè)定好各種參數(shù)，然后再通過環(huán)境適應(yīng)，改動相應(yīng)的參數(shù)設(shè)置，以達(dá)到控制目的，遇到各種擾動因素需要人工調(diào)整，非常不便 [5]。描述汽輪機(jī)平衡工況下的工作特性，即汽輪機(jī)在同步器的不 同位置時，穩(wěn)定工況下與轉(zhuǎn)速的關(guān)系，通常稱為調(diào)節(jié)系統(tǒng)的靜態(tài)特性。 超速保護(hù)是保證汽輪機(jī)安全可靠運(yùn)行的重要保護(hù)手段，超速保護(hù)的主要 監(jiān)控參數(shù) 是機(jī)組的轉(zhuǎn)速。電 超速保護(hù) 裝置由轉(zhuǎn)速傳感器、PLC 的數(shù)字量輸出模塊、電磁閥等部件組成。在 輸出 端子變成高電平后，等待操作員將故障排除，確認(rèn)重啟后，輸出端 子復(fù)位 ，使電磁閥失電，滑閥在彈簧力的作用下復(fù)位，調(diào)節(jié)系統(tǒng)又回復(fù)到滑閥 未動作 前的狀態(tài)。不穩(wěn)定的調(diào)節(jié)系統(tǒng)是不能采用的，所以穩(wěn)定性是調(diào)節(jié)系統(tǒng)的必要條件。所以，不僅要知道工況穩(wěn)定下來以后各參 數(shù)之間的關(guān)系，更重要地是要分析從一個工況到另一個工況的過渡過程中各參數(shù)的變化規(guī)律，這就是調(diào)節(jié)系統(tǒng)動態(tài)特性，是調(diào)節(jié)系統(tǒng)受到擾動后，被調(diào)量隨時間的變化規(guī)律。 總之，從定性的角度分析各種因素對動態(tài)特性的影響，可知道：在調(diào)節(jié)對象方面，轉(zhuǎn)子轉(zhuǎn)動慣量越小 (汽輪機(jī)轉(zhuǎn)子飛升時間常數(shù)也越小 )以及蒸汽容積時間常數(shù)越大，均會使動態(tài)超速增加；從調(diào)節(jié)元件方面考慮，轉(zhuǎn)速不等率、油動機(jī)時間常數(shù)以及系統(tǒng)遲緩率越大，均會使油動機(jī)的滯后時間和關(guān)閉時間增長，從而使動態(tài)超速增加。 東北林業(yè)大學(xué)畢業(yè)論文 7 本章介紹了 目前各種類型的控制系統(tǒng) ，且這些 都能滿足大容量汽輪機(jī)的安全運(yùn)行要求，而分散型控制系統(tǒng) (DCS)的采用越來越普遍。造成這種情況的原因是多方面的 ，運(yùn)行人員應(yīng)充分理解設(shè)計意圖和功能，但更重要的是有關(guān)工程技術(shù)人員應(yīng)對汽輪機(jī)組控制系統(tǒng)進(jìn)行更細(xì)致的深入分析、研究和改進(jìn)，以使系統(tǒng)更完善，滿足更高的安全經(jīng)濟(jì)運(yùn)行水平的要求。 BP 網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入 輸出模式映射關(guān)系，而無需事 前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。 BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（ input）、隱層 (hide layer)和輸出層 (output layer)。其中 x x2? xi? xn分別代表來自神經(jīng)元 2?i?n的輸入； wj wj2? wji? wjn則分別表示神 經(jīng)元 2?i?n 與第 j 個神經(jīng)元的連接強(qiáng)度，即權(quán)值； bj為閾值； f( 第 j個神經(jīng)元的凈輸入值 為： （ 31） 圖 BP神經(jīng)元 東北林業(yè)大學(xué)畢業(yè)論文 9 若視 ， ，即令 及 包括 及 ，則 （ 32） （ 33） 于是節(jié)點(diǎn) j的凈輸入 可表示為： (34) 凈輸入 通過傳遞函數(shù)（ Transfer Function） f ( )是單調(diào)上升函數(shù)，而且必須是有界函數(shù)，因?yàn)榧?xì)胞傳遞的信號不可能無限增加，必有一最大值 [6 7]。正向傳播時，傳播方向?yàn)檩斎雽印[層→輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元。通過這兩個過程的交替進(jìn)行，在權(quán)向量 空間執(zhí)行誤差函數(shù)梯度下降策略，動態(tài)迭代搜索一組權(quán)向量，使網(wǎng)絡(luò)誤差函數(shù)達(dá)到最小值，從而完成信息提取和記憶過程。隱層的傳遞函數(shù)為 f1( )，則隱層節(jié)點(diǎn)的輸出為（將閾值寫入求和項(xiàng)中）： k=1,2,?? q （ 36） 輸出層節(jié)點(diǎn)的輸出為： j=1,2,?? m （ 37） 至此 BP網(wǎng)絡(luò)就完成了 n維空間向量對 m 維空間的近似映射。第 個樣本輸入到網(wǎng)絡(luò)后得到輸出（ j=1,2,? m）。 對于 個樣本，全局誤差為： (39) 2）輸出層權(quán)值的變化 采用累計誤差 BP 算法調(diào)整 ，使全局誤差 變小，即 (310) 東北林業(yè)大學(xué)畢業(yè)論文 11 式中： — 學(xué)習(xí)率 定義誤差信號為： (311) 其中第一項(xiàng)： (312) 第二項(xiàng)： (313) 是輸出層傳遞函數(shù)的偏微分。 于是： (322) 由鏈定理得： (323) 從而得到隱層各神經(jīng)元的權(quán)值調(diào)整公式為： (324) 東北林業(yè)大學(xué)畢業(yè)論文 13 BP 神經(jīng)網(wǎng)絡(luò)的算法改進(jìn) 圖 自適應(yīng)學(xué)習(xí) BP 算法理論具有依據(jù)可靠、推導(dǎo)過程嚴(yán)謹(jǐn)、精度較高、通用性較好等優(yōu)點(diǎn)，但標(biāo)準(zhǔn)BP 算法存在以下缺點(diǎn)：收斂速度緩慢；容易陷入局部極小值；難以確定隱層數(shù)和隱層節(jié)點(diǎn)個數(shù)。 動量法改進(jìn) BP 算法 1） 利用動量法改進(jìn) BP 算法 標(biāo)準(zhǔn) BP 算法實(shí)質(zhì)上是一種簡單的最速下降靜態(tài)尋優(yōu)方法，在修正 W(K)時，只按照第K步的負(fù)梯度方向進(jìn)行修正，而沒有考慮到以前積累的經(jīng)驗(yàn)，即以前時刻的梯度方向，從而常常使學(xué)習(xí) 過程發(fā)生振蕩，收斂緩慢。這種方法所加的動量因子實(shí)際上相當(dāng)于阻尼項(xiàng)，它減小了學(xué)習(xí)過程中的振蕩趨勢，從而改善了收斂性。 動量 自適應(yīng)學(xué)習(xí)率調(diào)整算法 標(biāo)準(zhǔn) BP 算法收斂速度緩慢的一個重要原因是學(xué)習(xí)率選擇不當(dāng)，學(xué)習(xí)率選得太小，收斂太慢；學(xué)習(xí)率選 得太大，則有可能修正過頭，導(dǎo)致振蕩甚至發(fā)散。 采用動量法時， BP 算法可以找到更優(yōu)的解；采用自適應(yīng)學(xué)習(xí)速率法時， BP 算法可以縮短訓(xùn)練時間。 確定了網(wǎng)絡(luò)層數(shù)、每層節(jié)點(diǎn)數(shù)、傳遞函數(shù)、初始權(quán)系數(shù)、學(xué)習(xí)算法等也就