【正文】 確定了 BP網(wǎng)絡(luò)。 1）隱層數(shù)的確定： 1998 年 Robert HechtNielson 證明了對任何在閉區(qū)間內(nèi)的連 續(xù)函數(shù)，都可以用一個(gè)隱層的 BP網(wǎng)絡(luò)來逼近，因而一個(gè)三層的 BP網(wǎng)絡(luò)可以完成任意的 n維到 m 維的映照。 2） BP 網(wǎng)絡(luò)常用傳遞函數(shù) : 圖 BP網(wǎng)絡(luò)常用的傳遞函數(shù) BP 網(wǎng)絡(luò)的傳遞函數(shù)有多種。 BP網(wǎng)絡(luò)通常有一個(gè)或多個(gè)隱層，該層中的神經(jīng)元均采用 sigmoid 型 傳遞函數(shù)，輸出層的神經(jīng)元?jiǎng)t采用線性傳遞函數(shù)，整個(gè)網(wǎng)絡(luò)的輸出可以取任意值。 只改變傳遞函數(shù)而其余參數(shù)均固定，所述的樣本集訓(xùn)練 BP 網(wǎng)絡(luò)時(shí)發(fā)現(xiàn)，傳遞函數(shù)使用 tansig 函數(shù)時(shí)要比 logsig 函數(shù)的誤差小。 3） 每層節(jié)點(diǎn)數(shù)的確定： 使用神經(jīng)網(wǎng)絡(luò)的目的是實(shí)現(xiàn)攝像機(jī)輸出 RGB 顏色空間與 CIEXYZ 色空間轉(zhuǎn)換，因此BP 網(wǎng)絡(luò)的輸入層和輸出層的節(jié)點(diǎn)個(gè)數(shù)分別為 3。 東北林業(yè)大學(xué)畢業(yè)論文 15 對于多層 前饋網(wǎng)絡(luò)來說，隱層節(jié)點(diǎn)數(shù)的確定是成敗的關(guān)鍵。關(guān)于隱層數(shù)及其節(jié)點(diǎn)數(shù)的選擇比較復(fù)雜，一般原則是：在能正確反映輸入輸出關(guān)系的基礎(chǔ)上，應(yīng)選用較少的隱層節(jié)點(diǎn)數(shù)，以使網(wǎng)絡(luò)結(jié)構(gòu)盡量簡單。 在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中選擇均方誤差 MSE 較為合理，原因如下： ①
標(biāo)準(zhǔn) BP算法中，誤差定義為： (326) 每個(gè)樣本作用時(shí)，都對權(quán)矩陣進(jìn)行了一次修改。 ② 累計(jì)誤差 BP 算法的全局誤差定義為： (327) 這種算法是為了減小整個(gè)訓(xùn)練集的全局誤差，而不針對某一特定樣本，因此如果作某種修改能使全局誤差減小，并不等于說每一個(gè)特定樣 本的誤差也都能同時(shí)減小。因?yàn)閷τ谕痪W(wǎng)絡(luò)來說， P 越大， E 也越大； P值相同，m越大 E 也越大。均方誤差克服了上述兩種算法的缺點(diǎn)，所以選用均方誤差算法較合理。針對本論文 n1取值范圍為 3～ 13。 東北林業(yè)大學(xué)畢業(yè)論文 16 表 隱層神經(jīng)元個(gè)數(shù) 訓(xùn)練誤差 測試誤差 3 4 5 6 7 8 9 10 11 12 13 由上表可以看出： ①增加隱層節(jié)點(diǎn)數(shù)可以減少訓(xùn)練誤差，但超過 10 以后測試誤差產(chǎn)生波動，即泛化能力發(fā)生變化。 ②訓(xùn)練誤差和測試誤差都很大 ,而且收 斂速度極慢 ，這個(gè)問題可以通過對輸出量進(jìn)行歸一化來解決。目標(biāo)值按下式進(jìn)行變化： (329) 使目標(biāo)值落 在 ～ 之間，這樣靠近數(shù)據(jù)變化區(qū)間端點(diǎn)的網(wǎng)絡(luò)輸出值就有一波動范圍，網(wǎng)絡(luò)的性能較好。 本章主要講述了 BP神經(jīng)網(wǎng)絡(luò)的基本原理，及其算法改進(jìn)，詳細(xì)的分析了 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)越性，并論述了影響控制過程中影響動態(tài)特性的一些主要因素，對 BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)確定及參數(shù)整定做了詳細(xì)分析， BP 神經(jīng)網(wǎng)絡(luò)是控制理論的關(guān)鍵理論，所以掌握其知識要點(diǎn)有著非常 重要的意義。當(dāng)我們使用函數(shù)newff 創(chuàng)建前饋神經(jīng)網(wǎng)絡(luò)后，網(wǎng)絡(luò)會自動地初始化權(quán)值和閾值，缺省值都是 0。對 BP 神經(jīng)網(wǎng)絡(luò)來說 ,參數(shù) 的值是 initwb，它使網(wǎng)絡(luò)的初始化采用 Nguyenwidrow 算法。 Si—— 第 i層的神經(jīng)元個(gè)數(shù)，總共 N 層。 BTF—— BP網(wǎng)絡(luò)訓(xùn)練函數(shù)，缺省值為 ” trainlm” 。 執(zhí)行結(jié)果：創(chuàng)建一個(gè) N層的 BP 神經(jīng)網(wǎng)絡(luò)。 BTF 的值還可以選擇 trainbfg、 trainrp、 traingd 等函數(shù)。對不同的網(wǎng)絡(luò)，應(yīng)該根據(jù)情況選擇最合適的訓(xùn)練函數(shù)。 在訓(xùn)練的過程中，網(wǎng)絡(luò)的權(quán)值和閾值被反復(fù)地調(diào)整，以減少網(wǎng)絡(luò)性能函數(shù) 的值，直到達(dá)到預(yù)先的要求。 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練同樣可以使用函數(shù) train()和 adapt()。 在 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法中，都是通過計(jì)算性能函數(shù)的梯度，再沿負(fù)梯度方向調(diào)整權(quán)值和閾值，從而使性能函數(shù)達(dá)到最小。 BP神經(jīng)網(wǎng)絡(luò)的 PID整定原理 PID 控制要取得較好的控制效果 .就必須通過調(diào)整好比例 ,積分和微分三種控制作用 ,形成控制中既相互配合又相互制約的關(guān)系 .這種關(guān)系不一定是簡單的 ” 線性組合 ” ,從變化無窮的非線性組合中可以找出最佳的關(guān)系 .神經(jīng)網(wǎng)絡(luò)所具有的任意非線性表達(dá)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 .采用 BP神經(jīng)網(wǎng)絡(luò) ,可以建立參數(shù) pk , ik , dk 自學(xué)習(xí)的 PID 控制器 . 基于 BP(back propagation)網(wǎng)絡(luò)的 PID控制系統(tǒng)的 控制器由兩部分構(gòu)成： （ 1） 經(jīng)典的 PID 控制器，直接對被控對象進(jìn)行閉環(huán)控制，并且三個(gè) 參數(shù) pk , ik , dk 為在線調(diào)整方式。 經(jīng)典增量式數(shù)字 PID的控制算法為 ( ) ( 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? ? ? ? ? ? ? ? ? ? ? 圖 BP神經(jīng)網(wǎng)絡(luò) 式中 pk , ik , dk 分別為比例，積分，微分系數(shù)。但是傳統(tǒng)的 PID 控制對于速度較快的設(shè)備，采樣速率過慢，無法獲取詳細(xì)的瞬態(tài)特征數(shù)據(jù)，也由于一些技術(shù)條件的限制，目前尚無成熟的全系統(tǒng)的在線檢測系統(tǒng)。 以下兩圖就是兩者在相同控制參數(shù)的情況下由 MATLAB 仿真所得到的結(jié)果曲線圖 東北林業(yè)大學(xué)畢業(yè)論文 20 圖 BP神經(jīng)網(wǎng)絡(luò)與普通 PID擾動對比效果 圖 圖 神經(jīng)網(wǎng)絡(luò)與普通 PID 階躍對比圖 由圖可以看出基于 BP 神經(jīng)網(wǎng)絡(luò)的 PID 控制比傳統(tǒng)的 PID 控制在時(shí)間上要短很多，且在給出一個(gè)擾動后，恢復(fù)到穩(wěn)態(tài)更加快捷，更加穩(wěn)定。 由此 通過本文的研究，給出了一種 汽輪機(jī)控制方法， 基于 BP人工神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)控制 。由于人工神經(jīng)網(wǎng)絡(luò)已經(jīng)成為當(dāng)前控制系統(tǒng)理論的主要方法之一，本文 應(yīng)用最多的是前向多層網(wǎng)絡(luò) —— BP 網(wǎng)絡(luò)（ BackPropagation Network）， 利用其算法快速訓(xùn)練速度 ， 實(shí)現(xiàn)了控制系統(tǒng)的快速實(shí)現(xiàn)閾值和學(xué)習(xí)率 的動量 自適應(yīng)的調(diào)整算法。通過仿真 BP 神經(jīng)網(wǎng)絡(luò)與普通 PID 的控制系統(tǒng)對比可以看出，采用 BP 神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)在收斂速度和抗擾動的性能都優(yōu)越于普通的 PID 控制 。 東北林業(yè)大學(xué)畢業(yè)論文 22 參考文獻(xiàn) [1] 何玉彬 ， 李新忠 .神經(jīng)網(wǎng)絡(luò)控制技術(shù)及其應(yīng)用 .科學(xué)出版社， 2020： 124~125 [2] 上海新華控制技術(shù)有限公司 .電站汽輪機(jī)數(shù)字式電液控制系統(tǒng) — 1版 .北京：中國電力出版社， 2020： 236~238 [3] 木林 ， 馬秀榮 .人 工 神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用 . 貝爾學(xué)院學(xué)報(bào)， 2020： 55~58 [4] 翦天聰 . 汽輪機(jī) 原理 . 中國電力出版社， 1992： 65~68 [5] 國發(fā)娟 . 基于 BP網(wǎng)絡(luò)的水輪機(jī)調(diào)速器狀態(tài)監(jiān)測與故障診斷 . 華中科技大學(xué)水電與數(shù)字化工程學(xué)院， 1999： 185~190 [6] 劉 金琨 .先進(jìn) PID控制及 MATLAB仿真 .電子工業(yè)出版， 2020： 125~129 [7] 余雪麗，孫承意，馮秀芳 .神經(jīng)網(wǎng)絡(luò)與實(shí)例學(xué)習(xí) .中國鐵道出版社 ， 1996： 96~101 [8] 吳優(yōu)福 .用神經(jīng) 網(wǎng)絡(luò)實(shí)現(xiàn)雙抽汽輪機(jī)的負(fù)荷解耦控制及仿真 .東南大學(xué)熱能工程系 ， 2020 [9] 孫建華，汪 偉 ，余海燕 .基于模糊 PID 的汽輪機(jī)轉(zhuǎn)速控制系統(tǒng) .中國電機(jī)工程學(xué)報(bào) ， 2020 [10] 剪天聰，林中達(dá) .汽輪機(jī)控制系統(tǒng)的評述 .水利電力出版社 ， 2020 [l1] 陳來九 .控制系統(tǒng)原理 .電力出版社 ， 2020:214~217 [12] Klure一 Jensen， :6Issue:l， Mareh1991 [13] Kehler， . :1， 31Jan一 [14] 楊建剛 .工神經(jīng)網(wǎng)絡(luò)實(shí)用教程 .杭州 浙江大學(xué)出版社 ， 2020:59~65 [15] 徐麗娜 .神經(jīng) 網(wǎng)絡(luò)控制 .北京 電子工業(yè)出版社 ， 2020:100~102 [16] Narendra,.,and ,1990. Identification and control of dynamical systems using neural Transactions on Neural Networks,： 427 [17] 王爽心，葛曉霞 .汽輪機(jī) 數(shù)字電液控制系統(tǒng) .北 京 中國電力出版社 ,1999:46~48 [18] 李寶玉， 魏毓璞 .汽輪機(jī) 調(diào)節(jié)系統(tǒng)疑難問題解析 .北京 化學(xué)工業(yè)出版社， 2020： 89~95 [19] Zormer W,Muller system for monitoring the operation of steam turbine generator Kraftwerkstechnik,1992 [20] 苗廣祥 .汽輪機(jī) 數(shù)字電液調(diào)節(jié)系統(tǒng)參數(shù)辨識與應(yīng)用研究 .華北電力大學(xué) ， 1999:59~62 [21] 王永驥，徐健 .神經(jīng) 元網(wǎng)絡(luò)控制 .機(jī)械 工業(yè)出版社 ， 2020:178~180 東北林業(yè)大學(xué)畢業(yè)論文 23 東北林業(yè)大學(xué)畢業(yè)論文評審意見表 畢 業(yè)論文題目 學(xué)生姓名 專業(yè)班級 東北林業(yè)大學(xué)畢業(yè)論文 24 指導(dǎo)教師評語 : 建議成績： 指導(dǎo)教師（簽字）： 年 月 日 東北林業(yè)大學(xué)畢業(yè)論文評審意見表 畢業(yè)論文題目 學(xué)生 姓名 專業(yè)班級 評閱人評語 : 建議成績： 評閱人（姓名、職稱） : 年 月 日 東北林業(yè)大學(xué)畢業(yè)論文評審意見表 畢業(yè)論文題目 學(xué)生姓名 專業(yè)班級 評閱人評語 : 建議成績： 評閱人（姓名、職稱） : 年 月 日 答辯委員會意見 : 答辯委員會 (教師姓名、職稱 )： 畢業(yè)論文成績：