毕业设计-神经网络控制算法仿真.doc

摘　 要

目前由于Ｐ结构简单可通过调节比例积分和微分取得基本满意的控制性能，广泛

应用在电厂的各种控制过程中。电厂主汽温被控对象是一个大惯性、大迟延、非线性且对

象变化的系统，常规汽温控制系统为串级Ｉ控制或导前微分控制当机组稳定运行时，

一般能将主汽温控制在允许的范围内。但当运行工况发生较大变化时，却很难保证控制品

质．因此本文研究基于Ｂ神经网络的Ｄ控制，利用神经网络的自学习、非线性和不依

赖模型等特性实现Ｄ参数的在线自整定充分利用Ｉ和神经网络的优点。本处用一个

多层前向神经网络采用反向传播算法依据控制要求实时输出、、ｄ依次作为

At pｒesent，　ｂecａusｅ PID has　a simple sｔructure anｄ　ｃaｎ be adjusted　pｒ

ｏportiｏnａl 、inｔegrａl　anｄ diffｅrential ｔo ｓａtisfaｃtory cｏntｒol ｐerforｍ

ance，　it ｉs wｉdｅly usｅd　ｉn ｐower　ｐｌants ｏf　varioｕs ｃontｒol proｃｅｓ

s. Ｔhe　ｓｙsｔem oｆ pｏwｅｒ　plant　mａiｎ steam temｐeratuｒe is an ｌａrｇｅ in

ｅｒtia、big time—delayed aｎd　ｎonｌineaｒ dynaｍic sｙsｔｅm。　Cｏｎｖeｎ

tional steam tempｅrａture cｏntroｌ systｅｍ aｄoｐted　ｃascaｄe ＰIＤ contｒol or the

difｆerential cｏntｒol of ｌｅａｄ befoｒｅ。 When tｈe uniｔ is　stablｅ, ｔhese ｍ

ethods will cｏｎtroｌ ｔhe steａm tｅmpeｒaturｅ in a　ｃertａｉn range　,bｕt when ｏｐ

ｅｒａｔing　ｃｏｎditｉons ｃhangｅd ｇreatly， it　ｉs difｆiｃuｌt　tｏ ensｕre tｈｅ

quａｌity of　cｏnｔrol． Ｔｈis ａrticle stｕdｉes PIＤ　ｃontrｏl based ＢP ｎeural ne

coｎtroｌler　pａrａｍeｔers　, iｎsｔｅading　of tｈe tradｉtional PIＤ paｒameters de

ｔerｍined by expeｒiｅnｃe, sｏ　it caｎ obtain good coｎtrｏｌ pｅｒformance 。For

such　a　sｙｓtｅm ,we ｃａn simulate in MATLＡB siｍulａtion ｐｌaｔｆｏrm.Tｈe ｓ

imulatioｎ ｒesults show　thaｔ　tｈe ＰID conｔｒｏl bａsed BP neural networｋ ｈaｓ

goｏｄ adaｐtｉｖe aｂility　and ｓｅlｆ—leaｒniｎｇ abｉlity。Ｆor tｈｅ　system of

larｇｅ delay and free-modeｌ cａn obtain good contｒol effｅct。

ＫＥＹ WＯＲDS:　 mａｉｎ sｔeam　temperａtｕrｅ ,PＩＤ ,BＰ neurａl netｗork,

MATLAＢ simulatioｎ

目录

摘　 要....................................................................................................................................... I

ABSTRACT................................................................................................................................... I

第一章 绪论.............................................................................................................................. 0

1.1 选题背景和意义..........................................................................................................0

1。２　国内外研究现状..................................................................................................0

1。3 立论依据...................................................................................................................3

1。4 本文所做的主要工作...............................................................................................4

第二章 神经网络的基本原理...................................................................................................5

2。1 人工神经元模型.......................................................................................................6

３。3 基于ＢP网络的ＰID控制算法流程......................................................................19

3.４　本章小结...............................................................................................................19

第四章 基于BP神经网络的PIＤ控制在主汽温控制系统中的应用........................................0

4.１　主汽温的控制任务.................................................................................................0

4。2 主汽温被控对象的动态特性...................................................................................0

4.3　主汽温控制策略.......................................................................................................1

4.３.1主汽温控制信号的选择....................................................................................1

4.3。2 主汽温控制的两种策略..................................................................................2

4.4仿真分析...................................................................................................................... 3

４。５ 本章总结............................................................................................................11

模型以此进行控制系统设计然而面对工程实际问题和工程应用对控制要求的不断提高

基于数学模型的控制理论和方法的局限性日益明显。无模型控制能有效提高控制系统的适

应性和鲁棒性因此，走向无模型控制是自动控制发展的另一个重要方向。

在年，麦卡洛克和皮茨首次提出了脑模型其最初动机在于模仿生物的神经系统

随着超大规模集成电路、光电子学和计算机技术的发展人工神经网络己引起更为

广泛的注意。近年来，基于神经元控制的理论和机理已获得进一步的开发和应用。尽管基

于神经元的控制能力还比较有限，但由于神经网络控制器具有学习能力和记忆能力、概括

能力、并行处理能力、容错能力等重要特性仍然有许多基于人工神经网络的控制器被设

计出来，这类控制器具有并行处理、执行速度快、鲁棒性好、自适应性强和适于应用等优

点，广泛的应用在控制领域

用在电力化工，机械等各行各业并取得了比较好的控制效果。

随着现代工业过程的日益复杂经典现代控制理论面临严峻挑战例如被控系统越来越

巨大，存在多种不确定因素存在难以确定描述的非线性特性而控制的要求越来越高（如

控制精度、稳定性、容错、实时性等，因此人们一直在探索如何使控制系统具有更高的

智能使之能够适应各种控制环境。而神经网络源于对人脑神经功能的模拟它的某些类似

人的智能特性有可能被用于解决现代控制面临的一些难题因此，从世纪年代起，人

们就开始研究神经网络在控制中的应用了取得了一定效果。目前随着神经理论的发展和

新算法的相继提出神经网络的应用越来越广泛。

控制等等

（!、神经网络自校正控制

神经自校正控制结构如图，它由两个回路组成"（１）自校正控制器与被控对象构成

的反馈回路#（２）神经网络辨识器与控制器设计以得到控制器的参数。这种方案的设计

思想是利用神经网络辨识器的计算估计能力对常规控制器参数进行约束优化求解从而实

现对常规控制器的参数或结构进行调整方框图如下

化无穷的非线性组合中可以找出最佳的关系。神经网络所具有的任意非线性表示能力，可

以通过对系统性能的学习来实现具有最佳组合的控制。方框图如下

!$!　 　(!　(ｉ ( !!　　　 %　 　 　　 　 　　 　 &

!!!!　 　 )!!　 　 　

对于一般神经Ｐ常采用Ｐ算法因神经网络具有逼近任意非线性函数的能力而

且结构和学习算法简单明确。通过神经网络的自身学习、加权系数调整从而使其稳定状

态对应于某种最优控制律下的控制器参数。

） 、神经网络模型参考自适应控制

&

ｒ)

%&!!　＋