人工智能-机器学习-智能控制在船用锅炉主蒸汽压力系统中的应用研究.pdf

本文是关于哈尔滨工程大学的一篇硕士学位论文，主题聚焦于人工智能中的机器学习技术，特别是智能控制在船用锅炉主蒸汽压力系统中的应用。论文探讨了如何应对船用锅炉控制对象的非线性、参数不稳定和难以建模的问题，通过结合模糊控制理论和神经网络控制理论，提出了一种基于径向基函数（RBF）模糊神经网络的PID算法。 1. **模糊控制理论与神经网络控制理论的结合**： - 论文深入研究了RBF模糊神经网络PID算法，这是模糊控制与神经网络控制的集成。模糊控制能够处理不确定性和非线性问题，而神经网络则具备自我学习和调整权重的能力，两者结合可以增强控制器的适应性和鲁棒性。 2. **RBF模糊神经网络PID算法**： - 这一算法是针对船用锅炉主蒸汽压力系统设计的，它能够在控制过程中考虑到系统的动态变化和不确定性，提高控制精度和稳定性。 3. **PLC实现**： - 论文详细介绍了如何利用可编程逻辑控制器（PLC）编程实现RBF模糊神经网络PID算法。通过西门子S7-400 PLC，作者解决了涉及矩阵计算等复杂函数计算的问题，使得该算法能够在PLC中实际应用。 4. **模糊PID算法在送风系统中的应用**： - 针对船用锅炉送风系统的特点，论文还提出了模糊PID算法的实现，这有助于优化送风控制，提高整体系统的效率。 5. **仿真验证**： - 通过计算机仿真，论文证明了RBF模糊神经网络PID算法相对于传统的PID控制器和神经网络控制器，其控制效果更优。 6. **关键改进**： - 在模糊神经网络设计中，引入了惯性滤波程序和手自动无扰切换程序，增强了系统的稳定性和实用性。 - 模糊PID控制部分，加入了空气流量的温度和压力补偿以及微分先行PID计算，提升了控制策略的性能。 7. **研究内容**： - 系统性地分析了BP神经网络PID算法、RBF模糊神经网络PID算法以及模糊PID控制算法的基础理论和在船用锅炉中的应用。 - 描述了RBF模糊神经网络PID算法在PLC控制器上的实现过程和遇到的问题及解决方案。 8. **仿真测试**： - 对设计的船用锅炉主蒸汽压力系统的燃料和送风控制回路进行了仿真，验证了算法的实际效果。 关键词：船用锅炉、蒸汽压力控制、模糊神经网络、可编程控制器。