没有合适的资源?快使用搜索试试~ 我知道了~
毕业设计《神经网络PID毕业设计完整》源码+论文
3星 · 超过75%的资源 需积分: 47 52 下载量 82 浏览量
2011-05-29
11:19:25
上传
评论 6
收藏 1.14MB DOC 举报
温馨提示
试读
47页
自己花了半年时间的毕设,心血之作!《神经网络PID毕业设计完整》,永恒的经典之作!
资源推荐
资源详情
资源评论
摘 要
目前,由于 PID 具有结构简单,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。电厂主汽温的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 PID 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 BP 神经网络的 PID 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 PID 参数的在线自整定,充分利用 PID 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 Kp、Ki、Kd,依次作为
PID 控制器的实时参数,代替传统 PID 参数靠经验的人工整定和工程整定,以达到对大迟延主气温系统的
良好控制。对这样一个系统在 MATLAB 平台上进行仿真研究,,仿真结果表明基于 BP 神经网络的自整
定 PID 控制具有良好的自适应能力和自学习能力,对大迟延和变对象的系统可取得良好的控制效果。
关键词:主汽温,PID,BP 神经网络,MATLAB 仿真
ABSTRACT
At present, because PID has a simple structure and can be adjusted proportional integral and differential to
satisfactory control performance , ,it is widely used in power plants of various control process. The system of
Power plant main steam temperature is an large inertia 、 big time-delayed and nonlinear dynamic system.
Conventional steam temperature control system adopted cascade PID control or the differential control of lead
before, when the unit is stable, general will allow the steam temperature control in the range ,but when operating
conditions changed greatly, it is difficult to ensure the quality of control. This article studies PID control based BP
neural network . Using such characteristics of neural network self-learning, nonlinear and don't rely on model
realize PID parameters online auto-tuning. It can make full use of the advantages of PID and neural network.
Here,we use a multilayer feedforward neural network using back propagation algorithm and based on control
requirements.This net can real-time output Kp, Ki, Kd as the PID controller parameters ,insteading of the
traditional PID parameters determined by experience. So it can obtain good control performance .For such a
system ,we can simulate in MATLAB simulation platform.The simulation 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...................................................................................................................1
1.1 选题背景和意义..............................................................................................1
1.2 国内外研究现状..............................................................................................1
1.3 立论依据..........................................................................................................5
1.4 本文所做的主要工作......................................................................................5
1.5 本论文的章节安排..........................................................................................5
第二章 神经网络原理和应用.......................................................................................6
2.1 MP 模型............................................................................................................6
2.2 神经网络的学习方式和学习规则..................................................................8
2.2.1 神经网络的学习方式.............................................................................8
2.2.2 神经网络的学习规则.............................................................................8
2.3 神经网络的特点及应用..................................................................................9
2.4 BP 神经网络.....................................................................................................9
2.4.1 BP 神经网络的结构................................................................................9
2.4.2 BP 神经网络算法..................................................................................10
2.4.3 BP 神经网络的前向传播算法..............................................................10
2.4.4 BP 神经网络的反向传播计算..............................................................11
第三章 基于 BP 神经网络的 PID 控制........................................................................13
3.1 PID 控制器的离散差分方程..........................................................................13
3.2 基于 BP 神经网络的 PID 整定原理...............................................................15
3.3 基于 BP 网络的 PID 控制器控制的算法流程...............................................18
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.......................23
4.1 锅炉主汽温的特点........................................................................................23
4.1.1 主汽温的控制任务...............................................................................23
4.1.2 主汽温控制对象的动态特性...............................................................23
4.2 主汽温的数学模型........................................................................................25
4.2.1 主汽温控制系统调节信号的选择.......................................................25
4.2.2 减温水扰动下主汽温的数学模型.......................................................25
4.3 主汽温控制方法............................................................................................27
4.4 主汽温基于 BP 神经网络的 PID 控制 Matlab 仿真......................................28
4.5 仿真结果分析................................................................................................39
结论与展望..................................................................................................................39
参 考 文 献..................................................................................................................41
第一章 绪论
1.1 选题背景和意义
在控制系统设计中,最主要而又最困难的问题是如何针对复杂、变化及具有不确定性的受控对象和环
境作出有效的控制决策。经典控制理论和现代控制理论的基础是建立数学模型,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 1943 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(VLSl)、光电子学和计算机技术的发展,人工神经网络(ANN)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 ANN 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
[1]
。
神经网络控制是一种基本上不依赖于模型的控制方法,它比较适用于那些具有不确定性或高度非线性
的控制对象,并具有较强的适应和学习功能,它是智能控制的一个重要分支。对于自动控制来说,神经网络有
具有自适应功能,泛化功能,非线性映射功,高度并行处理功能等几方面优势
〔
2
〕
,这使得神经网络成为
当今一个非常热门的交叉学科, 广泛应用在电力,化工,机械等各行各业,并取得了比较好的控制效果。
1.2 国内外研究现状
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 20 世纪 60 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。
从神经网络的基本模式看,主要有:前馈型、反馈型、自组织型及随机型神经网络
〔
3
〕
。这四种类型各
自具有不同的网络模型:前馈网络中主要有 Adaline、BP 网络及 RBF 网络;反馈网络主要有 Hop$eld
网络;自组织网络主要有 ART 网,当前,已经比较成熟的神经网络控制模型主要有神经自校正控制,神
经 PID 控制,神经模型参考自适应控制,神经内膜控制等等
[4]
(1) 、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
[5]
:
1
剩余46页未读,继续阅读
资源评论
- 「已注销」2013-08-07对我没有太大帮助。。。
- sngeet2012-06-25本科毕业论文啊,参考价值不大
- liuruiaiyan2013-03-13对学习完神经网络后写结课论文很有帮助。
YYAlice
- 粉丝: 4
- 资源: 13
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- pta题库答案c语言之排序4统计工龄.zip
- pta题库答案c语言之树结构7堆中的路径.zip
- pta题库答案c语言之树结构3TreeTraversalsAgain.zip
- pta题库答案c语言之树结构2ListLeaves.zip
- pta题库答案c语言之树结构1树的同构.zip
- 基于C++实现民航飞行与地图简易管理系统可执行程序+说明+详细注释.zip
- pta题库答案c语言之复杂度1最大子列和问题.zip
- 三维装箱问题(Three-Dimensional Bin Packing Problem,3D-BPP)是一个经典的组合优化问题
- 以下是一些关于Linux线程同步的基本概念和方法.txt
- 以下是一个简化的示例,它使用pygame库来模拟烟花动画的框架.txt
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功