基于bp神经网络的pid控制在主汽温控制系统中的应用__本科毕业设计论文.doc

《基于bp神经网络的pid控制在主汽温控制系统中的应用__本科毕业设计论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于BP神经网络的PID控制在主汽温控制系统中的应用摘要2第1章绪论31.1选题的背景31.2人工神经网络的研究内容31.3国内外研究现状5第2章神经网络概述62.1引言62.2人工神经网络的基本理论62.2.1人工神经元的形式化描述62.3神经网络原理72.3.1MP模型72.3.2神经网络的特点及应用82.4BP神经网络92.4.1BP神经网路概述92.4.2BP算法的计算公式及流程图102.5神经网络学习规则12第3章神经网络PID控制器的设计143.1基于BP神经网络的PID整定原理143.2理论介绍143.2.1BP神经网络的PID控制143.

2、2.2基于BP网络的PID控制器控制的算法流程14第4章BP神经网络PID控制在主汽温16控制系统中的应用164.1主蒸汽温度的控制的意义与任务164.1.1主蒸汽温度的控制的意义164.1.2主蒸汽温度的控制的任务164.2火电厂的主汽温系统174.3主汽温的数学模型184.3.1减温水扰动下主汽温的数学模型184.3.2主汽温控制方法194.4主汽温基于BP神经网络的PID控制仿真214.5结论23参考文献24网址25共25页第25页基于BP神经网络的PID控制在主汽温控制系统中的应用基于BP神经网络的PID控制在主汽温控制系统中的应用摘要目前，由于

3、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

4、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仿真共25页第25页基于BP神经网络的PID控制在主汽温控制系统中的应用第1章绪论1.1选题的背景随着科学技术的发展，自动控制在现代工业中起着主要的作用，目前已广泛应用于工农业生产及其他建设方面。生产过程自动化是保持生产稳定、降低成本、改善劳动成本

5、、促进文明生产、保证生产安全和提高劳动生产率的重要手段，是20世纪科学与技术进步的特征，是工业现代化的标志之一。可以说，自动化水平是衡量一个国家的生产技术和科学水平先进与否的一项重要标志。电力工业中电厂热工生产过程自动化技术相对于其他民用工业部门有较长的历史和较高的自动化水平，电厂热工自动化水平的高低是衡量电厂生产技术的先进与否和企业现代化的重要标志。锅炉汽温控制系统主要包括过热蒸汽和再热蒸汽温度的调节。主蒸汽温度与再热蒸汽温度的稳定对机组的安全经济运行是非常重要的。过热蒸汽温度控制的任务是维持过热器出口蒸汽温度在允许的范围之内，并保护过热器，使其管壁温

6、度不超过允许的工作温度。过热蒸汽温度是锅炉汽水系统中的温度最高点，蒸汽温度过高会使过热器管壁金属强度下降，以至烧坏过热器的高温段，严重影响安全。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，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人工神经网络的研究内容人工神经网络可以概括地定

7、义为：由大量简单的高度互联的处理元素(神经元)组成的复杂网络计算系统。它是在现代神经科学研究成果上提出来的，始于19世纪末期，反映了人脑的若干基本特征，是模拟人工智能的一条重要途径。从某种意义上说，人工神经网络、并行分布处理和神经计算机是统一的概念。神经网络在两个方面与人脑相似：1.神经网络获取的知识是从外界环境中学习得来的；共25页第25页基于BP神经网络的PID控制在主汽温控制系统中的应用1.互联神经元的连接强度，即突触权值，用于存储获取的知识。人工神经网络的研究和发展经历了一条曲折的道路，分为兴起、萧条、兴盛和高潮4个时期。1986年，美国的D.E

8、.Rumelhart和J.L.McCelland及其领导的研究小组发表了《并行分