电气工程及自动化-毕业设计-基于MATLAB的锅炉汽温神经网络控制

《电气工程及自动化-毕业设计-基于MATLAB的锅炉汽温神经网络控制》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、本科毕业设计基于MATLAB的锅炉汽温神经网络控制IV摘要火电厂锅炉过热蒸汽温度是整个系统中的最高温度，对电厂的安全、经济运行有重大影响。常规PID控制方法虽然具有结构简单、鲁棒性好等优点，能够在加热炉控制中得到广泛的应用，但是过热汽温对象具有大滞后、多变量、时变性、强耦合、大惯性、非线性等特点，因此PID参数也很难达到最优的状态。神经网络控制是从20世纪80年代的中后期开始发展起来的横跨多个领域的一种新型的信息获取、描述和处理方式。它具有逼近任意非线性函数关系的能力和快速学习能力，而且能和传统的控制方法做适宜的结合，是一

2、种适合应用在复杂工业过程当中的新型方法。本文主要对锅炉汽温过热做了简单介绍，阐述了神经网络的发展和现状，对神经网络的结构做了一定的描述。本文针对常规PID的不足之处，提出了应用BP神经网络在线整定其参数的方法。重点介绍了BP神经网络并推导了其算法，针对锅炉汽温过热控制过程的特点设计了相应的BP神经网络，并将其与PID控制器结合。最后利用MATLAB对其进行仿真，其结果表明，基于BP神经网络的PID控制器相比于传统的PID控制有很好的收敛性，稳态误差较小，而且具有良好的动态性能。关键词：锅炉汽温；BP神经网络；PID控制；M

3、ATLAB仿真IVAbstractBoilersuperheatedsteamtemperatureisthehighesttemperatureofthewholesystem,whichhasagreatinfluencetothesafetyandeconomyoftheelectricitygeneratingstation.AlthoughconventionalPIDcontrolmethodhasmanymeritssuchassimplestructureandrobustness,whatmakesitw

4、idelyusedinfurnacecontrol,thesuperheatedsteamtemperatureobjectwithalargedelay,multivariable,timevariabilityandstrongcoupling,largeinertia,nonlinear,takesteamtemperaturecontroltoacertaindegreeofdifficulty.AndconventionalPIDcontrolparameterscanbeadjustedonline,itisd

5、ifficulttoadapttotheobjectatanytimetoadapttochangesin.Withthedynamiccharacteristicsoffurnaceandchangetheenvironment,itisdifficulttoachievetheoptimalPIDparametersofthestate.Neuralnetworkcontrolisanewtypeofinformationaccess,descriptionandtreatmentwhichdevelopedinthe

6、late80softhe20thcenturyandacrossanumberofareas.Itcancombinewiththetraditionalcontrolmethodsinasuitablewayandbecomesanewmethodusedincomplexindustrialprocess.Thisarticlemakesabriefintroductionaboutoverheatedsteamtemperatureandthedevelopmentandstatusofneuralnetwork,g

7、ivesadescriptionofthestructureofneuralnetwork.FortheinadequaciesofconventionalPID,thisarticleputforwardamethodofon-lineregulatingoftheparameterswithBPneuralnetwork.ThearticleismainlyaboutBPneuralnetworkanddeducesitsalgorithm,thanaddsittothePIDcontrollerbasedonthec

8、haracteristicsoftheprocessofoverheatedsteamtemperaturecontrol.Finally,theresultofMATLABsimulationofthecombinationofBPneuralnetworkandPIDcontrollershowst