分类号:3 编码：BY15 581 2132 4-901沈阳化工大学本科毕业论文 题 目: 基于神经网络的ID控制算法研究 院 系: 信息工程学院 专 业： 电气工程及其自动化 班 级： 电气1002 学生姓名: 张 贺 指导教师： 王娜 论文提交日期:20年6 月日论文答辩日期:13年 月 25日 摘 要 现如今，由于PID具有结构简单,可通过调节比例积分和微分取得较为满意的控制性能，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ID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。但是当运行工况发生较大变化时,却很难保证控制能力。因此本论文研究基于BP神经网络的PD控制，利用神经网络的自学习、不依赖模型和非线性等特性实现D参数自整定,充分利用PID和神经网络的优点。本文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、Ki、，依次作为PID控制器的实时控制参数，代替传统PI参数靠经验的人工整定和工程整定，以达到对具有大迟延主气温系统的良好控制。并对这个系统在ATLAB平台上进行仿真研究，结果表明基于B神经网络的自整定P控制具有良好的自学习能力和自适应能力，对拥有大迟延和变对象的系统能取得良好的控制效果。关键词：PID，BP神经网络,主汽温，MATLB仿真ABSTRACTreet, bausePID hasa simleructure and canbe djutdpropotional intgal n dffrnialto tisactoyonroleformance，,it i wd usein powerlants f varouscontrol prcess. Thesystem f Poer plant insteam tprau i n lrg inrta、big time-eld and onlina dynam system Conetion tea temperatrcontrolsye add cscade PIDcotro r te iffrtial ontro of a beor, whenthent s stble, general wi low the stea temperatur conoln herag ,ut n operaingconditons chnged greatly， t sdifiulto ensue he qulit o contro. histicsdies PI onrolbsed BPneural neto.Usin suchharactrsicsof neura neworkseferng, nonnar and dt rel ono ralie PID arametes oline uotuin. tcan maful s fte adtageof PD and neual network. Here,w ueamutilaye feedforwrd ual netwrkusnba ppagtionalgoithm ad baed ncontrlrequiremnts.his nt ca eal-time utpt Kp, Ki， dah PID contrllerparameters ,isteading fthe rdtinalIDpate termndb erece. Soi an obtain good conro eormace.osuc a systm ,w can simulat in ATLB suaton plform.Te siulion resuls sow th the ID contl based BP nralnetworkhasgood apivebity and selflearning aility.Frthsystem of lrgdeayan freemdl can ba goodontrolefecKEY ORS:PD ，P neurl etwork, main stem teperture,ALAB iuato 目 录摘 要IARACI第一章绪论11. 选题背景和意义112 国内外发展现状41.3本文研究的内容及主要工作6第二章 神经网络原理和应用82.1 神经网络概述82.神经网网络原理92.1 MP模式92. 神经网络的学习方式以及学习规则92.3 神经网络的特点及应用112.4 B神经网络12. BP神经网络的结构1124.2 BP神经网络算法12第三章 基于B神经网络的I控制1631 ID控制器的离散差分方程6 3.2 BP神经网络的P整定原理1 3. BP网络的PID控制器控制的算法21第四章 基于B神经网络的ID控制在主汽温控制系统中的应用23 4.锅炉主汽温的特点23 .1 主汽温控制任务3 4.12 主汽温控制对象的动态特性234.2 主汽温的数学模型25 .2.1 主汽温控制系统调节信号的选择25 .2 减温水扰动下主汽温的数学模型254主汽温控制方法274.4 主汽温基于P神经网络的PID控制Matlab仿真2845 仿真结果对比分析 4.结论38参 考文 献0附 录 42致 谢46 第一章 绪论 .1 选题背景和意义 在控制系统设计过程中,如何针对变化、复杂及具有不确定性的受控对象和环境作出最有效的控制决策是最主要而又最困难的问题。经典控制理论以及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,然而面对工程应用对控制要求的不断提高和工程实际问题,基于数学模型的控制理论和方法的局限性逐渐明显。无模型控制能有效提高控制系统的鲁棒性和适应性。因此,无模型控制的使用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,其最初目的在于模仿生物的神经系统。随着超大规模集成电路(VLI)、光电子学和计算机技术的发展，人工神经网络(ANN)己引起人们广泛的注意。近年来，基于神经元控制的理论和机理已获得更进一步的开发和应用。虽然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记忆能力和学习能力、概括能力、容错能力、并行处理能力等重要特性，仍然有很多基于ANN的控制器被设计出来，这类控制器具有并行处理、鲁棒性好、执行速度快、自适应性强等优点,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,它比较适用于一些具有不确定性或高度非线性的被控对象，并具有较强的学习功能和适应能力,它是智能控制的一个重要分支。对于自动控制来说,神经网络具有自适应功能,非线性映射功,泛化功能，高度并行处理功能等几方面优势2，这使神经网络成为当今一个非常热门的复合学科, 广泛应用在化工，电力,机械等各行业，并取得了较好的控制效果。1.2国内外发展现状随着现代工业要求逐渐复杂，经典控制理论面临严峻的挑战,例如被控系统日益巨大和复杂,存在许多种不确定因素以及难以确定描述的非线性特性，并且控制的要求越来越高(如控制精度、稳定性、实时性等)，因此人们一直在探索如何使控制系统更具有智能,使能够适应各种复杂控制环境。神经网络源于对人脑神经功能的模拟,它的一些类似人的智能特性很大可能被用于解决现代控制面临的一些难题。因此，从0世纪0年代起,人们就开始研究神经网络在控制中的应用了，并取得了一定的成果。目前，随着神经理论的发展和新算法的相继提出，神经网络的应用日益广泛。从神经网络的基本模式来看,主要有如下四种类型：前馈型、反馈型、随机型以及自组织型神经网络3。这四种类型具有不同的网络模型:前馈网络主要有Aine、BP网络及BF网络;反馈网络中主要有Hopfild网络;自组织网络主要有T网。目前，已经较为成熟的神经网络控制模型主要有神经ID控制，神经自校正控制,神经内膜控制,神经模型参考自适应控制等4。（) 神经网络自校正控制神经自校正控制结构如图所示，它由两个回路组成:自校正控制器与被控对象组成的反馈回路;神经网络辨识器与控制器设计，以此得到控制器的参数。这种方案的设计思路是利用神经网络辨识器的估算能力对常规控制器的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：