江苏科技大学本科毕业设计(论文)学院专业学生姓名班级学号指导教师二零壹贰年六月江苏科技大学本科毕业论文神经网络PID在锅里蒸汽压力中的应用ResearchontheapplicationintheboilersteampressurebasedonBP-PIDcontrol江苏科技大学本科毕业设计(论文)I摘要船用锅炉主蒸汽压力调节对象含有大惯性、大滞后环节,而常规PID控制方法不具备自适应能力,所以很难满足实际的控制要求。采用基于BP神经网络的PID控制方法,设计PID控制器的在线调整控制系统,改善系统的动态性能,无论在理论上还是在实践上都具有重要意义。通过对传统PID控制原理和BP神经网络的学习,应用Matlab软件设计基于BP神经网络的PID控制器,利用神经网络的自学习能力来实现最佳组合的PID控制,方法简单,易于实现。仿真研究证明,BP神经网络结合传统PID控制方法在锅炉蒸汽压力中的应用,取得了良好的控制效果。采用传统PID控制算法的响应曲线,振荡较大,过渡时间长,超调量较大;而采用BP神经网络控制算法的响应曲线,无振荡,过渡时间短,无超调,且最先得到稳定输出,其控制效果明显优于传统的PID控制算法。关键词:锅炉蒸汽压力;BP神经网络;PID江苏科技大学本科毕业设计(论文)IIAbstractMarineusedboilersteam’spressureregulatorobjecthaslargeinertiaandlagcharacteristic.Itisdifficultfortheobjecttoachievetheactualcontrolrequirements,astheconventionalPIDcontrolerdoesnothavetheadaptivecapacity.TheuseofPIDcontrolmethodbasedonBPneuralnetworkisofgreatsignificancetoimprovethedynamicperformanceofthesystembothintheoryandpractice,forthemethodadjuststhecontrolsystembytheonlinedesignofPIDcontroller’sparameters.AccordingtothePIDcontrolprincipleandBPneuralnetworklearningmethod,thewayofusingtheneuralnetwork’sself-learningabilitytoachievethebestcontroleffectoftheobjectissimple,easytoimplementbytheMATLABsoftware.Thebettercontroleffectofthealgorithmisconfirmedbysimulationprocess.Ontheonehand,usingthetraditionalPIDcontrolalgorithm,thereisalargeroscillation,thetransitionforalongtimeandovershoot,asisseenfromtheresponsecurve.Ontheotherhand,theresponsecurveoftheBPneuralnetworkcontrolalgorithmisofnooscillation,andthetransitiontimeisshort,andnoovershoot.Besides,thefirststableoutputcontrolisbetterthanthetraditionalPIDcontrolalgorithm.Keywords:boilersteampressure;BPneuralnetwork;PID江苏科技大学本科毕业设计(论文)III目录第1章绪论.............................................11.1选题的背景.......................................................11.2人工神经网络的研究内容...........................................11.3论文内容安排.....................................................2第2章神经网络概述.....................................42.1引言.............................................................42.2人工神经网络的基本理论...........................................42.2.1人工神经元的形式化描述.......................................42.2.2人工神经网络的类型...........................................52.3神经网络原理.....................................................52.3.1MP模型.......................................................52.3.2一般的神经元模型.............................................62.3.3感知器模型...................................................72.4BP神经网络.......................................................82.4.1BP神经网路概述...............................................82.4.2BP学习算法的计算公式及流程图.................................92.5神经网络学习规则................................................11第3章神经网络PID控制器的设计........................143.1PID控制器基本知识介绍...........................................143.1.1引言........................................................143.1.2PID控制器的原理及其特点.....................................143.2神经元网络和PID控制相结合的研究现状............................163.3单神经元PID控制................................................173.4BP神经网络PID控制器设计........................................17第4章神经网络PID在锅炉蒸汽压力中的应用..............194.1锅炉蒸汽压力数学近似............................................194.2锅炉蒸汽压力数学模型的仿真研究..................................194.2.1传统PID控制方法............................................194.2.2基于BP神经网络的PID控制方法...............................20结论................................................23致谢..................................................24参考文献............................................25附录...................................................27江苏科技大学本科毕业设计(论文)1第1章绪论1.1选题的背景随着工业生产和计算机技术的飞速发展,人们对生产过程的自动化控制水平的要求越来越高。一个先进的、易于应用的控制算法的出现会对工业生产产生巨大的推动作用。然而学术研究成果与实际的生产应用技术水平并不是同步的,某些方面甚至相差几十年。其中的原因有很多,如推广不积极、应用上不成熟、存在缺陷等,但一个很明显的原因就是理论研究尚且缺乏实际应用背景的支持[1]。在实验室中无法复现真实的工业生产过程,条件上往往相差很多。只有寻找具有典型特性的实际研究对象,积极将相关知识投身于实践,才能够更好的促进学习,更好地将理论成果转化为高效的应用技术。神经网络PID控制系统是基于实际操作中多次测试得到的锅炉主蒸汽压力数学模型,集自动化仪表技术、计算机技术和自动控制技术为一体的仿真系统。结合MATLAB软件及Simulink模块,能够很好地完成了仿真设计及应用要求[2]。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[3]。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;②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.Rumelhart和J.L.McCelland及其领导的研究小组发表了《并行分布式处理》一书的前两卷,对人工神经网络研究高潮的到来起到了推波助澜的作用。Rumelhart等人最重要的贡献是提出了适用于多层神经网络模型的误差反向传播(ErrorBack-Propagation,BP),该方法将学习结果反馈到中间层的隐含节点中,解决了多层神经网络的学习问题。目前,该算法已经成为影响最大的一种人工神经网络学习方法。江苏科技大学本科毕业设计(论文)2人工神经网络主要应用领域:①知识处理:神经网络可以从数据中自动获取数据(知识),把新知识结合到它的映射函数中去,使得神经网络非常适合于处理某类知识,特别是不精确的知识。②市场管理:不同种神经网络的数据处理能力是不同的。在金融、银行、保险行业的应用主要是进行顾客群体特征分析、市场研究消费倾向分析等。③运输及通信:运输与通信问题在国民经济中有着极为重要的现实意义。最优的调度算法是一个NP完全性问题。神经网络可以根据运输网或通信网中当前及以前的货物及信息情况,最佳地调度网中的货物源和信息源,达到货物和信息在网中的传递最为经济的目的。④信号处理:神经网络同样也被广泛地应用于信号处理,如目标检测、畸变波形的恢复、雷达回波的多目标分类、运动目标的速度估计、多目标跟踪等。概括地说,神经网络在信号处理领域主要应用于自适应信号处理(自适应滤波、时间序列预测、谱估计、阵列处理、消除噪声、检测等)、非线性信号处理(非线性滤波、非线性预测、非线性谱估计、非线性编码、调制、解调、中值处理等)。⑤自动控制:早在1962年,WiCirow就提出了一个神经网络可以成功地学会平衡一个干扰抑制器的控制算法,即著名的LMS算法[4]。Grossberg/Kupersteirl的视觉运动控制神经网络,能够执行传感器