华北电力大学（保定） 博士学位论文 Hopfield神经网络及其在电厂中的应用研究 姓名：郭鹏 申请学位级别：博士 专业：热能工程 指导教师：韩璞 20040401 摘 要 I 摘 要 Hopfield 网络是一种反馈型神经网络它所有的神经元之间相互连接具有丰 富的动力学特性当前Hopfield 网络广泛地应用于优化计算和联想记忆中取得 了很好的效果但是这种网络也还存在容易陷入局部极小点等一些问题在控制 中的应用研究也刚刚起步在电厂中的应用还是空白本文提出了 Hopfield 网络 的若干改进措施深入研究了 Hopfield 网络在电厂中的应用Hopfield 网络预测控 制应用于热工对象基于 Hopfield 网络的仿射非线性系统控制Hopfield 网络求解 机组负荷分配问题等这些研究工作开拓了 Hopfield 网络的应用领域取得了较 多的研究成果 本文针对 Hopfield 网络还存在的一些缺点提出了自调整步距方法来提高网络 的收敛速度将增广拉格朗日法引入 Hopfield 网络以提高解的质量并将模拟退 火法和混沌与 Hopfield 网络相结合以避免其优化时陷入局部极小点通过实验 和对比证明这些改进措施是行之有效的 预测控制是一种优化控制本文对预测控制中的模型算法控制和广义预测控制 进行了分析并巧妙地将其转化为典型的带有约束的二次优化问题构造出求解 相应问题的 Hopfield 网络这种新方法被应用到典型的热工对象主汽压力控制系 统和负荷控制系统中前者是单输入单输出系统后者是带有耦合的多变量系统 并取得了很好的控制效果 Hopfield 网络自身是一个仿射非线性系统因而经过训练后可以很好地对仿射 非线性系统进行辨识本文在理论分析的基础上结合仿射非线性系统的状态反 馈精确线性化方法对单机无穷大系统进行了辨识和控制仿真表明这种新方法 具有很好的控制效果并讨论了三输入三输出的锅炉-汽轮机系统的状态反馈线性 化设计 机组负荷分配是电厂中一个典型的优化问题恰当地在机组间分配负荷可以带 来巨大的经济效益本文用改进的双 Hopfield 网络方法对该问题进行求解一个 网络用来最小化目标函数一个网络用来保证约束条件的满足两个网络相互独 立交替运行通过对两个实例的计算证明了这种新方法有很好的优化效果 本文还讨论了 Hopfield 网络在组合优化问题旅行商问题中的应用通过分析 Hopfield 网络的动态特性给出了提高求解旅行商问题解的有效性和质量的方法同 时研究了 Hopfield 网络在模型参考自适应控制中的初步应用 Hopfield 网络是动态特性丰富应用前途很好的一种神经网络在总结本文工 作和参考国内外大量文献的基础上本文最后指出了 Hopfield 网络今后需要着重 研究的几个方面 关键词Hopfield 神经网络优化计算预测控制仿射非线性系统负荷分配 华北电力大学博士学位论文 II ABSTRACT Hopfield network is one kind of recurrent neural network. All of its neurons are connected to each other and it has rich dynamic characteristics. Hopfield network has been applied to optimal computation and associative memory and proved to be very effective. But the network has some defects such as converging to local minimum. Its research and application in control is also in an initial stage, and its application in power plant is blank. This paper proposes some improvements of Hopfield network and makes thorough research on its application in power plant: predictive control based on Hopfield network applied in main steam pressure system and unit load system; the identification and control of single infinite big system; economic dispatch problem solving by Hopfield network. These researches expand the application area of Hopfield network and get rich achievements. In order to overcome the defects of Hopfield network, this paper proposes the method of adaptive step size to accelerate the network’s convergence. Combinine the augmented Lagrange method with Hopfield network to improve the quality of solutions. Introduce the simulated annealing and chaos into Hopfield network in order to help the network to escape the local minimum. By experiments and comparisons, these improvements are very effective. Predictive control is one kind of optimal control. This paper analyzes Model Algorithm Control (MAC) and General Predictive Control (GPC), then converts them into typical quadratic optimal problems with constraints and construct Hopfield network to get the future control series. These new methods are applied to control the main steam pressure system and unit load system, the former is a SISO plant and the later is MIMO plant. Simulations prove the good results. Hopfield network is an affine nonlinear system. After proper training, it can identify the affine nonliear system. After theoretical analysis, Hopfield network combining with nonliear state feedback linearization method is used to control the single infinite big system and gets good control performance. This paper also discusses the control of boiler-turbine system, which is a MIMO plant. Economic dispatch problem is an optimal problem. Proper economic dispatch can bring great economic benefits. This paper proposes the double Hopfield network, one network is used to minimize the cost function, and the other is used to satisfy the constraints. They are independent each other. Two examples prove the good effect. This paper also discusses the application of Hopfield network in TSP problem. After analyzing the dynamic characteristic of network, some modifications are proposed to improve 摘 要 III the network’s performance. This paper also makes initial research in model reference adaptive control. Hopfield network has rich dynamic characteristic and promising applications. After summarization, this paper proposes the areas on which research should focus. Key words: Hopfield network, Optimal Computation, Predictive Control, Affine nonlinear system, economic dispatch 第一章 绪论 1 第一章 绪论 1.1 引言 控制理论是应社会发展的需要在解决重大工程技术问题的实践中产生和发展 起来的一门学科经过几十年的发展控制理论的应用和影响已经深入到社会生 活的各个方面使人类大大突破了自身能力的限制控制理论的发展大体上经历 了经典控制理论现代控制理论以及 20 世纪 70 年代后期提出和发展起来的非线 性智能控制理论三个发展阶段经典控制理论是以传递函数为基础的一种控制理 论控制对象一般是单输入单输出线性定常系统现代控制理论则是建立在状 态空间上的一种分析方法控制系统的分析和设计是精确的可以处理多输入多 输出系统非线性时变系统等它的控制策略大多是建立在系统已知的基础上 实际上自然界和现实生活中的所有系统都是非线性的被控对象越来越复杂 难以用精确的数学模型微分方程或差分方程来描述除了复杂性外往往还 存在着某些不确定性不确定性也难以用精确数学方法加以描述随着对这样复 杂系统控制性能的要求越来越高传统的控制方法往往不能胜任迫切需要为自 动控制学科注入新的活力智能控制正是在这样的背景下产生的神经网络理论 就是智能控制的一个非常重要的分支 神经网络理论是人们在模仿人脑处理问题的过程中发展起来的一种新型智能信 息处理理论神经网络由大量的神经元按一定的拓扑结构组成按一定的学习训 练方法调整从系统观点看它是由大量称为神经元的简单处理单元构成的自适 应非线性动态系统它能表现出丰富的特性并行计算分布存储可变结构 高度容错非线性运算自学习等这些特性是人们长期追求和期望的系统特性 这些特点使得神经网络非常适合于复杂的或非线性系统的建模和控制[1] 本文主要研究了神经网络的一种重要。