《神经网络PID在锅炉蒸汽压力中的应用 测控技术与仪器专业毕业设计 毕业.doc》由会员分享，可在线阅读，更多相关《神经网络PID在锅炉蒸汽压力中的应用 测控技术与仪器专业毕业设计 毕业.doc（39页珍藏版）》请在金锄头文库上搜索。
1、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在锅炉蒸汽压力中的应用The application of neural network PID controller in the boiler steam pressure江苏科技大学毕业设计（论文）任务书学院名称：电子信息学院 专 业：测控技术与仪器专业学生姓名： 学 号： 指导教师： 职 称： 毕业设计（论文）题目： 神经网络PID在锅炉蒸汽压力中的应用 一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等） 1.设计内
2、容：船用锅炉主蒸汽压力调节对象含有大惯性、大滞后环节，常规PID 控制方法不具备自适应能力，因此很难满足实际的控制要求。利用BP神经网络的优点，设计PID控制器的在线调整控制系统，改善系统的控制性能，无论在理论还是实践上都具有重要意义。通过对PID控制原理和BP神经网络的学习，掌握如何利用神经网络的自学习能力来实现最佳组合的PID控制。通过Matlab软件Simulink模块设计基于BP神经网络整定PID控制器，并应用该控制器实现锅炉蒸汽压力的控制。2.设计要求：1. 查阅文献，收集资料。2. 学习PID控制原理和BP神经网络模型。3. 熟悉并能够熟练使用Matlab软件及其Simulink模
3、块。4. 利用Matlab软件实现基于BP神经网络整定PID控制器对锅炉蒸汽压力的控制。5. 总结归纳PID控制器融入BP神经网络后对控制效果的影响。 二、完成后应交的作业（包括各种说明书、图纸等）1符合要求的开题报告以及英文翻译资料；2用Matlab软件实现基于BP网络的PID控制器对锅炉蒸汽压力的控制；3提供原程序、绘制仿真图形并分析仿真结果；4毕业设计（论文）报告。三、完成日期及进度2012年3月12日至2012年6月10日，共13周。进度安排：3月12日3月31日 查阅相关资料，了解本次毕业设计的目的、任务和要求，完成开题报告和外文资料翻译。4月1日4月22日 了解BP网络的结构特性和
4、PID控制原理，并掌握Matlab编程语言功能及Simulink模块的使用方法，能进行一般的应用程序设计。4月23日5月10日 完成BP网络的PID控制的仿真程序。5月11日5月31日 完成毕业论文初稿。6月1日6月7日 修改毕业论文。6月7日6月10日 论文答辩。四、主要参考资料（包括书刊名称、出版年月等）:1.丛爽. 面向MATLAB工具箱的神经网络理论与应用（第3版）. 合肥：中国科学技术大学出版社，20092.刘金琨.先进PID控制MATLAB仿真(第2版). 北京：电子工业出版社，20043.刘姝廷，金太东. BP-PID在锅炉蒸汽压力控制中的应用. 武汉工程大学学报，2009，31
5、(7)：91-944.彭梅香. BP神经网络PID控制(硕士论文). 华东师范大学，20075.卢娟. BP神经网络PID在三容系统中的控制研究(硕士论文). 合肥工业大学，2009 系(教研室)主任： （签章） 年 月 日 学院主管领导： （签章） 年 月 日江苏科技大学本科毕业设计（论文）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算法的学习，设计基
6、于BP神经网络的PID控制器，实现传统PID控制器参数的在线自动调整，利用神经网络的自学习能力来实现最佳组合的PID控制。仿真结果表明，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。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。关键词：锅炉蒸汽压力；BP神经网络；PIDAbstractMarine boiler steams pressure regulator object has large inertia a
7、nd lag characteristic. As the conventional PID controller does not have the adaptive capacity, it is difficult for the object to achieve the actual control requirements, The usage of PID control method based on BP neural network is of great significance to improve the dynamic performance of the syst
8、em both in theory and practice, for the method adjusts the control system by the online design of PID controllers parameters.According to the PID control principle and BP neural network learning method, we use the BP neural networks self-learning ability to achieve the best control effect of the obj
9、ect, thats to adjust the PID controllers parameter automatically. The better control effect of the algorithm is confirmed by simulation process. As is seen from the response curve of traditional PID control algorithm, there is a larger oscillation, overshoot and transition time. Howerer, the respons
10、e curve of the BP neural network control algorithm is of no oscillation and overshoot, and the transition time is short. Besides, the first stable output control is better than the traditional PID control algorithm.Keywords: boiler steam pressure; BP neural network; PID目 录第1章 绪论11.1 选题的背景11.2 人工神经网络
11、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52.3.1 MP模型52.3.2 一般的神经元模型62.3.3 感知器模型72.4 BP神经网络82.4.1 BP神经网路概述82.4.2 BP学习算法的计算公式及流程图82.5 神经网络学习规则11第3章 神经网络PID控制器的设计133.1 PID控制器133.1.1 引言133.1.2 PID控制器的原理及其特点133.2 人工神经网络和PID控制的结合153.3 BP神经网络PID控制器设计16第
12、4章 神经网络PID在锅炉蒸汽压力中的应用184.1 锅炉蒸汽压力数学近似184.2 锅炉蒸汽压力数学模型的仿真研究184.2.1 传统PID控制方法184.2.2 基于BP神经网络的PID控制方法204.2.3 仿真比较21结 论23致 谢24参 考 文 献25附录27I江苏科技大学本科毕业设计（论文）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
13、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。船舶蒸汽动力系统是一个系统复杂、设备众多的能量转换系统。由于其特殊的工作环境，相对普通电站蒸汽系统而言，船舶蒸汽动力系统具有惯性小、动态过程变化大、各子系统的关联和制约因素多等特点。因此要了解其运行的动态特性，研究船舶蒸汽动力系统的动态模型就十分必要。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
14、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
