1、摘 要 目前，由于 PID 具有结构简单，可通过调节比例积分和微分取得基本满意的控制性能，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 PID 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 当运行工况 发生较大 变化时 ,却 很难保证控制品质。 因此 本文研究 BP神经网络的 PID控制，利用神经网络的自学习 、非线性 和不依赖模型等特性实现 PID参数的在线自整定 ， 充分利用PID 和神经网络的优点 。本处 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
2、输出 Kp、 Ki、 Kd，依次作为 PID控制器的实时参数，代替传统 PID参数靠经验的人工整定和工程整定， 以达到对大迟延主气温系统的良好控制。 对这样一个系统在MATLAB 平台上进行仿真研究， ，仿真结果表明基于 BP 神经网络的自整定 PID 控制 具有良好的自适应能力和自学习能力， 对大迟延和变对象的 系 统可取得良好的控制效果。 关键词： 主 汽温 ， PID， BP 神经网络 ， MATLAB 仿真 ABSTRACT At present, because PID has a simple structure and can be adjusted proportional i
3、ntegral and differential to satisfactory control performance， ,it is widely used in power plants of various control process. The system of Power plant main steam temperature is an large inertia、 big time-delayed and nonlinear dynamic system. Conventional steam temperature control system adopted casc
4、ade PID control or the differential control of lead before, when the unit is stable, general will allow the steam temperature control in the range ,but when operating conditions changed greatly, it is difficult to ensure the quality of control. This article studies PID control based BP neural networ
5、k . Using such characteristics of neural network self-learning, nonlinear and dont rely on model realize PID parameters online auto-tuning. It can make full use of the advantages of PID and neural network. Here,we use a multilayer feedforward neural network using back propagation algorithm and based
6、 on control requirements.This net can real-time output Kp, Ki, Kd as the PID controller parameters ,insteading of the traditional PID parameters determined by experience. So it can obtain good control performance .For such a system ,we can simulate in MATLAB simulation platform.The simulation result
7、s show that the PID control based BP neural network has good adaptive ability and self-learning ability.For the system of large delay and free-model can obtain good control effect. KEY WORDS: main steam temperature ， PID ， BP neural network， MATLAB simulation 目 录 摘 要 . I ABSTRACT . II 第一章 绪论 . 1 1.1
8、 选题背景和意义 . 1 1.2 国内外研究现状 . 1 1.3 立论依据 . 5 1.4 本文所做的主要工作 . 6 1.5 本论文的章节安排 . 6 第二章 神经网络原理和应用 . 7 2.1 MP 模型 . 7 2.2 神经网络的学习方式和学习规则 . 8 2.2.1 神经网络的学习方式 . 8 2.2.2 神经网络的学习规则 . 9 2.3 神经网络的特点及应用 . 10 2.4 BP 神经网络 . 11 2.4.1 BP 神经网络的结构 . 11 2.4.2 BP 神经网络算法 . 11 2.4.3 BP 神经网络的前向传播算法 . 12 2.4.4 BP 神经网络的反向传播计算 . 12 第三章 基于 BP 神经网络的 PID 控制 . 15 3.1 PID 控制器的离散差分方程 . 15 3.2 基于 BP 神经网络的 PID 整定原理 . 16 3.3 基于 BP 网络的 PID 控制器控制的算法流程 . 20 第四章 基于 BP 神经网络的 PID 控制在主汽温控制系统中的应用 . 23 4.1 锅炉主汽温的特点 . 23 4.1.1 主汽温的控制任务 . 23 4.1.2 主汽温控制对象的动态特性 . 23 4.2 主汽温的数学模型 . 25 4.2.1 主汽温控制系统调节信号的选择 . 25 4.2.2 减温水扰动下主汽温的数学模型 . 25
