1、I 摘 要 目前，由于 PID 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。因此本文研究基于 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 时输出 Kp、Ki、Kd
2、，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：关键词：主汽温，PID，BP 神经网络，MATLAB 仿真 II ABSTRACT At present, because PID has a simple structure and can be adjusted proportional 、 integral and
3、 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 cascade PID contr
4、ol or the differential control of lead before. When the unit is stable, these methods will control the steam temperature in a certain range ,but when operating conditions changed greatly, it is difficult to ensure the quality of control. This article studies PID control based BP neural network . Using such characteristics of neural network self-learning, nonlinear and dont rely on model realize PID parameters auto-tuning. It can make full use of the advantages of PID and neural network. Here,
