基于GABP神经网络智能.pdfVIP

GA BP PID Application of BP neural network intelligent PID controller based on GA in the hydroelectric power generating unit 侯树文 李艳华 杨科科 柏 镇 （华北水利水电学院动力系，河南郑州 450008 ） 摘 要：水力发电机组是一个非线性、时变系统，常规 PID 控制不能达到较好的控制效果。提出了一种基 于遗传算法、BP 神经网络和 BRF 神经网络的智能 PID 控制方法。文中讨论了智能控制系统的结构，GA、 BP 、BRF 的算法以及水电机组的数学模型。对水电机组采用智能PID 控制器和常规 PID 控制器的动态特性 进行了分析，结果表明，采用智能 PID 控制器的水电机组具有更好的控制精度和动态特性。 关键词：水电机组 PID 控制 遗传算法 神经网络 Abstract ：Hydroelectric power generating unit is a non-linear, time-variable, high step system, so the traditional PID control can’t get good controlling performance. Proposed an intelligent PID control method based on genetic algorithm, BP neural network and BRF neural network. Discussed the structure of the intelligent control system, GA、BP 、BRF algorithms and mathematical model of the unit respectively. Analysis the dynamic characteristics of the unit, which used intelligent PID controller and traditional PID controller respectively, the results showed that the unit with intelligent PID controller has better accuracy and dynamic characteristics. Keywords ：Hydroelectric power generating unit PID controller Genetic algorithm Neural network 0 引言 [1] 在水力发电机组调节中使用最为广泛的是典型的PID控制 ，因为这种控制策略结构简 单，并且具有一定的鲁棒性[2]。但水电机组是一个具有非线性、时变、非最小相位且结构参 数变化较大的非线性系统[3]，常规PID调节器固定参数的调节难以满足其动态品质的要求。 本文提出了一种基于遗传算法、BP网络、BRF 网络与经典 PID 控制器相结合的智能控制 方法，对 PID 控制参数进行在线调整，实现对水电机组的智能 PID 控制。利用神经网络具有 自学习、自适应及可逼近任意函数的能力对 PID 参数进行在线调整，并利用 GA 具有全局搜 索的优点对 BP 网络的初始权值进行优化，避免了可能出现的收敛速度慢、存在局部极小点 等问题。仿真实验表明了该方法的有效性。 1 控制系统结构 [4] 基于遗传算法的BP神经网络智能PID控制器系统结构如图 1 所示 ，包括 4 个部分： ①RBF辨识网络，对水电机组的工况进行辨识，为BP 网络提供所需有关系统的Jacobian灵敏 度信息；②遗传算法寻优模块，对BP 网络初始权值进行学习优化；③BP人工神经网络，通 过在线调整自身权系数，实现对PID控制参数Kp 、Ki 、Kd 的在线调整；④经典PID控制器， 直接对水电机组进行闭环控制