基于神经网络的PID控制算法研究.docVIP

分类号：TP183 编码：BY 15 5811 12/13/2 14-0901 沈阳化工大学 本科毕业论文 题 目： 基于神经网络的PID控制算法研究 院 系： 信息工程学院 专 业： 电气工程及其自动化 班 级： 电气1002 学生姓名： 张 贺 指导教师： 王 娜 论文提交日期：2013年 6 月 21日 论文答辩日期：2013年 6 月 25日 摘 要 现如今，由于PID具有结构简单，可通过调节比例积分和微分取得较为满意的控制性能，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。但是当运行工况发生较大变化时,却很难保证控制能力。因此本论文研究基于BP神经网络的PID控制，利用神经网络的自学习、不依赖模型和非线性等特性实现PID参数自整定，充分利用PID和神经网络的优点。本文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，依次作为PID控制器的实时控制参数，代替传统PID参数靠经验的人工整定和工程整定，以达到对具有大迟延主气温系统的良好控制。并对这个系统在MATLAB平台上进行仿真研究，结果表明基于BP神经网络的自整定PID控制具有良好的自学习能力和自适应能力，对拥有大迟延和变对象的系统能取得良好的控制效果。 关键词：PID，BP神经网络，主汽温，MATLAB仿真 ABSTRACT At present, because PID has a simple structure and can be adjusted proportional integral 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 cascade 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 network . 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 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