基于神经网络的实验锅炉炉温Anti-windup控制系统设计与实现项目可行性方案.doc

学号 基于神经网络的实验锅炉炉温Anti-windup控制系统设计与实现项目可行性方案 摘 要 本文展示了一种基于BP神经网络的PID控制器，利用神经网络的自学习特性，将神经网络与PID控制方法相结合，采用3层前向网络，动态BP算法，实现对温度控制系统的在线智能控制，显示了BP神经网络PID控制法很强的鲁棒性，同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力。结合神经网络PID技术，实现抗饱和。仿真结果表明，此种PID在温度控制中能够取得较满意的效果。 关键词：神经网络；PID控制；温度控制；抗饱和 目 录 摘 要 I ABSTRACT II 目 录 III 1 绪论 1 1.1 选题的背景及意义 1 1.2 方案论证 2 2 控制系统分析及设计 4 2.1 控制系统分析 4 2.2 控制器的设计 4 2.2.1 PID控制原理 4 2.2.2 基于神经网络的PID系统结构 5 2.2.3 BP神经网络PID算法 6 2.2.4 控制算法 8 2.2.5控制器的设计 8 3 抗饱和设计 9 3.1 抗饱和控制器的设计 9 3.1.1抗饱和控制原理 9 3.1.2 控制律的设计 10 3.2 抗饱和控制器稳定性分析 11 4 系统仿真 13 4.1 炉温控制系统仿真及分析 13 4.1.1炉温控制系统仿真 13 4.1.2炉温控制系统仿真结果分析 14 4.2 抗饱和控制仿真及分析 15 4.2.1抗饱和控制系统仿真 15 4.2.2抗饱和控制系统仿真结果分析 15 5 Visual Basic控制系统的设计 16 5.1 VB控制系统设计分析 16 5.2 VB控制系统的设计及功能 16 6 结论 18 参考文献 19 致 谢 21 1 绪论 1.1 选题的背景及意义 近年来，在我国以信息化带动的工业化正在蓬勃发展，温度已成为工业对象控制中一种重要参数，任何物理变化和化学反应过程都与温度密切先关，因此温度控制是生产自动化的重要任务。在工业控制领域，研究如何进行精确温度控制是一个十分 重要的课题，特别是在冶金、化工、机械等行业中加热炉、热处理炉、反应炉等设备被广泛使用，如何精确的进行温度控制就显得更加重要。在工业生产中，被控对象大多在不同程度上存在纯滞后的特性，致使被调量不能及时反映控制信号的动作，当对象受到干扰而引起被调量改变时，控制器产生的控制作用不能立即对干扰产生抑制作用。因此，含有纯滞后环节的闭环控制系统必然存在着较大的超调量和较长的调节时间。Smith预估补偿方法从理论上解决了纯滞后对象的控制问题，是解决大滞后过程的最有效途径，但由于其对模型误差十分敏感，对过程动态特性的精确度要求较高，鲁棒性差，难以取得满意的控制效果，严重时甚至引起系统不稳定，因而限制了它在工业控制中的广泛应用。 加热炉热处理炉，反应炉，现代化集中要求对现象装置进行时控制，需要对现场数据进行统计，分析，打印，绘图，报警等。在某些温度控制系统中，可以采用单片机做控制器。选择监控软件对系统的运行进行实时监控。加热炉是具有大惯性、纯滞后等特点的非线性系统 ,对它采用传统的经典控制方法难以收到令人满意的效果。随着信息技术和计算机应用技术的发展 ,以人工智能、控制理论和计算机科学等为基础的智能控制技术在工业加热炉领域得到愈来愈广泛的应用。 神经网络是最近发展起来的非常热门的交叉学科，它设计生物、电子、计算机、数学和物理等学科，有着非常广泛的应用前景，这门学科的发展对目前和未来的科学技术的发展都有很重要的影响。神经网络方法主要是将定量预测问题状花为模式识别问题，并通过模拟人脑思维能力来增强模型的分析、控制和预测功能。神经网络是模拟人的神经系统而建立起来的自适应非线性动力系统。神经网络的主要特征为网络的全局作用、大规模并行分布处理、高度的鲁棒性和自学习联想能力，其功能重要由网络的拓扑结构和节点的处理功能所决定。 在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。 BP (Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层