网站首页  词典首页

请输入您要查询的论文:

 

标题 基于神经网络的蓄热式加热炉的温度控制研究
范文

    周建新 熊延辉

    

    

    

    摘?要:文中提出了一种基于BP神经元网络控制PID的复合方法,通过线下学习并对控制对象模型进行分类辨识,这样就形成了相似与人类大脑的辨识器(NNI),并通过改正其网络结构权值,让它自己逐渐地调整,使符合控制系统对象的特性。把它用在蓄热式加热炉的自动化温度控制里,通过matlab仿真有着很好的效果。

    关键词:蓄热式加热炉;BP神经网络;温度控制

    钢铁企业也随着社会的发展。对加热炉加热效果,炉温控制更加严格,但是以前传常规的PID调节控制炉温,在大滞后,强耦合的条件下完成的不是很理想,根据实际的现状,设计了一种通过神经网络的学习训练,识别出学习结果,它的输出控制PID参数的方法,通过神经网络学习训练,控制三个PID的参数,根据实时状态去变化参数,使系统达到稳定。引进了神经网络算法,它的输出控制PID.通过matlab对温度控制系统进行仿真工作。[3]

    1 神经网络优点

    神经网络的优点如下:非线性较强。在神经网络中只要有大量的神经元,就能用三层神经元结构来近似的展现出任意的一种非线性连续函数。

    2 BP网络的前馈计算

    在神经网络学习的时候,它要训练样本,假如总共有N个采样的数据来培训,第一在许多的样本中选择里面的一个,它的的输入模式?XP?、输出模式{?dpk?}来培训神经网络。为了写公式的时候工整,省略样本的p,所以下面将隐含层中的第?j?个节点写为:

    netpj=netj=∑Mi=1wijoi?(1)

    第j个节点输出为:

    oj=fnetj?(2)

    其中?fnetj?为激活函数:

    fnetj=11+e(netj-θj)θ0?(3)

    其中?θj?代表著偏移值或者阈值,正数的?θj?的功能是让?fnetj?函数右移平行于y轴,?θ0?的功能是改变?δ?函数的曲线图型,特别小的?θ0?让?δ?函数近似于阶跃函数,特别大?θ0?的作用是让函数?δ?变化的比之前平稳,取为2.067,为1.371对式(3)求导,可得:

    f'netj=fnetj1-f(netj)?(4)

    第j个神经元的的输出?o?j?即要经过加权系数?w?jk?往前传递到第k个神经元的总共输入为:

    netk=∑qj=1w?jko?j?(5)

    其中q为隐含层的节点数。输出层中的神经元是第k个节点,它的真实神经网络输出为:

    O?k=fnetk?(6)

    3 仿真实验

    本实验采用matlab对控制对象进行仿真,在常规控制器的基础上,加入一个神经网络控制器,构成如图一所示的神经网络控制器。通过仿真得出两个曲线。如图1、图2所示。

    4 结论

    通过对比上述两个曲线得出常规的PID需要调节的时间较长,响应时间太长,达到了15秒以后才趋于稳定,而神经网络的PID控制在5秒就趋于稳定,调节时间缩短了3倍,结果与期望相符。

    参考文献:

    [1]赵望达,刘勇求,贺毅.一种用RBF神经网络改善传感器测量精度的新方法[J].电子技术应用,2004(11).

    [2]何继爱,黄智武,田亚菲.一种单神经元PID控制器[J].甘肃科学学报,2004(04).

    [3]吴学文,吴黎明,张力锴,陈泰伟.遗传神经网络在车身姿态测量中的应用[J].自动化与信息工程,2012(01).

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/10 12:08:33