ImageVerifierCode 换一换
格式:DOC , 页数:32 ,大小:759.16KB ,
资源ID:299508      下载积分:20 文钱
快捷下载
登录下载
邮箱/手机:
温馨提示:
快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。 如填写123,账号就是123,密码也是123。
特别说明:
请自助下载,系统不会自动发送文件的哦; 如果您已付费,想二次下载,请登录后访问:我的下载记录
支付方式: 支付宝    微信支付   
验证码:   换一换

加入VIP,省得不是一点点
 

温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【https://www.wenke99.com/d-299508.html】到电脑端继续下载(重复下载不扣费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: QQ登录   微博登录 

下载须知

1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

本文(电气工程及其自动化毕业设计:基于MATLAB的锅炉汽温神经网络控制.doc)为本站会员(文初)主动上传,文客久久仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知文客久久(发送邮件至hr@wenke99.com或直接QQ联系客服),我们立即给予删除!

电气工程及其自动化毕业设计:基于MATLAB的锅炉汽温神经网络控制.doc

1、 本科 毕业设计 基于 MATLAB 的锅炉汽温神经网络控制 所在学院 专业班级 电气工程及其自动化 学生姓名 学号 指导教师 职称 完成日期 年 月 I 摘 要 火电厂锅炉过热蒸汽温度是整个系统中的最高温度,对电厂的安全、经济运行有重大影响。常规 PID 控制方法虽然具有结构简单、鲁棒 性好等优点,能够在加热炉控制中得到广泛的应用,但是过热汽温对象具有大滞后、多变量、时变性、强耦合、大惯性、非线性等特点,因此 PID 参数也很难达到最优的状态。 神经网络控制是从 20 世纪 80 年代的中后期开始发展起来的横跨多个领域的一种新型的信息获取、描述和处理方式。它具有逼近任意非线性函数关系的能力和

2、快速学习能力,而且能和传统的控制方法做适宜的结合,是一种适合应用在复杂工业过程当中的新型方法。 本文主要对锅炉汽温过热做了简单介绍,阐述了神经网络的发展和现状,对神经网络的结构做了一定的描述。本文针对常规 PID 的不 足之处,提出了应用 BP 神经网络在线整定其参数的方法。重点介绍了 BP 神经网络并推导了其算法,针对锅炉汽温过热控制过程的特点设计了相应的 BP 神经网络,并将其与 PID 控制器结合。最后利用 MATLAB 对其进行仿真,其结果表明,基于 BP 神经网络的 PID 控制器相比于传统的 PID 控制有很好的收敛性,稳态误差较小,而且具有良好的动态性能。 关键词: 锅炉汽温;

3、BP 神经网络; PID控制; MATLAB 仿真 II Abstract Boiler superheated steam temperature is the highest temperature of the whole system, which has a great influence to the safety and economy of the electricity generating station. Although conventional PID control method has many merits such as simple structure an

4、d robustness, what makes it widely used in furnace control, the superheated steam temperature object with a large delay, multivariable, time variability and strong coupling, large inertia, nonlinear, take steam temperature control to a certain degree of difficulty. And conventional PID control param

5、eters can be adjusted online, it is difficult to adapt to the object at any time to adapt to changes in. With the dynamic characteristics of furnace and change the environment, it is difficult to achieve the optimal PID parameters of the state. Neural network control is a new type of information acc

6、ess, description and treatment which developed in the late 80s of the 20th century and across a number of areas. It can combine with the traditional control methods in a suitable way and becomes a new method used in complex industrial process. This article makes a brief introduction about overheated

7、 steam temperature and the development and status of neural network, gives a description of the structure of neural network. For the inadequacies of conventional PID, this article put forward a method of on-line regulating of the parameters with BP neural network. The article is mainly about BP neur

8、al network and deduces its algorithm, than adds it to the PID controller based on the characteristics of the process of overheated steam temperature control. Finally, the result of MATLAB simulation of the combination of BP neural network and PID controller shows that compares with the traditional P

9、ID control, this new method has a good convergence and dynamic property and its steady-state error is smaller. Keywords: boiler steam temperature; BP neural network; PID control; MATLAB simulation III 目录 第 1 章 绪论 . 1 1.1 选题背景及其意义 . 1 1.2 课题研究现状 . 1 1.3 课题发展趋势 . 2 1.4 本文所做的主要工作 . 2 第 2 章 过热汽温系统分析 . 3

10、 2.1 过热汽温对象建模的特点 . 3 2.2 过热汽温对象的特性 . 3 2.3 主蒸汽温度的控制策略 . 4 2.4 神经网络应用于汽温控制的优势 . 5 第 3 章 神经网络理论 . 6 3.1 人工神经元模型 . 6 3.2 神经网络的分类 . 7 3.3 神经网络的学习 . 8 3.4 BP 神经网络 . 9 3.4.1 BP 算法 . 9 3.4.2 BP 神经网络算法的优缺点 . 13 第 4 章 基于 BP 神经网络的锅炉汽温过热控制 . 14 4.1 BP 神经网络结构的确定 . 14 4.1.1 输入层与输出层神经元的确定 . 14 4.1.2 隐含层数的确定 . 14

11、4.1.3 隐含层神经元的确定 . 14 4.1.4 激励函数的选择 . 15 4.1.5 权值的选择 . 15 4.2 BP 神经网络 PID 控制器设计 . 15 4.2.1 PID 控制器的设计 . 15 4.2.2 BP 神经网络的设计 . 15 4.2.3 连续系统的离散化 . 17 4.3 基于 BP 神经网络的 PID 控制器算法步骤 . 17 IV 4.4 基于 Matlab 的 BP 神经网络 PID 控制器的仿真 . 18 结论 . 22 致谢 .错误 !未定义书签。 参考文献 . 23 附录 程序及部分注释 . 24 1 第 1 章 绪论 1.1 选题背景及其意义 随着整

12、个社会的不 断进步,我国各方面对电力的需求越来越大,并且对电力供应的可靠性也提出了更高的要求:一方面要求发电机组的出力要能及时跟上电网负荷的变化,另一方面又要求机组能够安全稳定地运行。我国是火电大国, 2007 年我国电力总装机己超过 7 亿千瓦,其中火电占到总装机容量的 78%,国内的火力电站占国内电力总装机容量超过四分之三,而火力发电机组的热工自动化是保障设备安全、提高机组经济性、改善劳动条件和减轻劳动强度的重要技术措施。由此可见,火电站的各项设备的先进控制与优化在火电机组的应用领域有着非常重要的意义。 锅炉是火力电站的重要 设备之一。电站锅炉设备庞大、复杂;控制过程多变量、大延迟、强耦合

13、,其控制和优化问题一直是这一领域学者所关注和研究的重点。 锅炉过热蒸汽温度是影响锅炉生产过程安全性和经济性的重要参数。锅炉的汽温控制必须非常稳定,如果超温将直接影响锅炉的安全运行,经常的超温会大大的影响管路寿命,甚至会产生暴管事故而被迫停机维修,而过低的汽温会大幅影响锅炉效率。因此,锅炉的汽温控制对于安全和经济运行均有重大意义。 现代锅炉是在高温、高压的条件下工作 ,所以必须通过自动化手段加以控制,维持其出口蒸汽温度在生产允许的范围内。火电厂汽温对 象动态特性随运行工作情况的变化而大范围变化,较难建立比较精确的数学模型。在供电量需求越来越大的今天,对于较早建设的使用传统控制方法的国内电站机组来

14、说,汽温自动控制品质很差是一个相对普遍的问题,大型锅炉的主汽和再热汽回路普遍存在的大时延、大滞后、非线性和慢时变的难题得不到良好的解决。加上我国火电站的资源利用率不高而我国境内的资源总量十分有限,火电站运作产生的有害物质排放使环境污染严重,火电站电网的规模因电力需求扩大而还在扩大等等原因,使得火电站的锅炉过热气温控制应用更为先进和有效的控制方法成为当务之急。 1.2 课题研究现状 目前锅炉气温过热控制的方法主要有传统控制和智能控制。 ( 1)传统控制 PID 控制 它的特点是结构简单、稳定性好、工作可靠、调整方便。对于传统的 PID 控制来说,其结构以及参数很难完全掌握,建立精确数学模型的难度

15、很大,传统控制理论的其它技术不能较好的适用,通常情况下,必须依靠经验或者现场进行调试来确定其系统控制器的结构和参数。常规 PID 控制器在控制理论的不断发展和过热汽温串级控制系统研究不断深入之下,出现了明显的问题,比如响应速度慢、超调量大、过渡时间长。引起这些问题的主要原因是常规控制下, 普通 PID 控制器的参数是固定不变的,而系统在控制过程的各个阶段对参数却有着不同的要求,对参数的整定只能大致按照整个控制过程的要求进行。所以,要想使系统将始终处于最佳的控制状态,就必须及时调整控制器的三个参数,让其随时适应对象的变化。 PID 改进控制法 这种方法可以对不同时刻的误差进行调整,它的优点在于其

16、可以在线2 整定 PID 的参数,从而使控制系统的鲁棒性和适应能力得到改善,提高了系统的静、动态性能。 上述两种算法在某些领域已经得到了成功的应用,但都存在着或多或少的问题,如结构复杂、参数整定规则较多、效果不理想 等,对复杂的热工过程控制而言,其应用存在着一定的难度。 ( 2)智能控制 随着科学技术的日益发展,控制系统正向处理复杂系统控制的方向演变,具体表现为复杂对象、复杂任务、复杂环境三个方面。智能控制主要包括人工神经网络、模糊逻辑、专家系统、遗传算法等,它的出现为控制专家提供了新的控制手段和对策。智能控制相对于传统控制很大的优势,比如响应速度快,抗干扰能力强,算法简单,无论是软件还是硬件

17、都比较容易实现其功能,因而在控制领域中有很大的发展前景。其中人工神经网络方法的研究近年来已取得了很大的进展。它通过对人脑结构和功能 的模拟与简化,以人脑为其模型基础,形成并行结构处理方式,产生类似人脑行为的功能和特点的自然处理方法。 1.3 课题发展趋势 过热汽温是一种多容量、多扰动因素的有大惯性复杂的非线性系统,一旦运行中出现了大范围的波动,相应的控制方法就必须有及时采取应对措施的能力。因此,为了避免过热汽温在系统出现大波动时也随着波动,从而造成经济损失,在将来的研究中,首先要将良好的稳定性作为首要条件,以真正非线性系统为发展的方向,逐步提高系统的自适应能力。 神经网络作为当今控制领域研究的

18、热点之一,无论从理论到应用都取得了不俗的成 绩。在理论研究方面,将已有的控制方法用神经网络实现,从而得到了许多控制方案,如何将已有的线性,特别是非线性控制思想用神经网络实现,是一个值得进一步研究的课题。此外,还包括:利用神经网络的特点设计出新的控制方案、神经网络如何和模糊控制、专家系统等智能方法的进一步融合等。在应用研究方面,神经网络软件模拟和硬件实现的研究,即对成熟的网络模型与学习算法,研制相应的神经网络控制专用芯片。 1.4 本文所做的主要工作 本文首先对蒸汽温度的特点进行了分析,描述了过热汽温对象模型的建立及其特性。其次,对神经网络的 模型,结构,学习方式和学习算法作了简单介绍,并阐述了

19、 BP 神经网络的结构,算法。最后结合神经网络对锅炉气温过热系统进行设计。 3 第 2 章 过热汽温系统分析 锅炉出口的过热汽温是整个汽水行程中工质的最高温度,在正常运行时,过热器的温度已接近钢材允许的极限温度,必须相当严格地将过热器的蒸汽汽温控制在给定值附近,从而保证电厂的安全、经济运行。 2.1 过热汽温对象建模的特点 火电厂的过热汽温动态特性复杂,具有多变量、非线性、大延迟的特点,因此很难建立精确的数学模型。锅炉的汽温控制系统是一个多变 量非线性的热工控制对象,某些变量的动态特性是时间和位置的函数,慢的过程与快的过程交替在一起。 锅炉过热汽温对象的建模应该从控制应用的目的出发。过热汽温控

20、制最好采用现场工程实验获得的数学模型来进行描述其对象的动态特性,这样设计出的控制系统才有比较好的适应性。 2.2 过热汽温对象的特性 过热汽温对象的特性分为静态特性和动态特性。 ( 1)静态特性 过热汽温调节对象的静态特性是指汽温随锅炉负荷变化的静态关系。就锅炉过热汽温的静态特性来说,对流式过热器与辐射式过热器两者的特点是完全相反的,两者的特性如图 2.1所示 。对于前者来说,通过对流式过热器的烟气的温度和流速都是随着负荷的增加而增加,从而使过热汽温升高,因此它的出口汽温与负荷成正比的关系;对于后者而言,其炉膛温度的升高受负荷的影响不大,而炉膛烟温升高时所增加的辐射热量小于蒸汽负荷增大所需要的

21、吸热量,由此可得,辐射式过热器的出口汽温与负荷成反比。现代大型锅炉的过热器,对流式过热器在受热面积上药大于辐射式过热器,所以总的汽温与其负荷成正比的关系。 图 2.1 过热汽温的静态特性 锅炉过热器是由辐射过热器、对流过热器和减温器等组成,它的功能是将饱和蒸汽加热4 到设定的 数值,并将其送往汽轮机去做功。通常来说,前级过热器设置在减温器的前面部分,后级过热器设置在减温器的后面部分。过热器一般设置在高温烟道中,大型锅炉的过热器通常会分成若干段,各段之间都会设置喷水减温器,即采用过热汽温的分段控制,由给水系统提供用于锅炉温度调节的减温水,其示意图如图 2.2。 ( 2)动态特性 过热汽温调节对象

22、的动态特性是指引起过热汽温变化的扰动与汽温之间的动态关系。一般情况下,蒸汽流量的变化、锅炉给水温度的变化、燃烧工况的变化、进入过热器的蒸汽温度的变化、锅炉受热面结垢和燃烧器的运行的方式、流经过热 器的烟气的温度和流速的变化等因素都可能成为过热器出口温度变化的原因,而且这些因素通常都有相互制约的作用。主蒸汽均有纯迟延、有惯性、有自平衡能力的动态特性,而它们的纯迟延和惯性时间常数则各有不同。 对于烟气热量来说,引起它变化的原因有很多,如给粉机给粉不均匀,蒸汽受热面结垢,煤中水分的改变,过剩空气系数改变等。其对象特征总的特点是:有迟延、有惯性、有自平衡能力。减温水量扰动下的过热汽温相对于蒸汽量扰动和

23、烟气传热量扰动具有很大的滞后和惯性,这也导致了汽温对象难以控制。 所以,在各种扰动下,汽温对象都有延迟,有惯 性,有自平衡能力的特点。在各种扰动下,减温水量扰动的影响最大,烟气扰动次之,蒸汽流量扰动最小。 主汽温是一个具有迟延和时变性的控制对象,因而在对被控对象进行模拟仿真时,不能只用固定参数来进行仿真研究,而是要不断改变被控对象的参数才能对主汽温对象进行有效的模拟仿真。 图 2.2 过热汽温喷水减温系统示意图 2.3 主蒸汽温度的控制策略 由于主蒸汽温度具有迟延、惯性较大的特性,传统的单回路 PID 控制系统无法取得波动范围较小的控制效果。为此,很多火电厂广泛采用的两种主蒸汽温度控制策略分别

24、是以导前汽温已的微 分为补充信号的双冲量控制系统和以导前汽温队为中间被调量的串级控制系统。这两种控制系统具体框图如图 2.3 与图 2.4 所示。这两种策略中通常选用固定参数的 PID 控制规律,其参数根据经典控制理论来整定,缘于 PID 固有的局限性,这两种控制方法仍然存在超调量大、调节时间长的缺点。 5 图 2.3 以导前汽温的微分为补充信号的双冲量控制系统 图 2.4 以导前汽温为中间被调量的串级控制系统 2.4 神经网络应用于汽温控制的优势 神经网络应用在锅炉过热汽温控制系统中,可以通过神经网络的学习能力对主汽温进行控制,同时以 期望输出与实际输出的误差来调整权值,对各参数进行整定,从而实现自适应控制。神经网络的非线性映射、自学习、自组织能力可以充分应用到汽温控制中解决相应的问题,是进一步改善热工过程控制系统品质的有效方法。

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。