基于BP 神经网络的Smith-PID 鲁棒自适应控制在火电厂水质调节过程中的应用_电厂化学_青果园电厂化学资料网（燃料智能化、电厂化学、QC资料、汽轮机、锅炉、电气、电力能源、脱硫燃料、电力题库、电力应用文、电力标准大全）

基于BP 神经网络的Smith-PID 鲁棒自适应控制在火电厂水质调节过程中的应用

发布时间：2011/3/27 阅读次数：2685 字体大小: 【小】【中】【大】

本广告位全面优惠招商！欢迎大家投放广告！广告投放联系方式

式（5）～（7）中，j=1，2，…，M；i=1，2，…，N；M、N 分别为输入层和隐层神经

变化对目前权值变化的影响程度。

2.3 动量因子α 和学习速率η 的自适应调整
常规BP 网络的缺陷是收敛速度慢和陷入局部极小[11]，这将影响被整定的PID 参数对被控对象的跟踪性能，从而影响控制品质。式（11）中增加附加动量项，使网络在修正其权值时，不仅考虑误差在梯度上的作用，而且考虑在误差曲面上变化趋势的影响，允许网络忽略网络上的微小变化特性，起到了防止网络陷入浅的局部极小的作用。然而，附加动量不应该是固定不变的，而应该考虑到当修正的权值在误差中导致太大的增长结果时，新的权值应被取消，同时动量作用停止下来，使网络不进入较大误差曲面；当新的误差变化率对其旧值超过一个事先设定的最大误差变化率时，也得取消所计算的权值变化。
学习速率η 决定了网络每一次循环训练中所产生的权值变化量，大的学习速率可能导致系统的不稳定，而小的学习速率又使收敛太慢、训练时间太长。为此，本文为了加速PID参数的寻优，提高PID 参数整定对被控对象的跟踪性能，同时又不至于导致振荡和发散，通过仿真研究，提出下列动量因子α 和学习速率η 在线自适应调整规则

用MATLAB6.5 仿真，得到控制器的PID 参数自适应整定曲线和系统的阶跃响应曲线如图8 所示。结果表明，上述控制算法对于大时滞时变系统具有很好的快速稳定性和准确性，很强的抗干扰性和鲁棒性。
3 结束语

上一篇：新建超临界机组的柠檬酸清洗下一篇：机组补水率影响因素及对策分析

我要评论