基于改进BP神经网络加热炉控制系统参数优化.pdfVIP

、 1191由妊 !茸2l09年第3期 学术研讨 基于改进BP神经网络加热炉控制系统参数优化 何 楚衡 肖金凤 (南华大学 电气学 院) 摘 要 本文以衡阳铜管厂轧钢分厂的加热炉作为具体的研究对象，针对加热炉PID控制系统存在的一些缺点，结合国内外先进理 论和技术，提出了一种基于改进BP神经网络的PID参数控制方法。将改进后方法用于加热炉控制，并与常规的PID控制方法进行对 比：仿真的结果表明该算法具有较好的控制效果： 关键词 加热炉 pID控制 Bp神经网络 曩 常规PID控制方法具有结构简单，鲁棒性好等优点，在加热炉控 又 叫 ， (8) 制中得到广泛的应用。PID控制原理是将P(偏差的比例)、I(偏差 可得到： 的积分)和D(偏差的微分)进行线性组合，构成一个控制器对被控 r— ：P(一。(女一1)： 对象进行控制，所以，系统控制的好坏取决于P、I、D这三个参。由 { ()： (9 于常规PID控制参数不能够进行自整定．以及被控对象的动态特性随 环境改变而改变，PID参数很难达到最优。 l 卜“I)¨-’卜 神经网络具有自组织、自学习等优点，利用BP神经网络对PID控 由于 是未知的，利用BP神经网络建立被控对象的辨识模 制器参数进行自整定，以达到控制要求。由于BP神经网络收敛熟读 型，然后用建立的辨识模型去训练BP网络参数，这样就能解决权 慢 ，可能陷入局部极小点等缺点 “，本文提一种基于改进BP神经网络 的PID参数自整定控制器，对网络阈值和权值进行优化，避免权值和 的计算，并且可以通过改变学习速率 11来补偿因此造成的精度误差。 闽值陷入局部极小点。 根据以上方法可以得到输出层的加权系数学习算法为： r△ ’(k)=a,Awi’(七一1)+r／I，0 () 1 基于BP神经网络的PID控制原理 ”叫 gn{ )未 lf^)J(。2，3) 0) 把BP神经网络应用于PID控制器可以使控制系统的输出值和期望 根据此方法同样可得到隐含层的加权系数学习算法为： 值之间的误差达到最小。基于BP神经网络PID控制系统结构如图l所 刀 ， I … 。 = f(HPf l }】y ，“w ’(1 (i。 l， ·8)