神經(jīng)網(wǎng)絡(luò)預(yù)測控制大全.ppt

1、基于單元模型的神經(jīng)網(wǎng)絡(luò)預(yù)測控制 在過熱蒸汽溫度控制中的應(yīng)用,電氣工程學(xué)院：何一文,火電廠鍋爐的過熱蒸汽溫度是其運(yùn)行質(zhì)量的重要指標(biāo)之一，過熱蒸汽溫度過高或過低都 會影響電廠的安全經(jīng)濟(jì)運(yùn)行，但汽溫調(diào)節(jié)對象是一個多容環(huán)節(jié)，它的純延遲時間和時間常數(shù)都比較大，干擾因素多，對象模型不確定，在鍋爐自動調(diào)節(jié)系統(tǒng)中屬于可控性最差的一個調(diào)節(jié)系統(tǒng)。,一.引言,一.引言,目前該系統(tǒng)控制的主導(dǎo)設(shè)計方案是PID律，雖然一些先進(jìn)控制技術(shù)近年來嘗試在火電廠自動化中應(yīng)用，但由于理論上的局限性和實現(xiàn)上的具體困難，均未能得到廣泛應(yīng)用。,一.引言,本文根據(jù)單元控制的思想，并運(yùn)用神經(jīng)網(wǎng)絡(luò)預(yù)測控制的方法，應(yīng)用于過熱蒸汽溫度控制中。使單元

2、控制的思想得以實現(xiàn)，神經(jīng)網(wǎng)絡(luò)更接近生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)的優(yōu)勢得以更好發(fā)揮。設(shè)計出了具有較高可靠性和較強(qiáng)魯棒性的控制系統(tǒng)。,二.單元控制的基本思想,傳統(tǒng)的預(yù)測控制系統(tǒng)以整體系統(tǒng)模型為基礎(chǔ)，所設(shè)計的預(yù)測算法是集中式的，隨著系統(tǒng)規(guī)模的擴(kuò)大，計算量迅速增加，因此影響到其實時性。另外，很難用一個同質(zhì)的，單一的集中模型來描述復(fù)雜系統(tǒng)，這就需要新的分析方法。,二.單元控制的基本思想,單元控制是用單元模型系統(tǒng)描述對象的動態(tài)過程，為受控對象建立一種結(jié)構(gòu)分散化模型，它吸收了人工分析系統(tǒng)的經(jīng)驗知識，由定性的結(jié)構(gòu)模型和定量的模型給出單元模型。既含有整體系統(tǒng)的因果結(jié)構(gòu)，又包含單元間的相互關(guān)聯(lián)。此具有網(wǎng)狀結(jié)構(gòu)的模

3、型，按照一定意義下的主要因果關(guān)系，被抽象出一種鏈狀結(jié)構(gòu)，我們稱之為單元模型系統(tǒng)。這種模型比一般多輸入多輸出系統(tǒng)含有更多的信息量，可以用來設(shè)計具有高可靠性和強(qiáng)魯棒性要求的控制系統(tǒng)。,基于單元的模型是一種多輸入單輸出系統(tǒng)，通過關(guān)聯(lián)與其他相關(guān)單元相關(guān)聯(lián)。通過自身動態(tài)變化和單元間相互影響過程，共同描述對象的整體運(yùn)動特性。針對每個單元設(shè)計單元預(yù)測系統(tǒng)和控制系統(tǒng)，它通過接受本單元相關(guān)信息和直接關(guān)聯(lián)的單元的測量和預(yù)測信息，預(yù)測該單元的運(yùn)動趨勢，并分析判斷，作出該單元的控制決策。,各單元預(yù)測系統(tǒng)按照研究對象的關(guān)聯(lián)模式相互關(guān) 聯(lián)，并經(jīng)由關(guān)聯(lián)傳遞單元預(yù)測信息，共同完成對 整體系統(tǒng)未來一定時間動態(tài)特性的預(yù)測，而各單

4、 元控制系統(tǒng)也經(jīng)由關(guān)聯(lián)傳遞控制信息，從而完成 對整體系統(tǒng)的控制。單元預(yù)測系統(tǒng)的設(shè)計和計算 是獨(dú)立的和并行的，單元系統(tǒng)可以是不同性質(zhì)和 不同模式的，能夠適用于大型復(fù)雜系統(tǒng)地分析預(yù) 測。,二.單元控制的基本思想,三.神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制簡介,神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制是使用非線性神經(jīng)網(wǎng)絡(luò)模型來預(yù)測未來模型性能?？刂破饔嬎憧刂戚斎耄刂戚斎朐谖磥硪欢沃付ǖ臅r間內(nèi)將最優(yōu)化模型性能。模型預(yù)測第一步是要建立神經(jīng)網(wǎng)絡(luò)模型（系統(tǒng)辨識）；第二步是使用控制器來預(yù)測未來神經(jīng)網(wǎng)絡(luò)性能。,三.神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制簡介,模型預(yù)測的第一步就是訓(xùn)練神經(jīng)網(wǎng)絡(luò)未來表示網(wǎng)絡(luò)的動態(tài)機(jī)制。模型輸出與神經(jīng)網(wǎng)絡(luò)輸出之間的預(yù)測誤差，用來作為神經(jīng)

5、網(wǎng)絡(luò)的訓(xùn)練信號。該過程如圖二所示。,三.神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制簡介,神經(jīng)網(wǎng)絡(luò)模型利用當(dāng)前輸入和輸出預(yù)測神經(jīng)網(wǎng)絡(luò)未來輸出值。神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖三所示。該網(wǎng)絡(luò)可以采用批量在線訓(xùn)練。,三.神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制簡介,模型預(yù)測方法是水平后退的方法，神經(jīng)網(wǎng)絡(luò)模型預(yù)測在指定時間內(nèi)預(yù)測模型響應(yīng)。預(yù)測是用數(shù)字最優(yōu)化程序來確定控制信號，通過最優(yōu)化如下的性能準(zhǔn)則函數(shù)，即,三.神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制簡介,圖四為模型預(yù)測控制的過程?？刂破饔缮窠?jīng)網(wǎng)絡(luò)模型和最優(yōu)化方塊組成，最優(yōu)化模塊確定u（通過最小化J）,最優(yōu)u值作為神經(jīng)網(wǎng)絡(luò)模型的輸入,四.應(yīng)用,四.應(yīng)用,常規(guī)主蒸汽溫度控制方案（串級PID）,四.應(yīng)用,其中,四.應(yīng)用,四.

6、應(yīng)用,圖9 主蒸汽溫度設(shè)定值階躍輸入下的仿真比較,四.應(yīng)用,圖十 時間常數(shù)改變后的仿真比較,四.應(yīng)用,圖十一 增益改變后的仿真比較,四.應(yīng)用,圖十二加入煙氣擾動后的PID控制結(jié)構(gòu)圖,四.應(yīng)用,圖十三 加入煙氣擾動后的對比曲線,四.應(yīng)用,圖十四 加10秒純滯后以后的仿真結(jié)果圖,四.結(jié)論,(1)本文提出的基于單元模型的神經(jīng)網(wǎng)絡(luò)預(yù)測控制主蒸汽溫度控制策略既可保證對主蒸汽溫度快而穩(wěn)的調(diào)節(jié)，又使得所消耗的減溫水量大大降低，可明顯提高控制策略的安全性和經(jīng)濟(jì)性，符合火電廠機(jī)組運(yùn)行的客觀需求。 (2)時間常數(shù)魯棒性很強(qiáng)，而增益魯棒性較弱，但適應(yīng)能力很強(qiáng)?？稍谳^短時間內(nèi)適應(yīng)參數(shù)的變化。 (3)能很好地克服純滯后并有較強(qiáng)的抗干擾能力。,五.參考文獻(xiàn),1 陳鐵軍，鏈系統(tǒng)方法及其應(yīng)用, 河南科技出版社, 1993. 2 陳鐵軍并行預(yù)測系統(tǒng)與算法. 3 李果勇智能控制及其MATLAB實現(xiàn)，電子工業(yè)出版社，2005 4 楊獻(xiàn)勇熱工過程自動控制I-M北京：清華大學(xué)出版社， 2000 5 彭鋼熱工PID控制算法的適