热能动力工程
熱能動力工程
열능동력공정
JOURNAL OF ENGINEERING FOR THERMAL ENERGY AND POWER
2012年
6期
709-714
,共6页
高昆仑%梁宵%王杰%张衡
高昆崙%樑宵%王傑%張衡
고곤륜%량소%왕걸%장형
神经网络%PID%学习%权值%主汽温
神經網絡%PID%學習%權值%主汽溫
신경망락%PID%학습%권치%주기온
针对传统神经网络PID控制系统存在的问题和不足,提出了改进措施.对于网络的结构,通过加入一层单连接的网络层,来干预网络输出所对应的PID控制器的参数.对于网络连接权值的学习策略,选择了一个实时监测系统误差的参数指标,在每个控制周期内,首先根据误差指标决定网络是否需要学习,如果不需要学习,直接采用上一控制周期的PID参数进行控制.通过对火电厂主汽温模型的仿真实验表明,改进后的神经网络PID控制系统,不论是动态性能还是静态性能都明显优于传统神经网络PID,而且网络的训练次数由改进前的7000次减少到1732次,减少了70％以上.此外,改进后的控制系统的鲁棒性也没有受到影响.
針對傳統神經網絡PID控製繫統存在的問題和不足,提齣瞭改進措施.對于網絡的結構,通過加入一層單連接的網絡層,來榦預網絡輸齣所對應的PID控製器的參數.對于網絡連接權值的學習策略,選擇瞭一箇實時鑑測繫統誤差的參數指標,在每箇控製週期內,首先根據誤差指標決定網絡是否需要學習,如果不需要學習,直接採用上一控製週期的PID參數進行控製.通過對火電廠主汽溫模型的倣真實驗錶明,改進後的神經網絡PID控製繫統,不論是動態性能還是靜態性能都明顯優于傳統神經網絡PID,而且網絡的訓練次數由改進前的7000次減少到1732次,減少瞭70％以上.此外,改進後的控製繫統的魯棒性也沒有受到影響.
침대전통신경망락PID공제계통존재적문제화불족,제출료개진조시.대우망락적결구,통과가입일층단련접적망락층,래간예망락수출소대응적PID공제기적삼수.대우망락련접권치적학습책략,선택료일개실시감측계통오차적삼수지표,재매개공제주기내,수선근거오차지표결정망락시부수요학습,여과불수요학습,직접채용상일공제주기적PID삼수진행공제.통과대화전엄주기온모형적방진실험표명,개진후적신경망락PID공제계통,불론시동태성능환시정태성능도명현우우전통신경망락PID,이차망락적훈련차수유개진전적7000차감소도1732차,감소료70％이상.차외,개진후적공제계통적로봉성야몰유수도영향.
