计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
7期
144-147
,共4页
遗传算法%反向传播神经网络%主蒸汽温度%控制策略
遺傳算法%反嚮傳播神經網絡%主蒸汽溫度%控製策略
유전산법%반향전파신경망락%주증기온도%공제책략
Genetic algorithm%BP neural network%MAIN steam temperature%Control strategy
在火力发电锅炉温度优化控制问题的研究中,针对热电厂主蒸汽温度控制时存在实时性差的缺点,提出采用遗传算法与反向传播神经网络结合的PID主蒸汽温度控制策略,通过遗传算法优化反向传播神经网络的权值和阈值,使得神经网络能根据辨识提供的学习信号在线调整PID控制器使控制系统具有较好的自学习和自适应能力,通过在MATLAB上进行仿真证明:控制策略的三个参数在响应速度、最大误差和对变化的敏感程度上均优于传统的PID控制系统.采用GA-BP神经网络的PID控制系统能够保证良好的动、静态特性,是一种适合热电厂主蒸汽温度控制的有效的控制策略.
在火力髮電鍋爐溫度優化控製問題的研究中,針對熱電廠主蒸汽溫度控製時存在實時性差的缺點,提齣採用遺傳算法與反嚮傳播神經網絡結閤的PID主蒸汽溫度控製策略,通過遺傳算法優化反嚮傳播神經網絡的權值和閾值,使得神經網絡能根據辨識提供的學習信號在線調整PID控製器使控製繫統具有較好的自學習和自適應能力,通過在MATLAB上進行倣真證明:控製策略的三箇參數在響應速度、最大誤差和對變化的敏感程度上均優于傳統的PID控製繫統.採用GA-BP神經網絡的PID控製繫統能夠保證良好的動、靜態特性,是一種適閤熱電廠主蒸汽溫度控製的有效的控製策略.
재화력발전과로온도우화공제문제적연구중,침대열전엄주증기온도공제시존재실시성차적결점,제출채용유전산법여반향전파신경망락결합적PID주증기온도공제책략,통과유전산법우화반향전파신경망락적권치화역치,사득신경망락능근거변식제공적학습신호재선조정PID공제기사공제계통구유교호적자학습화자괄응능력,통과재MATLAB상진행방진증명:공제책략적삼개삼수재향응속도、최대오차화대변화적민감정도상균우우전통적PID공제계통.채용GA-BP신경망락적PID공제계통능구보증량호적동、정태특성,시일충괄합열전엄주증기온도공제적유효적공제책략.
