BP神经网络PID预测控制的锅炉液位控制系统及方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112947606A(43)申请公布日2021.06.11(21)申请号202110265701.8(22)申请日2021.03.11(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室(72)发明人郭清曲嘉孙蓉宋洋唐明(51)Int.Cl.G05D9/12(2006.01)权利要求书2页说明书8页附图2页(54)发明名称BP神经网络PID预测控制的锅炉液位控制系统及方法(57)摘要本发明属于自动化控制技术领域，具体涉及一种BP神经网络PID预测控制的锅炉液位控制系统及方法。本发明的BP神经网络PID预测控制的锅炉液位控制系统包括定值器、BP神经网络PID预测控制器和压力传感器，压力传感器测取的锅炉实际液位与定值器输入的给定量比较后的差值输入至BP神经网络PID预测控制器中，BP神经网络PID预测控制器输出调节量控制变频器的输出频率，实现对锅炉液位的定值控制。本发明结构紧凑合理，工作性能良好。本发明采用基于非线性预测模型的BP神经网络PID控制方法，具有更好的控制精度与控制效果，抗干扰性和适应性都相对较高，适用于控制大规模液位控制系统，如核电站立式蒸汽发生器水位控制。CN112947606ACN112947606A权利要求书1/2页1.一种BP神经网络PID预测控制的锅炉液位控制系统，其特征在于：包括定值器、BP神经网络PID预测控制器和压力传感器；所述的定值器输入对锅炉液位的给定量；所述的压力传感器测取锅炉的实际液位高度值；所述的压力传感器和定值器与BP神经网络PID预测控制器的输入端连接，压力变送器将压力传感器测取的锅炉实际液位高度值与定值器输入的给定量比较后的差值输入至BP神经网络PID预测控制器中；所述的BP神经网络PID预测控制器的输出端与控制锅炉液位的变频器连接，BP神经网络PID预测控制器输出调节量控制变频器的输出频率，实现对锅炉液位的定值控制。2.基于权利要求1所述的一种BP神经网络PID预测控制的锅炉液位控制系统的一种BP神经网络PID预测控制的锅炉液位控制方法，其特征在于，包括以下步骤：步骤1：初始化BP神经网络，设定输入层与隐含层之间的连接权值ωij的初始值、输出层与隐含层之间的连接权值ωj1的初始值、学习速率η和动量因子α；初始化k＝1；所述的BP神经网络包括输入层、隐含层和输出层，输入层有ny+nu+1个节点，隐含层有q个节点，输出层有一个节点；BP神经网络的输出变量可表示为：y(k)＝f[y(k‑1)，y(k‑2)，…，y(k‑ny)，u(k‑1)，u(k‑2)，…，u(k‑nu)]其中，y(k)、u(k)分别表示系统的输出和输入；ny、nu分别为{y}和{u}的阶次；f(·)为非线性函数；输入层各节点的输出为：隐含层各节点的输出为：输出层节点的输出为：步骤2：计算e(k)＝ys(k)‑y(k)；ys(k)为定值器输入的对锅炉液位的给定量；步骤3：对e(k)进行归一化处理，作为BP神经网络的输入；步骤4：前向计算BP神经网络的各层的输出，得到PID控制器的三个可调参数KP(k)、KI(k)、KD(k)；其中，输出层激励函数为g(x)＝[1+tanh(x)]/2；tanh(x)为选择双曲线函数；步骤5：计算PID控制器的输出u(k)；2CN112947606A权利要求书2/2页u(k)＝u(k‑1)+KP[e(k)‑e(k‑1)]+KIe(k)+KD[e(k)‑2e(k‑1)+e(k‑2)]步骤6：计算BP神经网络模型的各层的输出，得到计算BP神经网络输入层与隐含层之间的连接权值ωij的修正值ωj1(k+1)、输出层与隐含层之间的连接权值ωj1的修正值ωij(k+1)；ωj1(k+1)＝ωj1(k)+Δωj1(k+1)ωij(k+1)＝ωij(k)+Δωij(k+1)步骤7：计算预测输出步骤8：判断偏差e(k)是否满足控制精度误差；若不满足，则令k＝k+1，返回步骤2；否则，将预测输出传输给变频器，实现对锅炉液位控制。3CN112947606A说明书1/8页BP神经网络PID预测控制的锅炉液位控制系统及方法技术领域[0001]本发明属于自动化控制技术领域，具体涉及一种BP神经网络PID预测控制的锅炉液位控制系统及方法。背景技术[0002]锅炉液位系统是带有滞后的非线性时变控制系统，意味着锅炉液位随时间的变化而不断变化，同时滞后对锅炉液位系统动态性能的影响很大。由于锅炉液位系统总具有滞后的特性，当从干扰产生到被控制量起变化，需要一定长的时间；而被控制量变化后通过调节器产生的调节作用又要经历一段时间。因此，被控参数要到达新的稳定状态就要经历相当长的时间。锅炉液位系统