Print

GA-BP神经网络在主汽温控制系统中的应用

论文摘要

在现代火力发电厂中,主汽温的控制要求是非常严格的。但是由于主汽温对象的不确定性以及大延迟、大惯性、非线性等特性,导致了对其控制比较困难。分析了BP神经网络和遗传算法的优缺点,充分利用神经网络的学习能力和鲁棒性以及遗传算法的全局随机搜索能力,在常规PID控制基础上,提出采用二者相结合的PID控制策略,并进行了计算机仿真试验。仿真结果表明,基于遗传算法-BP神经网络的PID控制策略具有更好的控制品质,具有较广阔的应用前景。

论文目录

  • 中文摘要
  • 英文摘要
  • 第一章 引言
  • 1.1 背景及意义
  • 1.2 课题研究现状
  • 1.3 本文的主要研究内容
  • 第二章 神经网络相关理论
  • 2.1 神经网络的基础知识
  • 2.1.1 人工神经元的模型
  • 2.1.2 神经网络的学习方法和学习规则
  • 2.1.3 神经网络的类型
  • 2.1.4 神经网络的特性及应用
  • 2.2 BP 神经网络
  • 2.2.1 BP 算法的数学描述
  • 2.2.2 BP 网络训练算法的改进
  • 2.3 仿真分析
  • 2.4 本章小结
  • 第三章 遗传算法的相关理论
  • 3.1 基本原理及其特点
  • 3.2 遗传算法的基本实现方法
  • 3.2.1 GA 基本操作
  • 3.2.2 编码
  • 3.2.3 适应度函数
  • 3.2.4 遗传算子
  • 3.3 遗传算法的实现步骤
  • 3.4 遗传算法的改进
  • 3.4.1 遗传算子的改进
  • 3.4.2 其他改进方法
  • 3.5 仿真分析
  • 3.5.1 遗传算法寻优
  • 3.5.2 遗传算法求函数的极大值
  • 3.6 本章小结
  • 第四章 主汽温神经网络建模
  • 4.1 锅炉主蒸汽温度控制系统的特点
  • 4.1.1 锅炉主蒸汽温度对象的一般特性
  • 4.1.2 主蒸汽温度控制对象的动态特性
  • 4.1.3 主汽温常见控制策略
  • 4.1.4 新型主汽温控制策略
  • 4.1.5 主汽温控制系统的数学模型
  • 4.2 基于神经网络的系统辨识
  • 4.2.1 神经网络辨识结构
  • 4.2.2 神经网络建模
  • 4.3 神经网络对非线性对象的辨识
  • 4.3.1 NARMA 模型的参数辨识
  • 4.3.2 神经网络辨识器及其动态BP 算法
  • 4.4 主汽温对象辨识系统
  • 4.5 仿真分析
  • 4.6 本章小结
  • 第五章 遗传算法优化 BP 神经网络及应用
  • 5.1 遗传算法优化神经网络
  • 5.1.1 GA 优化神经网络概述
  • 5.1.2 优化方案及算法实现
  • 5.2 GA 优化具体实现
  • 5.3 仿真分析
  • 5.4 本章小结
  • 第六章 结论与展望
  • 参考文献
  • 致谢
  • 在学期间发表的学术论文和参加科研情况

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/58e7fe9d979b7b658503395d.html