基于BP神经网络PID控制在热力站的应用

常云泽，杨风，康海洋

（中北大学 信息与通信工程学院 太原，030051）

0 引言

本文对热力站中的换热器控制系统传统的控制方法和该系统的总体结构以及各部分机理进行了剖析，建立换热器控制系统的神经网络PID控制模型，用BP神经网络确定PID参数以实现换热器系统的神经网络PID控制。对控制结果进行仿真，并分析设计结果。利用MATLAB检验控制效果。

1 基于BP神经网络PID整定原理

PID要取得良好的控制效果，就必须通过调整好比例、积分、微分3种控制作用。形成控制量中即相互制约又相互配合的关系，这种关系不一定是简单的“线性组合”，从变化无穷的线性组合中可以找到最佳的关系。神经网络具有的任意非线性的表达能力，可以通过系统性的学习来实现具有最佳组合的PID控制。

基于BP神经网络的PID的控制系统的控制器由2部分构成：

（1）经典PID控制器，直接对闭环控制对象进行控制，并且对3个参数KP、 KD、 Ki为在线调整方式；

（2）神经网络：根据系统的运行状态，调节PID控制器的参数，以期达到某种性能指标的最优化，使输出层神经元的输出状态对应于PID控制器的3个可调参数KP、KD、 Ki， 通过神经网络的自学习、加权系数的调整，使神经网络的输出对应于某种最优控制规律下的PID控制器参数。

2 热力站传递函数的模型

由于热工对象往往内部机理比较复杂，而且，实际的热工过程多半具有非线性因素，在进行数学推导时常常作了一些近似与假设，虽然这些近似与假设具有一定的实际依据，但并不能完全反应实际情况，甚至带来一些估计不到的影响。所以，要采用实验的方法即辨识方法来求出热工对象的实际模型，也就是传递函数的模型。

在本文中，采用输入量是阀门的开度，输出量是二次网的供热水温度值。

换热器的动态性能近似为一个带延时的一阶非周期环节，其传递函数形式如下：

为了进行计算机控制，我们需要将连续系统离散化以便获得离散信号。分析离散系统可以用古典的Z变换求出系统的脉冲传递函数G(z)，再从脉冲传递函数G(z)求出离散系统的动态方程——差分方程，就能方便地对离散系统进行数字仿真及控制了。

用Z变换法求连续系统离散化后的脉冲传递函数及差分方程，TS为采样周期。则广义对象传递函数为G(s),对其进行Z变换可得到与G(s)等价的离散模型：

生死，一般当属于史诗的重大情节。哈冉惠和蟒古斯搏斗时，无论如何杀不死对手，在关键时刻，他束手无策，是他的宝驹指点了迷津，告诉他蟒古斯的灵魂藏在蟒古斯的马的鼻孔中，是一条金蛇和一条银蛇。英雄杀死金蛇、银蛇后，才最终杀死了蟒古斯。“宝驹”这一艺术形象中所蕴含的，明显是萨满教文化，而不属于佛教文化。如果此说不错，那么这一情节当属于史诗的“早期成分”。

3 建立热力站的BP神经网络模型

（1） 选定神经网络的结构，即选定神经网络的输入节点M与隐藏节点L的个数；

网络的输入与输出结点是由实际问题本质决定的，与网络性能无关，网络训练前的一个关键步骤是确定隐藏节点数L，隐藏节点数与其说具有科学性，不如说更具有技巧性。往往与输入数据中隐藏的特征因素有关的。

L的初始值可由式（3）来确定：

本文选定的是集中供热二次回水中的温度控制，共有4个输入，3个输出由上式得：隐含层的节点个数L为5。所以，在本文中热力站中的换热站BP神经网络供热模型为4-5-3的神经网络模型；

（2）采样得到r(k)、q(k)，计算e(k)=r(k)-q(k)；

（4）计算神经网络的各层神经元的输入与输出，BP神经网络的输出即为PID个可调参数Kp(k),Kd(k),Ki(k);

（5）计算PID控制器的控制输出u(k);

（6）根据性能指标函数来计算误差，若误差满足要求，则结束计算，否则继续；

（7）计算修正输出层的权系数Woj;

（8）计算修正隐含层的权系数Wij；

（9）设置K=K+1，返回2循环。

4 热力站神经网络模型MATLAB仿真结果

输入层与输出层的权值：

仿真结果如图1、图2所示。

图1：参数自适应调整曲线

图2 基于BP神经网络PID热力站仿真曲线

5 结束语

本文针集中供热中热力站的换热器控制系统探讨了二次水温度的控制设计。对于二次回水的温度的控制调节采用了一种新型的智能控制算法——基于神经网络的PID算法。本文以MATLAB为工具对BP神经网络PID控制算法进行了仿真实验，结果表明本文所采用的控制算法较单纯PID算法具有良好的控制效果，其具有广阔的应用前景。

[1]刘金琨 .先进PID控制及其MATLAB仿真[M].2版.北京：电子工业出版社， 2004:96-120.

[2]熊均.神经网络预测技术在供热系统中的应用[D].哈尔滨:哈尔滨工业大学, 2001.

[3]薛定宇.控制系统计算机辅助设计[M].北京:清华大学出版社,2006:23-28.

[4]盛华,李润梅.计算机控制系统[M].北京:清华大学出版社,2007:77-79.

[5]舒怀林.PID神经网络及其控制系[M]北京:国防工业出版社,2006:50-52.

[6]彭梅香.BP 神经网络 PID 控制[D].上海:华东师范大学,2007:99-100.

[7]李少远,王景成.智能控制[M].北京:机械工业出版社,2004:24-29.

[8]张静.MATLAB 在控制系统中的应用[M].北京:电子工业出版社,2007:120-123.