基于神经网络的船用锅炉控制算法研究
|
摘要
本文以船用锅炉为被控对象建立了基于单神经元的参数自整定神经网络PID控制器和基于小脑模型与PID并行控制的控制器。论文对这两种神经网络控制器在锅炉水位和汽包压力控制回路中的应用进行了研究，对神经网络控制器的性能及稳定性进行了分析和探讨。
论文首先根据船舶锅炉的工作原理，通过机理建模的方法，得到锅炉汽包水位和汽压调节对象的模型，并通过一定的假设和简化，得到汽包水位和压力在不同扰动条件下的数学模型。
论文接着讨论了神经网络中单神经元控制算法和小脑模型(CMAC)的基本原理、基本特点及运行机理。通过仿真，以锅炉水位和汽压为对象对单神经元控制器和CMAC控制器性能进行了研究，并与常规PID进行了比较和分析。仿真结果表明，单神经元控制器和CMAC控制器能克服常规PID控制的缺点，具有较强的鲁棒性与自适应性，学习速度快，适于在线学习控制，完全适用于锅炉控制系统。本文的控制算法都取得了令人满意的控制结果。
Two on-line learning control method based on the single neuron controller and cerebellar model articulation controller (CMAC) neural network are presented for the parameter's adaptive ability of the drum water system and stream pressure controlled loop of marine boiler.
The accurate models of boiler drum water system and steam pressure controlled system were established in accord with the theory of marine boiler.
Then the basic principle, characteristics and their shortcomings of single neuron and CMAC neuron are illuminated. Based on the simulation, the network' structure is illustrated and it is compared with conventional PID. The simulation results show that the CMAC controller has very good robustness and adaptive ability. More over the method can use a high learning rate, which qualifies it to be used for learning online. The simulation results demonstrate the effectiveness and feasibility of each integrated intelligent control algorithm presented in the thesis.
论文首先根据船舶锅炉的工作原理，通过机理建模的方法，得到锅炉汽包水位和汽压调节对象的模型，并通过一定的假设和简化，得到汽包水位和压力在不同扰动条件下的数学模型。
论文接着讨论了神经网络中单神经元控制算法和小脑模型(CMAC)的基本原理、基本特点及运行机理。通过仿真，以锅炉水位和汽压为对象对单神经元控制器和CMAC控制器性能进行了研究，并与常规PID进行了比较和分析。仿真结果表明，单神经元控制器和CMAC控制器能克服常规PID控制的缺点，具有较强的鲁棒性与自适应性，学习速度快，适于在线学习控制，完全适用于锅炉控制系统。本文的控制算法都取得了令人满意的控制结果。
Two on-line learning control method based on the single neuron controller and cerebellar model articulation controller (CMAC) neural network are presented for the parameter's adaptive ability of the drum water system and stream pressure controlled loop of marine boiler.
The accurate models of boiler drum water system and steam pressure controlled system were established in accord with the theory of marine boiler.
Then the basic principle, characteristics and their shortcomings of single neuron and CMAC neuron are illuminated. Based on the simulation, the network' structure is illustrated and it is compared with conventional PID. The simulation results show that the CMAC controller has very good robustness and adaptive ability. More over the method can use a high learning rate, which qualifies it to be used for learning online. The simulation results demonstrate the effectiveness and feasibility of each integrated intelligent control algorithm presented in the thesis.
引文
[1] 赵志斌，轮机模拟器中蒸汽系统的仿真研究，大连海事大学，硕士论文，2001．4，24-25
[2] 陈义亮主编，船用锅炉与汽轮机，1995．6(1)，大连海事大学出版社，1-130
[3] 郑凤阁主编，轮机自动化，1990．1，大连海运学院出版社，291-307
[4] 张亮明 夏杜鹃编，工业锅炉自动控制，1987．11，中国建筑工业出版社，9-1018-101
[5] 孙优贤 孙红编，锅炉设备的自动调节，1982．5，化学工业出版社，40-186
[6] 张良仪，朱勇编，工业锅炉微机控制，1991．8(1)，上海交通大学出版社，11-15．63-68
[7] 董晓鹏，循环流化床锅炉控制系统设计，大连海事大学，硕士论文，1995．2，12-14
[8] 汪思源等，PID控制智能化实用研究，辽宁省第二届青年学术年会论文集交通海事分册，1995，215-217
[9] 李士勇，模糊控制·神经控制和智能控制论，1996，哈尔滨工业大学出版社，72．282
[10] 王琳，基于软计算的智能控制器的研究，大连海事大学，硕士论文，2000，3[52-59，69]
[11] 郭晨 智能控制原理及应用，大连海事大学出版社，1998
[12] 孙增圻 智能控制理论与技术，1997，清华大学出版社
[13] 武妍，施鸿宝，神经网络、模糊系统和遗传算法相结合的研究概述。中国智能自动化学术会议，1998年，84-90
[14] J. S. Albus. ANewApproach to Manipulator Control: The Cerebellar Model Articulation Control(CMAC),Trans. Of the ASME Journal of Dynamic Systems, Measurement, and Control, 1975, Sep. 220-227
[15] J.S. Albus. Data Storage in the Cerebellar Model Articulation Controller(CMAC),Trans. Of the ASME Journal of Dynamic Systems, Measurement,and Control, 1975, Sep. 228-233
[16] 周旭东，王国栋。CMAC神经网络的N维概念映射算法。信息与控制，1996，Vol．25，No．4，232-237
[17] 刘金琨，先进PID控制及其MATLAB仿真，电子工业出版社，2003，1，[118-124]，[87-92]
[18] 王顺晃，智能控制系统及其应用，机械工业出版社,262-263
[19] 王晓东，陈伯时，单神经元自适应控制传动系统的稳定性分析，电气传动，2003年，第一期，25
[20] 王晓东，单神经元自适应控制电气传动系统的研究．上海大学博士学位论文，1997，12
[21] 余永权，单神经元模糊逻辑控制[M]北京：北京航空大学出版社，1995
[22] 徐中，孙伟，刘晓冰，单神经元自适应控制器的研究，大连理工大学学报，1999，Sep9
[23] 张建明，自适应单神经元控制器的研究，自动化仪表，1998，12
[24] 王宁，涂建，陈锦江，使用单个自适应神经元的智能控制，中国自动化学会 第三届学术会议论文集，1991
[25] Hunt K J, Sbarbaro D. et. al. Neural networks for control systems-A survey. Automatica, 1992, 28 (6)
[26] 王宁，涂建，陈锦江。自适应神经网络的智能控制，信息与控制，1992，21 (4)
[27] 王宁等，电渣重溶过程的神经元智能控制，自动化学报，1993，19(5)
[28] 陈捷，王宁，水轮机组的智能同期控制，中国电机工程学报，1994，14(5)
[29] Miler N Thomas. CMAC: an associative neural network alternative to backpropagation[J].Proceedings of IEEE, 1990,78(10):1561～1567
[30] Miler W T, Hewes R P, Glanz F H. Realtime dynamic ic control of an industrial manipulator using a neural-network-based learning controller, IEEE Trans. Robotice and Automation ,1990,6(1):1-9
[31] U.M. Maurer. Conditionally-perfect secrecy and a provably-secure randomized cipher. Journal of Crytyology, 5(1):53-66,1992
[32] C. Cachin, C. Crepeau, and J. Marcil. Ovlivivous transfer with a memory-bounded receiver. In proc. 37th IEEE symposium on Foudations of Computer Science, 1998
[33] J. Rata and M. Yung. Complete characterization of security notations for probabilistic privats-key encryption. In Proc. 32nd ACM symposium on Theory of computing, 2000
[34] Y. Auman and M. O. Rabin. Information Theoretically Secure Communication in the Limited Storage Space Model.In Advances in Cryptology-Crypto' 99, pages65-79,1999
[35] Commuri S, Lewis F L.,CMAC Networks for Control of Nonlinear Dynamic System:Structure, Stability and Passivity. Automatica, 1997,33(4):635-641
[36] 蒋志明，林延圻，黄先祥。基于CMAC的带有未知负载干扰电液位置伺服系统的自学习控制。控制与决策，2000，5，15(13)：368—370
[37] 黄文梅，杨勇，熊桂林。系统分析与仿真-MATLAB语言及应用。长沙：国防科技大学出版社，52—55
[38] 尔联洁主编。自动控制系统。北京：航空工业出版社，1994
[39] Bowen M.and Smith G.Considerations for the Design of Smart Sensors. Sensorsand Actuators(A),1995,47(19):516-520
[40] J S Yun, H S Cho. Application of an Adaptive Model Following Control Technique to a Hydraulic Servo System Subjected to Unknown Disturbances. JDyn Syst Neas Cont. Sept, 1991,113:479-486
[41] Linc C T, Lee C S G. Neural-network-based fuzzy logic control and decision system. IEEE Trans on Computer, 1991,40(12):1320-1336
[42] 王永骥等，水轮机组调速系统的自适应神经元控制，自动化学报，1994，20(1)：116-120
[41] Linc C T, Lee C S G. Neural-network-based fuzzy logic control and decision system. IEEE Trans on Computer, 1991,40(12):1320-1336
[42] 王永骥等，水轮机组调速系统的自适应神经元控制，自动化学报，1994，20(1)：116-120
[2] 陈义亮主编，船用锅炉与汽轮机，1995．6(1)，大连海事大学出版社，1-130
[3] 郑凤阁主编，轮机自动化，1990．1，大连海运学院出版社，291-307
[4] 张亮明 夏杜鹃编，工业锅炉自动控制，1987．11，中国建筑工业出版社，9-1018-101
[5] 孙优贤 孙红编，锅炉设备的自动调节，1982．5，化学工业出版社，40-186
[6] 张良仪，朱勇编，工业锅炉微机控制，1991．8(1)，上海交通大学出版社，11-15．63-68
[7] 董晓鹏，循环流化床锅炉控制系统设计，大连海事大学，硕士论文，1995．2，12-14
[8] 汪思源等，PID控制智能化实用研究，辽宁省第二届青年学术年会论文集交通海事分册，1995，215-217
[9] 李士勇，模糊控制·神经控制和智能控制论，1996，哈尔滨工业大学出版社，72．282
[10] 王琳，基于软计算的智能控制器的研究，大连海事大学，硕士论文，2000，3[52-59，69]
[11] 郭晨 智能控制原理及应用，大连海事大学出版社，1998
[12] 孙增圻 智能控制理论与技术，1997，清华大学出版社
[13] 武妍，施鸿宝，神经网络、模糊系统和遗传算法相结合的研究概述。中国智能自动化学术会议，1998年，84-90
[14] J. S. Albus. ANewApproach to Manipulator Control: The Cerebellar Model Articulation Control(CMAC),Trans. Of the ASME Journal of Dynamic Systems, Measurement, and Control, 1975, Sep. 220-227
[15] J.S. Albus. Data Storage in the Cerebellar Model Articulation Controller(CMAC),Trans. Of the ASME Journal of Dynamic Systems, Measurement,and Control, 1975, Sep. 228-233
[16] 周旭东，王国栋。CMAC神经网络的N维概念映射算法。信息与控制，1996，Vol．25，No．4，232-237
[17] 刘金琨，先进PID控制及其MATLAB仿真，电子工业出版社，2003，1，[118-124]，[87-92]
[18] 王顺晃，智能控制系统及其应用，机械工业出版社,262-263
[19] 王晓东，陈伯时，单神经元自适应控制传动系统的稳定性分析，电气传动，2003年，第一期，25
[20] 王晓东，单神经元自适应控制电气传动系统的研究．上海大学博士学位论文，1997，12
[21] 余永权，单神经元模糊逻辑控制[M]北京：北京航空大学出版社，1995
[22] 徐中，孙伟，刘晓冰，单神经元自适应控制器的研究，大连理工大学学报，1999，Sep9
[23] 张建明，自适应单神经元控制器的研究，自动化仪表，1998，12
[24] 王宁，涂建，陈锦江，使用单个自适应神经元的智能控制，中国自动化学会 第三届学术会议论文集，1991
[25] Hunt K J, Sbarbaro D. et. al. Neural networks for control systems-A survey. Automatica, 1992, 28 (6)
[26] 王宁，涂建，陈锦江。自适应神经网络的智能控制，信息与控制，1992，21 (4)
[27] 王宁等，电渣重溶过程的神经元智能控制，自动化学报，1993，19(5)
[28] 陈捷，王宁，水轮机组的智能同期控制，中国电机工程学报，1994，14(5)
[29] Miler N Thomas. CMAC: an associative neural network alternative to backpropagation[J].Proceedings of IEEE, 1990,78(10):1561～1567
[30] Miler W T, Hewes R P, Glanz F H. Realtime dynamic ic control of an industrial manipulator using a neural-network-based learning controller, IEEE Trans. Robotice and Automation ,1990,6(1):1-9
[31] U.M. Maurer. Conditionally-perfect secrecy and a provably-secure randomized cipher. Journal of Crytyology, 5(1):53-66,1992
[32] C. Cachin, C. Crepeau, and J. Marcil. Ovlivivous transfer with a memory-bounded receiver. In proc. 37th IEEE symposium on Foudations of Computer Science, 1998
[33] J. Rata and M. Yung. Complete characterization of security notations for probabilistic privats-key encryption. In Proc. 32nd ACM symposium on Theory of computing, 2000
[34] Y. Auman and M. O. Rabin. Information Theoretically Secure Communication in the Limited Storage Space Model.In Advances in Cryptology-Crypto' 99, pages65-79,1999
[35] Commuri S, Lewis F L.,CMAC Networks for Control of Nonlinear Dynamic System:Structure, Stability and Passivity. Automatica, 1997,33(4):635-641
[36] 蒋志明，林延圻，黄先祥。基于CMAC的带有未知负载干扰电液位置伺服系统的自学习控制。控制与决策，2000，5，15(13)：368—370
[37] 黄文梅，杨勇，熊桂林。系统分析与仿真-MATLAB语言及应用。长沙：国防科技大学出版社，52—55
[38] 尔联洁主编。自动控制系统。北京：航空工业出版社，1994
[39] Bowen M.and Smith G.Considerations for the Design of Smart Sensors. Sensorsand Actuators(A),1995,47(19):516-520
[40] J S Yun, H S Cho. Application of an Adaptive Model Following Control Technique to a Hydraulic Servo System Subjected to Unknown Disturbances. JDyn Syst Neas Cont. Sept, 1991,113:479-486
[41] Linc C T, Lee C S G. Neural-network-based fuzzy logic control and decision system. IEEE Trans on Computer, 1991,40(12):1320-1336
[42] 王永骥等，水轮机组调速系统的自适应神经元控制，自动化学报，1994，20(1)：116-120
[41] Linc C T, Lee C S G. Neural-network-based fuzzy logic control and decision system. IEEE Trans on Computer, 1991,40(12):1320-1336
[42] 王永骥等，水轮机组调速系统的自适应神经元控制，自动化学报，1994，20(1)：116-120