摘 要：在大型火力發電廠中，由于主汽溫對象具有大延遲、大慣性、非線性以及時變性的特性，導致了對其控制比較困難。將PID 控制器和具有學習功能的神經網絡相結合，是智能控制的一種新的途徑。本文針對超臨界直流鍋爐主汽溫對象的調節特點，將中間點溫度信號作為前饋引入主汽溫調節系統，利用神經網絡進行系統辨識，運用單純形法尋優PID控制參數，達到最優控制效果。

關鍵詞：神經網絡 系統辨識 直流爐 單純形法 PID控制

1 引言

　　本文設計了以串級調節為基礎，對汽溫對象進行系統辨識，利用神經網絡進行建模，并加入中間點溫度作為前饋信號的控制方案，并利用單純形法對PID參數尋優，用以檢驗智能算法在控制系統中應用的有效性。直流爐中間點溫度是一個非常重要的參數，是燃水比是否恰當的依據。由于兩級噴水減溫的控制基本相同，因此本文只以一級噴水減溫為例來說明所設計的系統。

2 神經網絡PID控制器的Matlab數字仿真

　　2.1 系統辯識

　　在訓練參數給定的情況下，改變神經網絡隱層個數以及各層神經元個數，經訓練均可得到不同的網絡，但其擬合訓練數據的能力不同。依據各網絡的擬合性能指標，選取擬合效果最佳的具有兩個隱層的神經網絡，來代替實際的廣義被控對象。該網絡的兩隱層激活函數均采用Sigmoid型（S型）函數，輸出層采用purelin線性激活函數，各層的神經元個數分別為[3,3,10,1]。這樣所建立的神經網絡具有最好的控制效果。圖2-1-2給出了此網絡結構下基于trainbr訓練的誤差變化曲線。

　　訓練后期，SSE值基本保持不變，這說明該網絡已經接近收斂了。

　　2.2 PID參數優化

　　在由神經網絡將對象的特性和模型辨識出來以后，我們用單純形法對PID參數進行優化，目標函數采用改進后的綜合目標函數，得到的結果如圖2-2-1：（優化效果較好）

　　2.3 神經網絡與經典PID控制的對比

　　將該神經網絡控制器與經典的PID控制器作比較，用MATLAB對其進行仿真，仿真曲線如圖2-3-1，2-3-2，2-3-3所示。圖2-3-1，2-3-2，2-3-3中，曲線1為內、外回路的控制器均采用PID控制器的仿真曲線;曲線 2 為內回路控制器采用神經網絡控制器、外回路控制器采用PID控制器的仿真曲線。綜上所示，對于主汽溫系統，采用神經網絡辨識的自整定PID控制器的串級控制，其超調量較小，過渡時間小，穩態精度高，而對于系統參數變化具有較強的適應能力。

3 基于神經網絡辨識的PID溫度控制控制仿真實驗

　　3.1實物仿真實驗

　　通過仿真，可以得知神經網絡 PID 控制器的性能要優于常規 PID 控制器，為了進一步驗證這一點，本文采用了實驗模擬這一方法來進行檢驗。在實驗中采用了由電阻爐加熱的水溫控制系統來進行了模擬，實驗系統如圖3-1所示。針對神經網絡PID 控制器的控制效果以及抗擾動和魯棒性能，結合硬件和軟件的設計，實驗內容著眼點集中在：（1）不同控制周期對于溫度控制的影響;（2）神經網絡 PID 控制器的階躍響應;（3）神經網絡 PID 控制器的抗擾動以及對被控對象的魯棒性;（4）PID控制參數的在線整定。

　　3.2 硬件設計

　　系統的主要硬件組成：

　　（1）電源部分利用變壓器將外界交流220V電壓變為7.5V，再利用整流橋將其整流為直流+5V電壓，供給單片機及系統使用。

　　（2）主芯片部分采用AT89S51芯片，它是一個有4 kBFlash可編程、可擦除只讀存儲器（E2PROM）的低壓、高性能8位單片機。

　　（3）溫度檢測采用DS18B20傳感器，DS18B20僅有3個引腳，采用1-wire技術，測量溫度范圍為 -55°C～+125°C，精度最高可達12位（0.0625度）。從DS18B20的數據引腳輸出的是直接已經轉化后的溫度數字信號，大大提高了系統的抗干擾性。

　　（4）鍵盤部分用三個按鍵實現操作，一個按鍵實現設定溫度與實際溫度的切換,另外兩個按鍵實現是定溫度時增加和減少設定值。上電后LED顯示當前溫度，按下切換鍵后即可進行溫度設定，再次按下切換鍵可返回到當前溫度顯示。

　　（5）顯示部分利用74HC164將一位輸入變為8位并行輸出并送到LED進行顯示.

　　（6）本系統利用MAX232芯片與上位機進行通信。

　　（7）輸出部分采用固態繼電器將單片機+5V輸出轉換位為20V交流輸出以控制電爐的通斷,從而達到控制水溫的目的。

　　3.3 軟件設計

　　這個實驗裝置以AT89S51為核心，AT89S51單片機模糊控制系統要完成數據采集、數據顯示、溫度控制及串行通信等功能。整個溫度控制系統程序可劃分為以下幾個部分，主程序、中斷子程序、數據采集濾波放大子程序，A/D轉換子程序、顯示子程序、讀取鍵盤子程序，報警子程序，RS232通信模塊等等。系統程序的編制采用了模塊化的結構，它們之間通過軟件接口連接。本系統的軟件采用C語言編寫，在WAVE6000版本的集成開發環境下進行編譯連接。由于神經網絡數據運算量巨大，所以我們將系統的神經網絡訓練和辨識以及PID參數尋優部分放在上位機上，由MATLAB完成計算之后經由MATLAB與C語言的接口將優化后的數據發送到下位機，由下位機來完成執行功能。

4 創新觀點

　　本文作者創新點：基于系統辨識及神經網絡的基本理論及PID參數整定方法及遺傳算法的基本原理及基本操作，提出基于遺傳算法尋優PID參數的構想。在對神經網絡辨識PID控制器在過熱蒸汽溫度控制上的仿真發現，神經網絡辨識PID控制器能夠滿足溫度控制要求，具有相當好的魯棒性。利用電阻爐水溫控制實驗來模擬過熱蒸汽的控制，通過分析實驗數據發現神經網絡 PID 控制要優于常規 PID 控制器，可以達到響應快、超調小、抗擾動和魯棒性好的要求。

參考文獻：

　　[1] 何一文，陳鐵軍，苗小冬.基于單元模型的神經網絡預測控制及其應用.微計算機信息， 2006年第8-2期，P290-292

　　[2]陳大禧，朱鐵光，大型回轉機械診斷現場實用技術，北京：機械工業出版社，2002

　　[3]何立民.單片機應用技術選編（5）[M].北京：北京航空航天大學出版社，1997

　　[4]周立功.ARM嵌入式系統基礎教程[M].北京：北京航空航天大學出版社，2005

　　[5]周立功.ARM嵌入式Linux系統構建與驅動開發范例[M].北京：北京航空航天大學出版社，2006