[发明专利]BP神经网络PID预测控制的锅炉液位控制系统及方法

权利要求书

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ω_ij的初始值、输出层与隐含层之间的连接权值ω_j1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n_y+n_u+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-n_y)，u(k-1)，u(k-2)，…，u(k-n_u)]

其中，y(k)、u(k)分别表示系统的输出和输入；n_y、n_u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)＝y_s(k)-y(k)；y_s(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K_P(k)、K_I(k)、K_D(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)；

u(k)＝u(k-1)+K_P[e(k)-e(k-1)]+K_Ie(k)+K_D[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ω_ij的修正值ω_j1(k+1)、输出层与隐含层之间的连接权值ω_j1的修正值ω_ij(k+1)；

ω_j1(k+1)＝ω_j1(k)+Δω_j1(k+1)

ω_ij(k+1)＝ω_ij(k)+Δω_ij(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。