[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

说明书

本发明属于自动化控制技术领域，具体涉及一种BP神经网络PID预测控制的锅炉液位控制系统及方法。本发明的BP神经网络PID预测控制的锅炉液位控制系统包括定值器、BP神经网络PID预测控制器和压力传感器，压力传感器测取的锅炉实际液位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，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。本发明结构紧凑合理，工作性能良好。本发明采用基于非线性预测模型的BP神经网络PID控制方法，具有更好的控制精度与控制效果，抗干扰性和适应性都相对较高，适用于控制大规模液位控制系统，如核电站立式蒸汽发生器水位控制。

技术领域

本发明属于自动化控制技术领域，具体涉及一种BP神经网络PID预测控制的锅炉液位控制系统及方法。

背景技术

锅炉液位系统是带有滞后的非线性时变控制系统，意味着锅炉液位随时间的变化而不断变化，同时滞后对锅炉液位系统动态性能的影响很大。由于锅炉液位系统总具有滞后的特性，当从干扰产生到被控制量起变化，需要一定长的时间；而被控制量变化后通过调节器产生的调节作用又要经历一段时间。因此，被控参数要到达新的稳定状态就要经历相当长的时间。锅炉液位系统的滞后越大，则被控参数变化的幅度也越大，偏差持续的时间也越长。

为了解决上述问题，本发明提出一种BP神经网络PID预测控制的锅炉液位系统及其控制方法，利用BP神经网络的非线性逼近能力和非线性预测模型的自学习、自适应能力，通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律，降低锅炉液位误差造成不必要的能量损失。

采用非线性预测模型的BP神经网络PID控制方法，能够尽可能提高预测的精度，这种非线性预测方法尤其适合于受多种不确定性因素影响而很难建立确定的预测模型的锅炉液位控制需求预测。该控制方法能很好地跟踪锅炉液位的系统目标设定值，提升了BP神经网络模型精度、自我预测修正和抗干扰能力，并且具有更好的适应性和鲁棒性，最终达到满意的锅炉液位控制效果。

发明内容

本发明的目的在于提供一种BP神经网络PID预测控制的锅炉液位控制系统。

本发明的目的通过如下技术方案来实现：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。

本发明的目的还在于提供一种BP神经网络PID预测控制的锅炉液位控制方法。

本发明的目的通过如下技术方案来实现：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：