| 【中文题名】 | 人工神经网络控制在电力系统中的应用研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-20 |
| 【中关键词】 | 人工神经网络,人工神经网络控制,PID控制,主汽温,, |
| 【英关键词】 | Artificial neural network,artificial neural network control,PID control,main-steam temperature, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
近年来，随着现代控制理论和数字计算机技术的高速发展，出现了许多比较先进的控制算法，如广义预测控制算法(GPC)，内模控制算法(IMC)等，并开始应用于工业生产中。但是就目前而言，比例积分微分(PID)控制器在过程控制中仍然起着主要作用，其原因是常规的PID调节器具有结构简单、鲁棒性强、适应性好、能够对很大一类工业对象进行有效控制等一系列优点。但是在实际的工业生产过程中，往往具有非线性，时变不确定性，因而难以建立精确的数学模型。从控制的角度看，寻求高可靠、鲁棒性、适应性、智能型和简便易行的控制理论和方法，以满足复杂系统高维数、非线性、强干扰、不确定、难建模、实滞未知、快速多变的要求，一直是控制学科追求的目标。因此，设计一个具有自适应、自学习能力的神经智能控制器，对提高这类系统的控制效果和鲁棒性有积极意义。
由于人工神经网络具有对任意非线性映射的任意逼近能力，近年来，已经被引入非线性系统的辨识中，用来模拟实际系统的输入／输出关系。而利用神经网络的自学习、自适应以及并行处理能力，可以方便地给出工程上易于实现的学习算法，经过训练得到动态系统的前向或逆向模型。
与传统非线性辨识方法不同的是，神... |
| 【论文题纲】 |
|
摘要 |
6-8 |
|
Abstract |
8-9 |
|
第一章 绪论 |
9-14 |
|
1.1 研究背景及意义 |
9-10 |
|
1.2 人工神经网络在电力系统的应用现状 |
10-12 |
|
1.2.1 在电力负荷预报方面的应用 |
10 |
|
1.2.2 在电压稳定裕度计算中的应用 |
10-11 |
|
1.2.3 在建立负荷模型方面的应用 |
11 |
|
1.2.4 在发电机的稳定控制方面的应用 |
11 |
|
1.2.5 在发电机自适应控制方面的应用 |
11 |
|
1.2.6 在潮流计算中的应用 |
11-12 |
|
1.3 本文的主要内容及组织结构 |
12-14 |
|
1.3.1 主要内容 |
12 |
|
1.3.2 本文的结构 |
12-14 |
|
第二章 人工神经网络 |
14-26 |
|
2.1 人工神经网络的基本概念 |
14-18 |
|
2.1.1 人工神经网络的定义 |
14-15 |
|
2.1.2 人工神经网络的基本特征 |
15-16 |
|
2.1.3 决定人工神经网络整体性能的三大要素 |
16-17 |
|
2.1.4 人工神经网络的分类 |
17-18 |
|
2.2 几种常见网络模型 |
18-23 |
|
2.2.1 单神经元模型 |
18-19 |
|
2.2.2 BP网络 |
19-20 |
|
2.2.3 自适应线性神经元 |
20 |
|
2.2.4 径向基函数神经网络 |
20-21 |
|
2.2.5 小脑模型神经网络 |
21-22 |
|
2.2.6 PID神经网络 |
22 |
|
2.2.7 递归型神经网络 |
22-23 |
|
2.2.8 连续型Hopfield网络 |
23 |
|
2.3 人工神经网络的几种学习算法 |
23-26 |
|
2.3.1 无监督的Hebb学习规则 |
23-24 |
|
2.3.2 有监督的δ学习规则 |
24 |
|
2.3.3 有监督的Hebb学习规则 |
24 |
|
2.3.4 竞争学习规则 |
24-26 |
|
第三章 基于人工神经网络的系统辨识 |
26-33 |
|
3.1 系统辨识基本原理 |
26-29 |
|
3.1.1 系统辨识的设计原理 |
26-28 |
|
3.1.2 系统辨识在工业中的应用 |
28-29 |
|
3.2 神经网络系统辨识器概述 |
29-31 |
|
3.3 神经网络系统辨识器的设计 |
31 |
|
3.4 神经网络辨识与传统辨识的比较 |
31-33 |
|
第四章 人工神经网络控制 |
33-44 |
|
4.1 传统控制理论及其局限性 |
33-35 |
|
4.2 神经网络控制概述 |
35-38 |
|
4.2.1 神经网络控制的基本概念 |
35 |
|
4.2.2 神经网络对控制领域有吸引力的特征 |
35-37 |
|
4.2.3 人工神经网络控制取得的进展 |
37-38 |
|
4.3 神经网络控制的设计 |
38-40 |
|
4.3.1 确定性系统与环境 |
39 |
|
4.3.2 不确定、不确知系统与环境 |
39-40 |
|
4.4 神经PID控制 |
40-44 |
|
4.4.1 传统PID控制概述 |
40-43 |
|
4.4.2 神经PID控制 |
43-44 |
|
第五章 神经PID控制在电厂主汽温控制中的应用 |
44-51 |
|
5.1 电厂主汽温控制存在的问题 |
44-45 |
|
5.2 系统在线辨识器NNI |
45-47 |
|
5.3 神经PID控制器NNC |
47-48 |
|
5.4 PID控制应用仿真 |
48-49 |
|
5.5 结论 |
49-51 |
|
第六章 结束语 |
51-52 |
|
参考文献 |
52-55 |
|
研究生期间发表论文 |
55-56 |
|
致谢 |
56 |
|
| 【DOI】 | LunWen.ID:2.2008.388932 |
