資源描述：
《基于神經(jīng)網(wǎng)絡(luò)的打漿度控制系統(tǒng)的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于神經(jīng)網(wǎng)絡(luò)的打漿度控制系統(tǒng)的研究摘要打漿過程是制漿造紙生產(chǎn)過程的重要環(huán)節(jié)，占據(jù)首要的位置，它直接影響成漿質(zhì)量、生產(chǎn)效率和資源能耗。打漿度綜合反映了打漿作用效果。隨著當(dāng)前制漿造紙生產(chǎn)規(guī)模的不斷擴(kuò)大，紙機(jī)車速越來(lái)越快，生產(chǎn)工藝要求越來(lái)越高，對(duì)自動(dòng)控制的要求也在不斷提高。因此常規(guī)的控制理論及控制方法，在一定程度上已經(jīng)不能滿足某些制漿造紙過程中對(duì)測(cè)量及控制的要求。隨著當(dāng)前控制領(lǐng)域中智能控制算法的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)算法、仿人智能控制算法、模糊控制算法、遺傳算法等在過程控制中得到了越來(lái)越多的關(guān)注和重視，在實(shí)際中的應(yīng)用也越來(lái)越廣泛
2、，并解決了不少常規(guī)控制算法無(wú)法解決的問題，具有非常廣泛的應(yīng)用前景。作為人工智能的重要組成部分，人工神經(jīng)網(wǎng)絡(luò)有較大的應(yīng)用潛力。本文在闡述了神經(jīng)網(wǎng)絡(luò)的發(fā)展、現(xiàn)狀、基本原理及其在模型識(shí)別與自動(dòng)控制中的應(yīng)用的基礎(chǔ)上，主要研究BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與算法及其在打漿度軟測(cè)量及控制中的應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用較多的一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它能以任意精度逼近任意非線性函數(shù)，而且具有良好的逼近性能，并且結(jié)構(gòu)簡(jiǎn)單，是～種性能優(yōu)良的神經(jīng)網(wǎng)絡(luò)。本文研究了BP神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理論，詳細(xì)分析了BP神經(jīng)網(wǎng)絡(luò)基本學(xué)習(xí)算法的優(yōu)缺點(diǎn)。針對(duì)一般BP算法收斂速度慢，
3、易陷入局部極小值的缺陷，給出了常用改進(jìn)算法，并進(jìn)行了仿真比較。針對(duì)打漿度不能在線測(cè)量及控制的特點(diǎn)，在分析了打漿過程的基礎(chǔ)上，運(yùn)用灰盒(grey．box)辨識(shí)技術(shù)，采用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)建立打漿度的軟測(cè)量模型。并在仿真比較了經(jīng)典PID控制與神經(jīng)網(wǎng)絡(luò)PID控制的基礎(chǔ)上，分析了兩種控制的特點(diǎn)，采用神經(jīng)網(wǎng)絡(luò)PID控制來(lái)克服經(jīng)典PID控制器在被控對(duì)象具有非線性、時(shí)變不確定性和難以建立精確的數(shù)學(xué)模型時(shí)出現(xiàn)的參數(shù)整定不良和性能欠佳等缺陷。同時(shí)為了提高控制效果，在研究了基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)和算法的基礎(chǔ)上，分析了打漿度控制的
4、特點(diǎn)，提出了Bang—Bang控制與神經(jīng)網(wǎng)絡(luò)PID控制相結(jié)合的控制器設(shè)計(jì)思想。從而進(jìn)一步提高了控制器的性能。提高了打漿度的控制品質(zhì)。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，打漿度，軟測(cè)量，神經(jīng)網(wǎng)絡(luò)PID重INEURALNETWORKBASEDCoNTRoLFoRBEATINGDEGREEABSTRACTThepulpbeatingprocessisthefirstandoneoftheimportantpartsinpapermakingline。Itdirectlyaffectsthepaperquality,productioneffi
5、ciencyandpowerconsumption．Thebeatingdegreeisthemainindicesimpliedthequalityofpulp．堿mthedevelopmentofpulp—makingprocess，thehi曲speedofpapermachineandthehighproductiontechnicsprecision，thedemandforautomaticcontrolincreasesconstantly．Sosomegeneralcontroltheoriesandc
6、ontrolmethodsCan‘talreadysatisfythemeasurementandcontrolatcertaindegree．Whileincurrentcontrolfieldtheintelligentcontrolalgorithmsdevelopquickly,suchasneuralnetworkcontrol，imitate—manintelligentcontrol，F(xiàn)UZZYcontrolandgeneticcontrol，theyattractmoreattentionandreco
7、gnition．Inapplicationprocesstheyareusedatmoreandmoreaspects，what'smore，也eyhavesolvedmanyproblemsbefore，whichcan’tbesettledbynormalcontrolalgorithms．Artificialneuralnetwork(ANN)，asanimportantpartofartificialintelligence，hasgreatpotentialinapplication．Afterintrodu
8、cingthedevelopment,statu§quo，basictheoryofneuralnetworkanditsapplicationtoautomaticcontrol，thisthesismainlystudiesthestructuresandalgorithmsofBPneuralnetworkanditsapp
