1、数字控制入门与概述

数字控制入门与概述

1. 过程控制概述:历史视角

近几十年来,有两个主要因素激发了人们对数字控制的兴趣:
- 过程控制 :大型工厂高效运行的需求促使计算机技术不断进步。计算机成本降低、体积减小、可靠性提高且处理能力增强,因此人与机器界面(HMI)与计算机的结合变得至关重要。
- 传统发电厂示例 :以传统发电厂为例(如图1.1所示),在正向回路中,燃油泵将燃料注入锅炉,水在水鼓中加热转化为蒸汽。锅炉产生的蒸汽通过主蒸汽管,由主节流阀控制进入高压涡轮。高压涡轮的轴连接到同步发电机,通过电压控制产生标称电压和兆瓦(MW)功率,并与调度中心的指令进行比较。同时,也可通过低压涡轮实现发电。在反馈回路中,蒸汽被抽出并送入主冷凝器,水再由主给水泵送回锅炉。

整个系统由多个子系统组成,包括锅炉、给水系统、高压和/或低压涡轮以及发电机。每个子系统都有期望的设定点或参考水平,例如:
- 蒸汽鼓压力和水位
- 主给水泵出口压力
- 发电机同步转速(对于两极凸极同步发电机,电压信号频率为60Hz时,转速为3600rpm)
- 同步发电机电压、兆瓦功率、兆伏安无功(MVAR)输出及相关兆伏安(MVA)

设定点通常基于经济因素(正常运行)、安全因素(停机)以及发电机恢复到标称电压和负载所需时间等进行计算。中央计算机通常每隔几分钟(或根据工厂动态速度更频繁)重新计算这些设定点。随着电子技术和监控与数据采集(SCADA)方法的进步,中央计算机现在可以每隔几秒更频繁地计算这些设定点(如图1.2所示)。计算机生成的设定点可以且经常被系统操作员覆盖,这就形成了所谓的“网络实验室”系统

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值