亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于粒子群算法改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)PID 垃圾焚燒控制研究

        2023-09-27 10:43:12羅佃斌楊成慧周德馬婉秋
        電子制作 2023年19期
        關(guān)鍵詞:垃圾焚燒控制算法權(quán)值

        羅佃斌,楊成慧,周德,馬婉秋

        (西北民族大學(xué) 電氣工程學(xué)院,甘肅蘭州,730030)

        0 引言

        自改革開放政策實(shí)施以來,尤其是進(jìn)入二十一世紀(jì),我國國民經(jīng)濟(jì)得到了迅猛發(fā)展,人民生活水平得到了顯著提高,城鄉(xiāng)規(guī)模不斷得到擴(kuò)大,城市人口不斷增多膨脹,但生活垃圾的不斷增多卻成為目前世界上污染環(huán)境的一個(gè)重要原因之一。就目前生活垃圾處理情況來看,我國的生活垃圾廢物主要處理手段可分為三種:填埋、焚燒和堆肥。垃圾焚燒發(fā)電是當(dāng)今世界上垃圾無害化處理與資源合理利用最有效的方式[2]。

        傳統(tǒng)的PID 控制算法憑借其控制效果穩(wěn)定性好、控制結(jié)構(gòu)原理簡單、易于實(shí)現(xiàn)、適用性和魯棒性強(qiáng)等優(yōu)點(diǎn)成為工業(yè)控制領(lǐng)域的主要技術(shù)之一,在工業(yè)領(lǐng)域中占據(jù)90%以上的地位,但傳統(tǒng)的PID 控制算法在生活垃圾焚燒控制系統(tǒng)正常工作運(yùn)行開始后參數(shù)是固定的,即參數(shù)不能在系統(tǒng)正常運(yùn)行過程中自適應(yīng)進(jìn)行調(diào)整,故無法應(yīng)對溫度大范圍變化、高復(fù)雜性這類被控對象。故提出了一種基于粒子群算法改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)PID 控制算法,將BP 神經(jīng)網(wǎng)絡(luò)與PID 算法結(jié)合,利用BP 神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)和自適應(yīng)能力強(qiáng)等特點(diǎn)調(diào)整網(wǎng)絡(luò)權(quán)值和閾值,并且BP 神經(jīng)網(wǎng)絡(luò)在一定條件下可以逼近任意非線性函數(shù),然后再用PSO 算法對其進(jìn)行改進(jìn),使其在全局訓(xùn)練得到最優(yōu)值,防止其陷入局部最優(yōu)值,進(jìn)而對PID控制器的三個(gè)參數(shù)進(jìn)行在線調(diào)整。

        1 垃圾焚燒控制系統(tǒng)工藝流程

        垃圾焚燒控制系統(tǒng)主要由垃圾進(jìn)料系統(tǒng)、垃圾焚燒系統(tǒng)、蒸汽發(fā)電系統(tǒng)、煙氣凈化系統(tǒng)、除塵除渣系統(tǒng)6 大部分組成,其中整個(gè)控制系統(tǒng)的核心是垃圾焚燒系統(tǒng)。生活垃圾焚燒流程為:首先垃圾運(yùn)輸車將生活垃圾從城市的各地運(yùn)到垃圾焚燒廠,生活垃圾在垃圾廢池進(jìn)行發(fā)酵烘干從而等待進(jìn)一步處理。然后垃圾廢物由垃圾機(jī)械吊抓斗抓取并送入垃圾料斗倉,再由推料機(jī)械手臂將垃圾推入焚燒爐內(nèi),依次完成發(fā)酵烘干、初次燃燒,充分燃燒、燃盡冷卻的4 大過程,垃圾焚燒產(chǎn)生的有害煙氣送入煙氣凈化系統(tǒng)處理,廢渣送入除塵除渣系統(tǒng)處理,廢水污水送入污水凈化處理系統(tǒng),廢氣廢水經(jīng)過處理后達(dá)到國家要求的標(biāo)準(zhǔn)再進(jìn)行排放。

        生活垃圾焚燒爐是一個(gè)具有強(qiáng)耦合性、大滯后性以及復(fù)雜、動(dòng)態(tài)、不確定的非線性等特點(diǎn)的復(fù)雜控制系統(tǒng),如果對垃圾焚燒時(shí),焚燒爐溫度過高,這樣雖然提高了汽輪機(jī)發(fā)電效率,但是會(huì)使得鋼坯表面造成耗損;如果焚燒的溫度較低,則不僅影響發(fā)電的質(zhì)量和穩(wěn)定性,而且如果垃圾焚燒不充分,還有可能產(chǎn)生劇毒性氣體二噁英[2],故需要對垃圾焚燒控制系統(tǒng)進(jìn)行優(yōu)化,保證垃圾焚燒溫度的響應(yīng)速度與穩(wěn)定精度,最終實(shí)現(xiàn)垃圾的穩(wěn)定燃燒。

        2 BP 神經(jīng)網(wǎng)絡(luò)PID 控制

        ■2.1 傳統(tǒng)PID 控制原理

        傳統(tǒng)PID 控制算法又稱為比例-積分-微分控制,它是由比例(P)、積分(I)和微分(D)三個(gè)環(huán)節(jié)組成,再使得三個(gè)單獨(dú)環(huán)節(jié)相互并聯(lián)相加之后得到控制量,再和系統(tǒng)中的被控對象串聯(lián),從而對被控對象進(jìn)行有效的控制,根據(jù)以上各環(huán)節(jié)相互連接所構(gòu)成的這種控制器稱為PID 控制器。和其他控制方法相比,傳統(tǒng)的PID 控制算法憑借其結(jié)構(gòu)原理簡單、工作穩(wěn)定可靠、適應(yīng)性和魯棒性強(qiáng)、使用方便等優(yōu)點(diǎn)在工業(yè)控制領(lǐng)域中占據(jù)著獨(dú)一無二的主導(dǎo)地位,目前PID 控制器在運(yùn)動(dòng)控制、航空航天、軍事科技及其他過程控制中仍然占據(jù)90%以上。

        PID 控制器的控制原理為:基于誤差而生成消除誤差的控制方法??刂葡到y(tǒng)通過比較反饋值和輸入值的大小得到系統(tǒng)誤差值,誤差值經(jīng)過控制器中比例項(xiàng)(P)、積分項(xiàng)(I)和微分項(xiàng)(D)的計(jì)算后,各項(xiàng)相加得到系統(tǒng)控制量,并作為對象輸入量用于對被控對象進(jìn)行調(diào)整。PID 控制結(jié)構(gòu)圖如圖1 所示。

        圖1 PID 控制器結(jié)構(gòu)圖

        PID 控制器的控制規(guī)律為:

        式中:e(t)是垃圾焚燒爐爐溫偏差,u(t)是控制量,Ti是積分時(shí)間常數(shù),Td是微分時(shí)間常數(shù),Kp是比例系數(shù),Ki是積分系數(shù),Kd是微分系數(shù)。

        離散形式的增量式PID 控制規(guī)律:

        其中:k是PID 控制器的采樣序號,e(k)為第k次采樣的偏差,e(k-1)為第k-1 次的采樣偏差,u(k)為第k次采樣的控制輸出。

        ■2.2 BP 神經(jīng)網(wǎng)絡(luò)PID 控制器的設(shè)計(jì)

        BP 神經(jīng)網(wǎng)絡(luò)算法是一種誤差反向傳播的前饋型神經(jīng)網(wǎng)絡(luò)模型,它是一種模擬人腦信息處理方法的大規(guī)模并行處理的自學(xué)習(xí)和自組織的非線性模擬系統(tǒng),能夠以任意精度逼近任意的連續(xù)非線性函數(shù),對于不確定的復(fù)雜問題具有很強(qiáng)的自適應(yīng)能力和自學(xué)習(xí)訓(xùn)練能力。

        由于生活垃圾焚燒爐內(nèi)各種垃圾焚燒溫度變化的不穩(wěn)定性與不確定性以及外界干擾的高度復(fù)雜性,嚴(yán)重影響了垃圾焚燒爐的溫度控制精度、穩(wěn)定性和響應(yīng)速度。垃圾焚燒控制系統(tǒng)受較多參數(shù)的影響導(dǎo)致其抗外界干擾能力弱、穩(wěn)定性比較差、控制精度低等,從而導(dǎo)致垃圾焚燒控制系統(tǒng)控制效果不理想,故傳統(tǒng)PID 控制算法由于其結(jié)構(gòu)簡單、參數(shù)固定即不能在線實(shí)時(shí)調(diào)整等特點(diǎn)已不能滿足其控制要求。近些年隨著經(jīng)濟(jì)以及科技的快速發(fā)展,人工智能、機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)逐漸受到人們的重視且得到了快速發(fā)展,模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法、專家系統(tǒng)以及模擬退火等智能算法也因此應(yīng)運(yùn)而生,采用傳統(tǒng)PID 控制算法與BP 神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式,BP 神經(jīng)網(wǎng)絡(luò)可以根據(jù)其自學(xué)習(xí)與自適應(yīng)能力在線實(shí)時(shí)整定PID 控制器的三個(gè)參數(shù),從而在更大程度上發(fā)揮PID 控制的優(yōu)點(diǎn)克服其缺點(diǎn),從而使得控制系統(tǒng)具有更好的魯棒自適應(yīng)能力。BP 神經(jīng)網(wǎng)絡(luò)結(jié)合傳統(tǒng)PID 控制系統(tǒng)結(jié)構(gòu)圖如圖2 所示。

        圖2 BP 神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)結(jié)構(gòu)圖

        BP 神經(jīng)網(wǎng)絡(luò)采用三層神經(jīng)元結(jié)構(gòu)來對PID 三個(gè)參數(shù)進(jìn)行調(diào)整,三層分別為輸入層、隱含層和輸出層,各層神經(jīng)元個(gè)數(shù)分別為:輸入層神經(jīng)元4 個(gè)、隱含層神經(jīng)元5 個(gè)、輸出層神經(jīng)元3 個(gè)。BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖3 所示。

        圖3 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

        (1)BP 神經(jīng)網(wǎng)絡(luò)正向傳播過程:

        輸入層:設(shè)置輸入層神經(jīng)元個(gè)數(shù)為4 個(gè),輸入層神經(jīng)元對應(yīng)的4 個(gè)輸入分別為焚燒控制系統(tǒng)溫度期望目標(biāo)值r(k)、控制系統(tǒng)溫度實(shí)際輸出值y(k)、系統(tǒng)溫度偏差e(k)以及溫度偏差變化率 ?e(k),即輸入層神經(jīng)元的輸入為:

        輸入層神經(jīng)元的輸出為:

        隱含層:設(shè)置隱含層神經(jīng)元個(gè)數(shù)為5 個(gè),如果神經(jīng)網(wǎng)絡(luò)中隱含層神經(jīng)元個(gè)數(shù)選取很少有可能產(chǎn)生的結(jié)果是網(wǎng)絡(luò)根本無法進(jìn)行學(xué)習(xí)訓(xùn)練或者網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練性能非常差,從而影響整個(gè)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效果,神經(jīng)元個(gè)數(shù)太多的結(jié)果雖然可能使神經(jīng)網(wǎng)絡(luò)系統(tǒng)誤差減小,但這樣會(huì)使網(wǎng)絡(luò)訓(xùn)練時(shí)間延長,也會(huì)使學(xué)習(xí)訓(xùn)練陷入局部極小點(diǎn)而得不到全局最優(yōu)點(diǎn)。隱含層神經(jīng)元的激活函數(shù)選擇S 型正切函數(shù),。隱含層神經(jīng)元的輸入為:

        隱含層神經(jīng)元的輸出為:

        輸出層:設(shè)置輸出層神經(jīng)元為3 個(gè),輸出層神經(jīng)元的輸出對應(yīng)垃圾焚燒控制系統(tǒng)的三個(gè)參數(shù)Kp、Ki和Kd。由于PID 控制器的三個(gè)參數(shù)不能為負(fù),故輸出層神經(jīng)元的激活函數(shù)選擇非負(fù)的Sigmoid 函數(shù)[5],。輸出層神經(jīng)元的輸入為:

        輸出層神經(jīng)元的輸出為:

        PID 控制器三個(gè)參數(shù)為:

        (2)BP 神經(jīng)網(wǎng)絡(luò)反向傳播過程:

        BP 神經(jīng)網(wǎng)絡(luò)期望輸出與實(shí)際輸出的偏差為:

        取神經(jīng)元輸出的均方差為網(wǎng)絡(luò)的目標(biāo)函數(shù):

        利用負(fù)梯度下降法由輸出層經(jīng)過隱含層向輸入層逐層調(diào)整各層神經(jīng)元的權(quán)值,沿著誤差E 的負(fù)梯度方向求解目標(biāo)函數(shù)極小值時(shí)的權(quán)值。隱含層至輸出層的連接權(quán)值修正量為:

        其中:η 是學(xué)習(xí)速率,α為慣性系數(shù)。

        輸入層至隱含層的連接權(quán)值修正量為:

        3 PSO 改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)PID 控制

        ■3.1 粒子群優(yōu)化算法

        粒子群優(yōu)化算法(PSO)是一種進(jìn)化計(jì)算技術(shù),在1995 年由Eberhart 和Kennedy 提出[5],該算法是受到飛鳥群體覓食等活動(dòng)的規(guī)律性啟發(fā),基本思想是通過群體中個(gè)體之間的協(xié)作和信息共享來尋找最優(yōu)解。

        PSO 算法基本原理是在一個(gè)N 維搜索空間中有M 個(gè)沒有質(zhì)量和體積的粒子,每個(gè)粒子都具有一定的位置和速度矢量,粒子通過跟蹤兩個(gè)最優(yōu)解pbest和gbest來更新粒子自己本身的速度和位置,然后通過多次迭代找到最終的最優(yōu)解。粒子i 在N 維搜索空間中的位置表示為矢量:

        第i 個(gè)粒子速度表示為矢量:

        在每一維度下,粒子都有一個(gè)最大限制速度Vmax,在計(jì)算過程之中若某一維的速度超過最大限制速度Vmax則將做出合理化調(diào)整。

        第i 個(gè)粒子局部最優(yōu)解表示為:

        粒子群全局最優(yōu)解表示為:

        第i 個(gè)粒子位置和速度更新公式:

        其中:k為迭代次數(shù);ω為慣性權(quán)重因子,ω越大全局尋優(yōu)能力強(qiáng),ω越小局部尋優(yōu)能力強(qiáng);c1和c2是加速度學(xué)習(xí)參數(shù),通常取c1=c2=2;r1和r2是為了跳出局部最優(yōu)的隨機(jī)數(shù),介于0 到1 之間;M 是粒子群體規(guī)模。

        ■3.2 PSO-BP-PID 控制器設(shè)計(jì)

        BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)訓(xùn)練的過程中既有優(yōu)點(diǎn)又存在缺點(diǎn),其缺點(diǎn)是容易陷入局部極小點(diǎn),而且有時(shí)也會(huì)因?yàn)槌跏紮?quán)值與閾值隨機(jī)選取不佳和學(xué)習(xí)速率大小選擇不當(dāng)而導(dǎo)致收斂速度過慢。粒子群優(yōu)化算法(PSO)是一種全局尋優(yōu)算法,其收斂速度很快,算法簡單易于實(shí)現(xiàn),將粒子群算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,用粒子群優(yōu)化算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值,這樣結(jié)合不僅可以發(fā)揮BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)勢,又能克服BP 神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值和學(xué)習(xí)訓(xùn)練速度過慢的缺陷[9],從而在一定意義上提高神經(jīng)網(wǎng)絡(luò)的收斂速度和學(xué)習(xí)訓(xùn)練能力。

        將BP 神經(jīng)網(wǎng)絡(luò)中每一層的連接權(quán)值都作為粒子群中的一個(gè)粒子的某一維度,再將BP 神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)作為粒子群算法的適應(yīng)度函數(shù),然后通過多次迭代找到最優(yōu)解。PSO 優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)步驟:(1)確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和PSO 算法參數(shù)。(2)將BP 神經(jīng)網(wǎng)絡(luò)的每一個(gè)連接權(quán)值作為粒子群的一個(gè)粒子一個(gè)粒子的某一維度并進(jìn)行權(quán)值初始化。(3)根據(jù)適應(yīng)度函數(shù)計(jì)算每個(gè)粒子的適應(yīng)度。(4)對于每個(gè)粒子將其適應(yīng)值與自己經(jīng)過的最好位置pbest和粒子群最好位置gbest作比較,根據(jù)比較結(jié)果作出相應(yīng)調(diào)整。(5)根據(jù)粒子群算法位置與速度更新公式調(diào)整速度和位置。(6)迭代終止條件一般選為最大迭代次數(shù)或最優(yōu)位置滿足預(yù)定最小適應(yīng)閾值,不滿足結(jié)束條件則轉(zhuǎn)步驟(3)。

        4 仿真及結(jié)論

        由于焚燒爐是一個(gè)具有強(qiáng)耦合、大滯后以及非線性等特點(diǎn)的高度復(fù)雜控制系統(tǒng),故垃圾焚燒爐其精確的數(shù)學(xué)模型很難建立。本文通過閱讀大量文獻(xiàn),將垃圾焚燒爐被控對象的傳遞函數(shù)用二階慣性環(huán)節(jié)加滯后延時(shí)環(huán)節(jié)來描述[9]。其傳遞函數(shù)[10]為:

        其中:K是放大增益,τ是滯后時(shí)間,s是復(fù)變量。

        設(shè)置單位階躍信號為1,取c1=c2=2,ω=0.8,學(xué)習(xí)速率η=0.2,慣性系數(shù)α=0.2。傳統(tǒng)PID 控制、BP 神經(jīng)網(wǎng)絡(luò)PID 控制以及基于粒子群算法改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)仿真結(jié)果如圖4 所示。

        圖4 仿真結(jié)果圖

        通過圖4 仿真結(jié)果比較可知,基于粒子群優(yōu)化算法改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)PID 控制相比于傳統(tǒng)PID 控制以及BP 神經(jīng)網(wǎng)絡(luò)PID 控制有更快的響應(yīng)速度,上升時(shí)間更短,超調(diào)量更小,穩(wěn)定性更高。通過比較可以看出PSO-BP-PID 控制相比于其他兩種控制方式有明顯更好的控制效果。

        猜你喜歡
        垃圾焚燒控制算法權(quán)值
        一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
        生活垃圾焚燒發(fā)電現(xiàn)狀
        云南化工(2021年8期)2021-12-21 06:37:10
        垃圾焚燒鍋爐長周期運(yùn)行受熱面設(shè)計(jì)優(yōu)化
        CONTENTS
        基于ARM+FPGA的模塊化同步控制算法研究
        基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
        環(huán)境保護(hù)部將推動(dòng)垃圾焚燒企業(yè)做好“三件事”
        一種優(yōu)化的基于ARM Cortex-M3電池組均衡控制算法應(yīng)用
        一種非圓旋轉(zhuǎn)工件支撐裝置控制算法
        解決好垃圾焚燒項(xiàng)目的四大問題
        午夜精品久久久久久中宇| 国产亚洲精品90在线视频| 国产三级三级三级看三级日本 | 精品久久一区二区三区av制服| 强开小婷嫩苞又嫩又紧视频韩国| 日本无码人妻波多野结衣| 久久青草伊人精品| 久久精品国产亚洲av高清蜜臀| 日韩高清不卡一区二区三区| 少妇人妻精品一区二区三区| 免费特级黄毛片| 中文字幕国产91| 久久久成人av毛片免费观看| 中文字幕女同系列在线看一 | 亚洲国产综合一区二区| 婷婷久久av综合一区二区三区| 奇米影视7777久久精品| 3344永久在线观看视频| 国产不卡视频一区二区在线观看| 亚洲国产日韩一区二区三区四区| 97se狠狠狠狠狼鲁亚洲综合色| 亚洲av有码在线天堂| 久天啪天天久久99久孕妇| 中文字幕亚洲精品综合| 久久亚洲av成人无码国产最大| 日日噜狠狠噜天天噜av| 国产精品三级在线观看| 色青青女同性恋视频日本熟女| 亚洲成人中文字幕在线视频| 欧美金发尤物大战黑人| 国产一级在线现免费观看| 国产一区二区三区在线观看黄| 亚洲熟女综合色一区二区三区| 日本乱子人伦在线视频| 国产精品无码专区综合网| 亚洲一区二区三区ay| 国产精品国三级国产a| 国产97色在线 | 国产| 国产sm调教视频在线观看| 精品不卡久久久久久无码人妻| 热门精品一区二区三区|