MEModern Engineering2996-69732996-6981Art and Design10.61369/ME.2025010031Article基于PSO-BP-PID控制器在汽轮机系统的研究https://artdesignp.com/journal/ME/2/1/10.61369/ME.2025010031王鑫,黄迎旭,孟亚男2025212025-01-20传统PID控制应用最广泛，但达不到令人满意的效果，还造成一定的资源浪费，火电厂汽轮机转速控制系统是一个复杂的系统，不确定性和非线性都很复杂。BP神经网络PID控制器虽然使PID控制器的性能在一定范围内得到改善，但BP神经网本身还是存在一定的缺陷。因此采用粒子群算法(PSO)优化BP神经网络PID控制器的权值，以提高汽轮机控制系统的稳定性，进而提高发电效率。设计了PSO-BP-PID控制器后，根据曲线对比，传统PID控制、BP-PID控制和PSO-BP-PID控制的仿真系统响应曲线图，在MATLAB/Simulink仿真平台的帮助下，对汽轮机转速的控制质量有了明显的提高。汽轮机转速,粒子群,BP神经网络,PID

[1]张化光,孟祥萍.智能控制基础理论及应用[M].北京:机械工业出版社,2005,第1版,116, 178-199. [2]王伟,张晶涛,柴天佑.PID参数先进整定方法综述[J].自动化学报,2000,26(3) :347-355. [3]孟亚男,高思航,张心人境,等.基于GA⁃BP神经网络的短期负荷预测[J].吉林化工学院学报,2022,39(3) :66⁃69.  [4]李婉,赵秉文,陈军松,等.基于负荷预测的热网运行调控策略[J].浙江建筑,2020,37(6): 57⁃60,64. [5]云卫涛,张世海,刘雄彪,李录平,等. 基于神经网络PID的汽轮机控制系统研究与设计[D].陕西科技大学,2018. [6]张世海,刘雄彪,李录平,等.600MW汽轮发电机组转子系统建模与动力学特性分析[J].汽轮机技术,2016,58(01):13-16. [7]梁斌,牛延博.基于BP神经网络的采煤机自动调高PID控制系统研究[J].煤矿机械,2021, 42(2): 165-167. [8]王瑞,周晨曦,逯静.改进粒子群优化BP神经网络短期负荷预测研究[J].制造业自动化, 2019,41(6) :39⁃42,77. [9]聂慧远,李绍铭.粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控[J].冶金自动化,2022,46(1) :44⁃53.