第 1 章 绪 论
1.1 论文研究背景
1.1.1 研究背景和研究意义
随着社会的快速发展，人们的物质生活的水平也越来越高。其中，热水器在人们的日常生活中是不可或缺的。常见的家用热水器有电热型热水器和太阳能热水器。电热型热水器虽然加热速度快、水温恒定，但是成本较高、安全性差，且对空气的质量造成一定程度上的破坏。太阳能热水器就没有上面两种热水器的不足，是人们生活中理想的热水器。在人们的环境保护意识日益提高的环境下，太阳能热水器得到了迅速的普及，是现代文明社会最明智的选择。众所周知，无论在各居民楼还是单位，人们对太阳能热水器的需求量非常大。在住宅楼的开发过程中，开发商都会提前将热水器列入统一规划之中。论文中所设计的热水器包括两大块：一块的作用是在好的天气时热水器使用太阳能来获取能量，另一块主要是利用电能来为热水器加热。该设计充分利用了太阳能和电能的特点，构成了一套实用、环保的系统。工业革命是社会发展的一个转折点，促进了人类进步的脚步。但是，这个进步伴随来的是对能源越来越大的需求，对资源的过度开发，这就造成了对环境的破坏，对资源的浪费。在 20 世纪，人们能够使用的一次能源主要是石油、天然气和煤炭等，这些能源都是由古代生物和古植物历经了上万年的积累和演变才成为了现在能够使用的能源。这些都是古生物化石和古植物化石存在的一种特别形式，但是由于人类近千年的开采，这些一次能源已被大量的消耗，尤其是最近百年来，这些能源的开采量都在成倍的增长。随着社会的飞速发展、人们消费水平的提高，未来人类对能源的需求量会越来越大，能源的消费总量最终会超过地球上一次能源的储备量。也就是说，一次能源的储备量远远不能满足人们的需求量，最终会被人类用尽，越来越少的一次能源同人们日益增长的需求形成了很大的矛盾，而这个矛盾的升级，最终会阻碍人类的发展，甚至会导致人类的倒退。因此，人类的生产、生活都离不开能源，人们的生活与能源密切相关。可以说，在世界上的每个国家对能源的依赖性都是非常大的。但是，能源资源的在世界的分布是不一样的，因此，世界上各个国家之间的能源资源量是完全不同的。我国虽然地域辽阔，但能源资源的储备量也非常紧张。根据 2000 年末的统计，表明中国的可开发能源资源总量约占世界总量的百分之十，但是我国人口非常多，因此，我国的人均能源资源的占有量比世界上其他国家低很多，我国的能源需求量仍然很大[4~6]。回顾人类发展的历史长河，人类对能源利用的时期只是一个短暂的阶段，但是这些一次能源形成的时间非常漫长，最终将会被人类用尽而被新的可再生能源所代替，我们应该尽快找到新的可替代能源[7~9]。经过人类长期的探索，太阳光能直接照射在地球表面，并且分布均匀，取之不尽，对环境来说是零污染，该能源得到了世界人民的认可。因此，利用太阳能发电具有明显的优势，是新世纪能源发展的主流，是替代化石能源的一个最佳选择[10~12]。
1.1.2 神经网络技术的产生和发展
人工神经元网络的产生和人类对自身的了解密切相关，它是人们在对自身大脑神经系统的认识和研究过程中产生的。它是通过对大脑神经系统建模，在不断探索和学习大脑神经网络的基础上而形成的一类处理信息的方法。该方法能够通过电路系统来实现，也能通过在电脑软件上进行仿真，属于人工智能的一个实现方法[13~15]。它可实现的功能如下：1） 联想记忆功能因为神经网络的有对数据分布式储存的能力和同时处理多个数据的性能，所以神经网络能够对外界的作用和接受的数据进行联想记忆的功能。这一功能使它在图象、语音等实际的环境中有明显的优势。2） 具有自学习功能神经网络可以对过去产生的信息进行分析，形成一个能够总结所有信息的专门的神经网络，这种能力能够对预测产生积极的作用。3） 优化计算功能该功能是在已有的约束环境中，找到一个方程组，使该方程组中的目标函数减少到最小。4） 非线性映射功能设计理想的神经网络由对过程的各种数据来进行分析，在理论角度上看，无论多么复杂的系统函数都可以通过任意的精度来满足，小脑系统神经网络的实时分析方法就是常见的非线性映射。神经网络由不一样的结构而形成各种不一样的网络，各网络之间结构所用的环境也是不同的，都有适合自己的应用方向[16~18]。类似结构的神经网络的应用环境也是根据网络学习算法的不同而异。例如，多层前向网络特别适合于非线性系统模型的建立，因为它有强大的非线性仿真功能，该功能使多层前向网络在系统建模、数据分析及预测等方向有明显的优势。多层前向神经网络的种类繁多，常见的是 BP 神经网络和 RBF 神经网络。
第 2 章 神经网络结构
2.1 感知器和 BP 网络感知器
曾在神经元网络的发展初期起过重要的作用。其基本思想是通过使一些与生物神经元功能相似的处理元件组合成一个单层的计算网络，该网络可以自动学习和对模式进行分类。但由于研究的比较早，那时的感知器是由许多线性阀值元件组成，不能够求解线性不可分问题，如异或逻辑问题(XOR)；又因为基本阈值一逻辑单元的非线性网络没有较好的学习能力，曾一度被人们放弃，使神经元网络的研究停滞不前。Lyapinov 的理论诞生于十九世纪末期。该理论专门针对于对象系统是否稳定或是否趋近于稳定的大方向。而且许多专家学者在遵循李雅普诺夫理论的同时，针对第二法又进行了一系列的研究与发展。可分为两个部分，一部分是李雅普诺夫第二方法对简单对象的是否稳定的探讨。例如，1957 年，B.N．祖博夫对李雅普诺夫方法在度量空间中不变集合的稳定性的改进。不久之后，拉萨尔等又研究了抽象系统中李雅普诺夫稳定性的应用。另外一方部分，复杂对象的是否稳定的探索也越来越多的应用李雅普诺夫第二方法。且该方法可得出可使复杂系统一定稳定的信息。
第 3 章 神经网络控制算法.............11
3.1 神经网络的基本原理............ 11
3.2 BP 神经网络的学习过程............11
3.3 BP 神经网络及改进............ 11
3.4 本章小结............14
第 4 章 非线性系统神经网络自适应控制............15
4.1 系统描述............15
4.2 主要结论............17
4.3 仿真实验............26
4.4 本章小结 ............30
第 5 章 太阳能光跟踪实验系统设计............31
5.1 系统选型与设计............31
5.1.1 控制系统选择............ 31
5.1.2 光跟踪自动控制系统结构............32
5.2 PLC 控制器 ............ 33
5.2.1 系统 I/O 数据............ 33
5.2.2 系统硬件组成............33
5.3 中央监控层 ............39
5.4 远程监控层............ 42
5.5 控制算法的实现............42
5.6 本章小结............44
结论
多变量，非线性，滞后性、不确定性等是太阳能利用过程中的普遍难点，这些难点导致了不容易对系统精确建模。所以太阳能的利用的发展水平相对落后。太阳能光跟踪过程一个非常复杂的过程，而在最近几十年当中复杂过程的优化控制一直是控制领域当中的研究的一大热点。通过对本课题的研究，得到了以下一些结果:在本课题中，研究了一阶非线性滞后系统的神经网络的应用，然后以此为基础，设计了非线性时滞系统的自适应神经网络控制器。该控制器是使闭环系统在控制在有界的范围内，然后再通过 Lyapunov 稳定性理论证明了本课题对三角结构纯反馈和严格非线性反馈系统设计的神经网络自适应控制器的稳定性。最后，通过仿真验证了本课题所提算法的有效性。本文详细介绍了太阳能光跟踪系统的实验系统的具体的实现方法。现场监控成采用 ATmega16 单片机为核心处理器进行数据采集与电机控制，变成环境为 C 语言。在文中对 PLC 控制站的物理结构构成进行了详细介绍。通过串行通讯将数据上传至上位机。上位机采用的是组态王作为实时监控软件，该程序人机界面友好，我们可以对工艺流程实现监控，实时数据好可监控状态以得到很好的显示，还有历史数据查询，报表生成、打印等功能，并且减少了大量的人力和时间，避免了用人工处理繁琐的数据。同时，根据本文所提出的控制算法，通过 MATLAB 与组态王的通讯，在上位机实现了该算法，实验结构表明系统对太阳光的良好的时时跟踪性，达到良好的控制效果。
参考文献
[1] M.S. MAHMOND, A. QURESHI. Decentralized sliding-mode output-feedback control ofinterconnected discrete-delay systems, Automatica, 2012 (48):808–814
[2] A.A. KHANDEKAR, G.M. MALWATKAR, B.M.PATRE. Discrete sliding mode control forrobust tracking of higher order delay time systems with experimental application, ISATransactions 2013 (52) : 36–44
[3] 赵争明，刘建政，孙晓英等.太阳能光伏电及其应用. 北京：科学出版社，2005
[4] D. JOHNSTON. Solar energy systems installed on Chinese-style buildings. Energy and Buildings,2007, (4): 385-392
[5] U. GUNERHAN, H. HEPBASLI. Environmental impacts from the solar energy systems, EnergySources, Part A: Recovery, Utilization and Environmental Effects, 2009, (1): 131-138
[6] 赵晶，赵争鸣，周德佳．太阳能光伏发电技术现状及其发展．电气应用，2007，26(10)：3-5
[7] 张耀庆．太阳能发电前景[J]．上海经济，2007，(11)：35-36
[8] 朱伟钢，林燕梅，周蕾．太阳能光伏发电在中国的应用．现代电力，2007，24(5)：19-23
[9] 陈平.一种基于模糊 PID 控制的锅炉汽包水位控制方法.福建工程学院学报，2006，4(1)：83-84
[10] 吴宇.工业锅炉汽包水位智能控制系统的设计.上海：电子与自动化，1999，2：16-21