《分析仪器中温度的自适应控制研究（学位论文-工学）》由会员分享，可在线阅读，更多相关《分析仪器中温度的自适应控制研究（学位论文-工学）（86页珍藏版）》请在金锄头文库上搜索。
1、杭 州 电 子 科 技 大 学硕 士 学 位 论 文分 析 仪 器 中 温 度 的 自 适 应 控 制 研 究姓 名 ： 曾 真申 请 学 位 级 别 ： 硕 士专 业 ： 电 路 与 系 统指 导 教 师 ： 王 健20100101杭 州 电 子 科 技 大 学 硕 士 学 位 论 文摘 要在 工 业 领 域 中 ， 系 统 通 常 采 用 传 统 PID 算 法 来 控 制 温 度 、 位 置 和 流 量 等 ， 并 取 得 了 很 好的控制效果。但随着科技的不断发展，复杂、多变的系统越来越多地出现在工业控制领域，限制了传统控制算法的应用。同时，自适应控制理论得到了迅速发展，其典型理论通过
2、多年研究已进入了较为成熟的阶段，如模糊控制理论、遗传算法理论和神经网络理论等。由于这些自适应算法的专用性强、实施和维护成本高，又都限制了它们在工业控制领域的推广和发展，所以在实际应用中需做大量的改进。本课题将模糊理论和神经网络理论分别与传统 PID控 制 结 合 ， 得 到 适 合 于 工 业 控 制 应 用 的 模 糊 PID 控 制 和 神 经 网 络 PID 控 制 新 型 算 法 。 通 过 解决工业在线分析仪表产品中的实际温控问题，总结出新型算法的收敛性、稳定性、抗干扰性和 适 用 性 等 ， 并 与 传 统 PID 控 制 算 法 的 各 项 性 能 比 较 ， 归 纳 出 在 线
3、 分 析 仪 表 产 品 中 ， 温 度 控制方案选择的一般标准。很多自适应控制理论方法虽然发展已久，但始终停留在理论和仿真阶段，缺少实际应用的案例。本课题以自适应控制理论为基础，脱离以往仿真验证的形式，将 自 适 应 控 制 理 论 真 正 应 用 到 实 际 工 业 产 品 中 ， 这 也 是 本 课 题 的 重 要 创 新 点 。模糊控制是一种逻辑描述性的控制算法，其核心分为：模糊化接口、模糊规则库、模糊判 决 和 去 模 糊 化 。 其 与 PID 算 法 结 合 过 程 可 以 理 解 为 ： 将 PID 控 制 参 数 对 系 统 的 影 响 通 过 模糊 规 则 库 的 形 式
4、进 行 设 计 ， 从 而 在 收 敛 过 程 中 动 态 地 改 变 PID 参 数 ， 以 取 得 优 于 PID 控 制 的效 果 。 通 过 实 验 数 据 可 得 ， 模 糊 PID 控 制 的 收 敛 性 、 抗 干 扰 性 明 显 优 于 PID 控 制 ， 所 以 针 对经 常 工 作 于 恶 劣 环 境 中 的 工 业 产 品 ， 其 温 控 方 案 可 采 用 模 糊 PID 控 制 来 替 代 传 统 PID 控 制 。而神经网络系统是由神经元单元互相连接而形成的复杂网络系统，它运算速度很快，同时还具 有 很 强 的 自 适 应 学 习 能 力 和 分 析 处 理 能 力
5、 ， 其 模 型 典 型 代 表 有 ： M-P 模 型 和 BP 神经网络模 型 。 本 课 题 将 M-P 模 型 与 传 统 PID 增 量 式 控 制 算 法 结 合 ， 将 比 例 系 数 、 积 分 系 数 和 微 分 系数 分 别 作 为 M-P 模 型 输 入 量 的 权 值 ， 并 采 用 神 经 网 络 本 身 的 学 习 算 法 来 修 正 权 值 ， 从 而 减小 温 度 误 差 ， 达 到 精 确 控 制 的 目 的 。与 此 同 时 ， 在 模 糊 PID 控 制 和 神 经 网 络 PID 控 制 的 设 计 过 程 中 ， 也 遇 到 了 一 些 难 点 ， 如
6、 ：模糊控制的基本论域与离散论域的确定；模糊规则表的制定；隶属度函数的选择；神 经 网 络 中 ， P、 I、 D 参 数 的 学 习 速 率 的 选 择 ； 神 经 网 络 PID 控 制 的 切 换 点 选 择 。 虽 然问题中的变量选择目前没有统一的标准，大多仍然通过工程人员的经验所得，但随着自适应理论的不断发展成熟，相信不久的将来自适应理论在工业控制中的应用将更加广泛，从而应对 日 趋 复 杂 的 工 业 控 制 系 统 。关 键 词 ： 自 适 应 控 制 理 论 ， 工 业 控 制 应 用 ， 模 糊 PID， 神 经 网 络 PID， 收 敛 性 ， 抗 干 扰 性I杭 州 电
7、子 科 技 大 学 硕 士 学 位 论 文ABSTRACTIn the industrial field, traditional PID algorithm is often used to control the temperature,location and flow, etc, and achieves good control result. However, with the continuous developmentof technology, some complex, changing systems appear in industrial control field,
8、 which limit theapplication of traditional control algorithm. At the same time, adaptive control theory has developedrapidly, and its typical theories have entered a more mature stage through years of research, such asfuzzy control theory, genetic algorithm theory and neural network theory. Due to t
9、he high specificand maintenance cost of these adaptive algorithms, the promotion and development of them inindustrial control field is limited, therefore, a lot of improvement is definitely needed in practicalapplication.The topic combines fuzzy theory and neural network theory with the traditional
10、PIDcontrol, to gain fuzzy PID control and neural network PID control which are new algorithmssuitable for industrial control application. The topic also summarizes the convergence, stability andanti-interference capacity of the new algorithms through resolving the practical temperature controlproble
11、ms of analyers project platform, and compares various performances with traditional PIDcontrol to sum up the general selection standard of temperature control scheme in industrialanalyers. Although many adaptive control theories have developed for a long time, they still stay inthe simulation phase
12、and lack practical application case. The topic puts the adaptive control theoryinto practical industrial products instead of simulating, which has been the main innovation.Fuzzy control theory is a logical description of control algorithm, with its core divided into:fuzzification interface, fuzzy ru
13、le base, fuzzy decision, and defuzzification. The integration processwith the PID algorithm can be understood as follows: The PID parameters can be designed in theform of fuzzy rule base to dynamically change parameters in the convergence process in order toachieve better control results than PID. T
14、he experimental data show that the convergence andanti-interference capacity of fuzzy PID are better than PID. Therefore, for products which regularwork in a harsh industrial environment, fuzzy PID control can be an alternative to traditional PIDcontrol. On the other hand, neural network system is a
15、 complex network system composed ofinterconnected neuron cells, which not only owns fast operation but also has strong adaptive learn-ing and analyzing ability. Its typical models are MP model and BP neural network model. The topiccombines the MP model with incremental PID algorithm. And PID paramet
16、ers work as the inputweights of MP model, which can be amended using neural network learning algorithm to achievethe purpose of temperature precise control.At the same time, there are some difficulties in the design process of fuzzy PID and neuralII杭 州 电 子 科 技 大 学 硕 士 学 位 论 文network PID, such as: 1.the determination of the basic discourse and discrete discourse, 2.theformulation of fuzzy rule table, 3.the choice of membership function, 4.the ch
