《基于神经网络的复合控制算法研究——哈尔滨理工大学学士学位论文》由会员分享，可在线阅读，更多相关《基于神经网络的复合控制算法研究——哈尔滨理工大学学士学位论文（45页珍藏版）》请在金锄头文库上搜索。
1、哈尔滨理工大学学士学位论文- I -基于神经网络的复合控制算法研究 摘要 本文从实际出发，以加热炉为研究对象，对受随机因素干扰的、具有大惯性、 纯滞后的非线性分布参量的随机过程进行了研究。文中着重研究了神经网络、 模糊理论和 PID 控制的融合方式及其可行性，介绍了一种复合式控制方案 神经网络模糊 PID 控制算法，并将此算法与 PID 控制进行了仿真比较。结果表 明，在超调量、稳态误差和抗干扰性等方面，此算法都优于传统的 PID 控制。 加热炉的温度控制属于典型的过程控制，因此我们首先想到的控制方案就是采 用传统的比例积分微分（PID）调节器进行控制。根据被控对象的不同，适当地 调整 PID
2、 参数，可以获得比较满意的控制效果。然而，由于 PID 算法只是在系 统模型参数为非时变的情况下，才能获得理想的效果。当一个调整好参数的 PID 控制器被应用到模型参数时变系统时，系统性能会变差。因此这种控制作 用无法从根本上解决动态品质和稳态精度的矛盾。 本文所介绍的基于神经网络的复合控制算法，具有实时性强、抗干扰性好、控 制精度高的优点，可应用于实际工业过程。在模糊控制中，模糊推理相当于对 一种输入输出关系的映射，输入为前提，输出经非模糊化后即为推理的结果输 出。利用神经网络的任意函数映射功能，就可以实现模糊推理，实现 PID 参数 在线调整。综上可见，神经网络模糊 PID 控制必将有广阔
3、的应用前景。关键词 神经网络；模糊控制；PID 控制；MATLAB The Research of the Composite Control Arithmetic Based on Neutral Network Abstract In view of practical use, taking the stove as object, the thesis studies the casual process of nonlinear and distributed parameter with big inertia, pure lag and casual disturbance. T
4、he feasibility and the form of combining neural network and fuzzy theory with PID control are discussed. The theory of compound control-fuzzy-PID control based on neutral network is put forward. In addition, comparison among the compound control and the PID control is introduced. The result indicate
5、s that this control arithmetic is superior to others in aspect of overshoot, steady-state error, anti- jamming etc. The temperature control of the stove is type of process control. So the control method first coming into our mind is the conventional PID control using PID adjustor. Then satisfactory
6、effect will come out, through adjusting the PID parameter properly for the specific object. However, we can get the ideal effect only on the condition that the parameter of the system model is time-invariant .when a parameter is used to a time- variant system, the performance will become bad. So thi
7、s control can not solve the conflict between dynamic quality and static precision. The compound control arithmetic introduced in this text is based on neutral network, and has the feature of real-time, good anti-jamming, high precision. So it can be used in practical industry process. In the case of
8、 fuzzy control, fuzzy reasoning is equal to a mapping between the input and output .the input is premises, and the output fuzzed up 哈尔滨理工大学学士学位论文- II -is result of reasoning using the neural networks .Through the mapping function of the ether function. The fuzzy reasoning can be carried out and the
9、PID parameter can be adjusted on line. Thus it can be seen that the neural-networks-fuzzy-PID control has wide application foreground without fail.Keywords neutral network; fuzzy control; PID control; MATLAB哈尔滨理工大学学士学位论文- III -目录 摘要I AbstractII第 1 章 绪论1 1.1 课题背景1 1.2 自动控制的发展概况1 1.3 加热炉作为研究对象的特点 2 第
10、2 章 模糊控制与神经网络控制原理 3 2.1 模糊控制的基本原理3 2.2 模糊控制器 3 2.2.1 模糊控制器的组成4 2.2.2 模糊条件句与模糊控制细则5 2.2.3 模糊化运算5 2.2.4 模糊控制中的几个基本运算操作 6 2.2.5 数据库7 2.2.6 规则库8 2.2.7 模糊推理 10 2.2.8 清晰化12 2.3 神经网络控制的基本原理12 2.3.1 神经网络基础12 2.3.2 误差反向传播（BP）神经网络15 第 3 章 控制算法的比较20 3.1 单一的控制算法20 3.1.1 PID 控制20 3.1.2 模糊控制 21 3.1.3 神经网络控制22 3.2
11、 新型的复合控制算法23 第 4 章 新型复合控制算法的设计25 4.1 神经网络模糊 PID 控制算法 25 4.1.1 模糊化模块25 4.1.2 BP 神经网络模块26 4.1.3 PID 控制器模块 28 4.2 被控对象28 4.2.1 被控对象的选择28 4.2.2 滞后时间的识别29 4.2.3 用线性辨识方法在线估计系统的预报模型29 4.3 总的控制算法30 第 5 章 控制算法的仿真及结论32哈尔滨理工大学学士学位论文- IV -5.1 引言32 5.2 仿真比较32 5.3 仿真结论35 结论 37 致谢 38 参考文献39 附录 40千万不要删除行尾的分节符，此行不会被
12、打印。在目录上点右键“更新域” ，然 后“更新整个目录” 。打印前，不要忘记把上面“Abstract”这一行后加一空行哈尔滨理工大学学士学位论文- 1 -绪论 课题背景 随着智能控制的迅速发展，特别是随着神经网络和模糊控制等理论的不断成熟， 给人类生活带来了根本性的改变。基于神经网络的复合控制算法吸收了人类对 客观世界的信息处理的能力，以其很强的适应性和鲁棒性，在工业过程控制领 域得到了极为广泛的应用，并已应用于家电产品，走入了我们的家居生活。 自动控制的发展概况 传统控制是经典控制和现代控制理论的统称，它们的主要特征是基于模型的控 制。由于被控对象越来越复杂，其复杂性表现为高度的非线性，高噪
13、声干扰、 动态突变性以及分散的传感元件与执行元件，分层和分散的决策机构，多时间 尺度，复杂的信息结构等，这些复杂性都难以用精确的数学模型（微分方程或 差分方程）来描述。除了上述复杂性外，往往还存在着某些不确定性，不确定 性也难以用精确数学方法加以描述。然而，对这样复杂系统的控制性能的要求 越来越高，这样一来，基于精确模型的传统控制就难以解决上述复杂对象的控 制问题。在这样复杂对象的控制问题面前，把人工智能的方法引入控制系统， 将控制理论的分析和理论的洞察力与人工智能的灵活的框架结合起来，才有可 能得到新的认识和新的控制上的突破。经过近 20 年来的研究和发展，尤其是近 10 年来的研究成果表明
14、，把人工智能的方法和反馈控制理论相结合，解决复杂 系统的控制难题是行之有效的。 从上面论述不难看出，传统控制和智能控制的主要区别就在于它们控制不确定 性和复杂性及达到高的控制性能的能力方面，显然传统控制方法在处理复杂性、 不确定性方面能力低且有时丧失了这种能力。相反，智能控制在处理复杂性、 不确定性方面能力高。用拟人化的方式来表达，即智能控制系统具有拟人的智 能或仿人的智能，这种智能不是智能控制系统中固有的，而是人工赋予的人工 智能，这种智能主要表现在智能决策上。这就表明，智能控制系统的核心是去 控制复杂性和不确定性，而控制的最有效途径就是采用仿人智能控制决策。 基于神经网络的控制称为神经网络
15、控制（NNC） ，简称神经控制（NC Neurocontrol） 。这一新词是在国际自控联杂志自动化 （Automatica）1994 年 No.11 首次使用的，最早源于 1992 年 H.Tolle 和 E.Ersu 的专著Neurocontrol 。 基于神经网络的智能模拟用于控制，是实现智能控制的一种重要形式，近年来 获得了迅速发展。 1.3 加热炉作为研究对象的特点 加热炉是冶金行业生产环节中重要的热工设备。它在轧钢生产中占有十分重要 的地位，它的任务是按轧机的轧制节奏将钢材加热到工艺要求的温度水平和加 热质量。并且在优质高产的前提下，尽可能地降低燃料的消耗，减少氧化烧损。 连续加热
16、炉的操作水平直接影响产品的质量、产量和生产消耗指标，所以国内 外关于加热炉自动控制的研究一直受到重视，发展地比较快，也取得了较为丰 硕的成果。 本课题以蓄热式加热炉作为研究的具体对象，加热炉是高速线材热轧生产过程哈尔滨理工大学学士学位论文- 2 -的重要热工设备，其主要作用是提高方坯的塑性，降低变形抗力，以满足轧制 工艺的要求。它的性能直接影响到加热炉的能耗和最终钢材产品质量、钢坯成 材率、轧机设备寿命以及整个主轧线的有效作业率。 但是加热炉的燃烧过程是受随机因素干扰的、具有大惯性、纯滞后的非线性分 布参量的随即过程。对于这种复杂的控制对象，即使经验丰富的操作工人，也 很全面的考虑各种因素的影响，准确地控制燃烧过程，使得炉温经常偏高或是 偏低，有时由于配风的盲目性，还会造成炉尾冒黑烟等恶劣的事故。这些都严 重影响了加热炉的加热质量和燃耗，甚至影响正常的生产。因此，必须提高加 热炉的控制水平，建立炉温自动控制系统。 本课题的主要工作是针对加热炉的控制系统运行状况存在的不足并结合国内外 的先进理论知识和技术知识，为加热炉的燃烧控制提出一
