基于bp神经网络的罩式炉炉温pid预测控制策略本科学位论文

《基于bp神经网络的罩式炉炉温pid预测控制策略本科学位论文》由会员分享，可在线阅读，更多相关《基于bp神经网络的罩式炉炉温pid预测控制策略本科学位论文（101页珍藏版）》请在金锄头文库上搜索。

1、分 类 号 密 级 太原理工大学硕 士 学 位 论 文题 目 基于BP神经网络的罩式炉炉温PID预测控制策略 英文并列题目 PID PREDICTIVE CONTROL STRATEGY BASED ON BP NEURAL NETWORK ON TEMPERATURE CONTROL OF BELL-TYPE ANNEALING FURNACE研究生姓名 ： 孟 良 学 号： S20060589 专 业： 控制理论与控制工程 研 究 方 向： 智能控制 导 师 姓 名： 田建艳 职 称： 教 授 学位授予单位：太原理工大学论文提交日期 地 址：山西 太原太 原 理 工 大 学83独创性声明本

2、人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中特别加以标注和致谢中所罗列的内容外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得太原理工大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本文研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。本人签名： 日期： 年 月 日关于论文使用授权的说明本人完全了解太原理工大学有关保留和使用学位论文的规定，即：学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文（保密的论文在解密后遵守此规定）。本人签名：

3、 日期： 年 月 日导师签名： 日期： 年 月 日 太原理工大学硕士学位论文基于BP神经网络的罩式炉炉温PID预测控制策略摘 要目前罩式炉炉温控制系统大多采用常规PID控制，但是由于罩式炉炉温控制系统具有非线性、时变性、大延迟等特点，传统的PID在某些情况下难以达到理想的控制效果。而不依赖于模型的智能控制为解决这类问题提供了新的方法，成为目前提高生产过程控制质量的重要途径。神经网络作为现代信息处理技术的一种，正在越来越多的生产应用中展示它的优越性，神经网络控制是它在自动控制中的一个重要应用成果。而神经网络PID控制技术也在其中扮演了重要的角色，并将成为未来研究与应用的重要技术之一，这是因为PI

4、D类型的控制技术是工业生产中被普通使用的控制方法，如果能找到具有类似于PID易于使用的特点，而且性能优于PID的控制器，在理论和实践上都将具有很重要的意义。本文在查阅了大量相关文献的基础上，结合某热连轧厂退火车间的生产实际，提出了采用基于BP神经网络的PID预测控制策略对罩式炉炉温进行控制。本文主要做了以下工作：（1）深入某热连轧厂的罩式炉生产第一线，学习研究罩式炉的退火工艺。（2）深入系统地分析和研究了BP神经网络的结构和学习算法，得到了一种改进BP算法，并将该算法用在电网电压稳定性分析模型的建立，经过仿真研究得出该算法可以有效的提高网络训练的速度和精度。（3）针对罩式炉这一复杂、非线性系统

5、，本文提出了基于BP神经网络的PID预测控制方法对罩式炉炉温进行控制。首先采用BP神经网络建立罩式炉炉温的预测模型，并采用反馈校正，以克服系统中不确定扰动因素所造成的模型预测误差，得到比较精确的炉温预测值。然后采用BP神经网络对PID控制器的参数进行在线整定，通过对燃气流量的控制来实现罩式炉炉温的控制 。（4）在Matlab仿真平台上，对基于BP神经网络的PID预测控制策略进行了大量的仿真研究，仿真结果表明，该控制策略是可行的。关键词：BP神经网络，预测控制，PID，罩式退火炉PID PREDICTIVE CONTROL STRATEGY BASED ON BP NEURAL NETWORK

6、ON TEMPERATURE CONTROL OF BELL-TYPE ANNEALING FURNACEABSTRACTIt is difficult for the traditional PID control method to reach an optimum result in certain cases because the bell-type furnace is rather a non-linear , time varying and big hysteretic. Intelligent control method independent for model of

7、a plant and based on knowledge offers a new idea for improving process technologies, have some advantages in many application. Neural network control is an important application of the results in automatic control. PID control based on neural network is one of the main techniques in research and app

8、lication due to the dominant place of PID types control in industrial process control recently. If the controller is wieldy like PID and has better performance can be found, there will be significance in both theory and parties. This paper puts forward a PID predictive control strategy based on neur

9、al network to control the temperature of bell-type furnace based on a lot of related literature , combining with hot strip mill plant workshop.(1) After going to a bell-type annealing furnace factory production, the Annealing technologies and the computer control system are studied.(2) BP neural net

10、work structure and the study algorithm are embedded analyzed and researched, and a kind of improved BP algorithm is obtained. And this improve BP algorithm is used in voltage stability assessment. Through simulation studies，the algorithm can effectively improve the network training speed and accurac

11、y.(3) Because the bell-type annealing furnace is one of complex nonlinear systems, PID control based on BP neural network is proposed to control of the bell-type annealing furnace in this paper. Firstly predictive model of the furnace-temperature is set up with BP neural network, which is used to pr

12、edict output value of furnace-temperature , then feedback correcting is used to reduce the model predictive error resulted from uncertain factors of the system in order to get the relatively precise predictive value. The parameters of PID controller is adjusted with BP neural network , through the c

13、ontrol of gas flow to achieve the bell-type furnace temperature control(4) In the Matlab simulation platform, a large number of simulations and studies are carried out in the PID predictive control strategy based on neural network, simulation results show that the control strategy is feasibleKEY WOR

14、DS: BP neural network, predictive control, PID, bell-type annealing furnace目录第一章 绪论11.1研究背景和意义11.2 退火炉控制的国内外研究现状21.2.1国外退火炉控制的研究现状21.2.2国内退火炉控制的研究现状31.2.3 退火炉控制存在的主要问题41.3 预测控制51.3.1 预测控制的发展51.3.2 传统预测控制存在的主要问题61.4 本论文研究的内容71.5 论文的创新点81.6 本章小结8第二章 全氢罩式退火炉退火工艺及其计算机控制系统92.1 带钢的退火92.1.1带钢退火的目的92.1.2带钢退火的特点和要求92.2 带钢的退火方法102.2.1 带钢的连续退火102.2.2 带钢的罩式退火102.2.3罩式退火炉与连续退火炉的比较112.3 全氢罩式退火炉132.3.1 罩式退火炉的发展历史132.3.2 全氢罩式炉与传统氮氢罩式炉的比较142.3.3 全氢罩式炉特点152.3.4 对传统罩式炉的改进状况162.3.5 罩式炉的冷却方式172.4 全氢罩式炉基本设备及结构182.5 退火工艺过程22