神经网络控制在减压塔中应用的仿真研究

发布时间：2017-04-09 15:15

  本文关键词：神经网络控制在减压塔中应用的仿真研究，由笔耕文化传播整理发布。

【摘要】：常减压装置在生产过程中存在较多不可控因素,其控制对象的复杂性、相关性、不确定性是操作的主要难点。为了对系统进行精确有效地控制,传统方法已无法满足需求,须采用先进控制才能实现。本文研究的主要内容是,针对减压塔控制系统中存在的各种问题,选减压塔塔顶温度和减压炉出口温度为被控参数,用神经网络控制方法对其进行仿真试验研究。神经网络能充分逼近复杂的非线性函数,适合解决减压塔温度这类反应滞后、控制缓慢、波动大的时变性问题。首先,简要介绍课题研究背景和神经网络的发展现状、RBF(Radial Basis Function)神经网络的原理和优缺点,为仿真试验奠定理论基础。其次,研究分析了RBF神经网络控制对于单输入单输出系统的控制效果。其中减压塔塔顶温度选用前馈-反馈控制,减压炉出口温度选用串级控制,分别进行仿真。由于该对象控制品质要求高,系统内部相关性强以及对象的时变性问题,设计了传统PID控制模块和RBF自适应神经网络控制模块,并利用MATLAB软件进行仿真试验。传统方法与本文新方法结果对比表明RBF自适应神经网络具有很好的控制效果,能够较好地解决被控系统中存在的问题。常减压装置内部关系复杂,多个参数不能作为控制参数而且还易受到其他参数变化的影响。为解决减压塔塔顶温度和减压炉出口温度之间存在的强耦合现象,分析研究了RBF神经网络控制对于双输入双输出系统的解耦控制效果。设计普通解耦模块和RBF解耦模块,在MATLAB软件中进行仿真试验研究。研究结果表明RBF解耦可得到较好的控制效果。
【关键词】：RBF 神经网络 PID控制 解耦 常减压装置 减压塔
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TE962
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题研究背景及意义10-12
• 1.2 神经网络控制的发展及研究现状12-14
• 1.3 本文主要研究内容14-15
• 1.4 论文组织结构15-16
• 第2章 神经网络基本理论16-22
• 2.1 神经网络介绍16-18
• 2.1.1 生物神经网络介绍16-17
• 2.1.2 人工神经网络介绍17-18
• 2.2 RBF神经网络介绍18-20
• 2.2.1 网络结构18-19
• 2.2.2 被控对象的辨识算法19-20
• 2.2.3 RBF神经网络的特点20
• 2.3 本章小结20-22
• 第3章 RBF自适应神经网络在减压塔塔顶温度控制系统中的应用研究22-38
• 3.1 引言22
• 3.2 传统PID控制原理22-24
• 3.3 RBF自适应神经网络PID控制原理24-26
• 3.4 前馈-反馈控制的方框图26
• 3.5 PID参数的调试和确定26-35
• 3.5.1 调试反馈环节参数26-31
• 3.5.2 调试前馈环节参数31-35
• 3.6 仿真结果分析35-36
• 3.7 本章小结36-38
• 第4章 RBF自适应神经网络在减压炉出口温度控制系统中的应用研究38-56
• 4.1 引言38
• 4.2 串级控制的方框图38-39
• 4.3 PID参数的调试和确定39-53
• 4.4 仿真结果分析53-55
• 4.5 本章小结55-56
• 第5章 RBF自适应神经网络在温度解耦控制系统中的应用研究56-72
• 5.1 引言56
• 5.2 解耦控制简介56-57
• 5.3 RBF解耦基本原理57-59
• 5.4 RBF自适应神经网络解耦仿真59-68
• 5.5 仿真结果分析68-70
• 5.6 本章小结70-72
• 结论72-74
• 参考文献74-78
• 致谢78

【相似文献】

中国期刊全文数据库 前10条

1 许晓鸣，杨煜普，厉隽怿;基于神经网络的智能控制第三讲　神经网络控制系统的控制结构[J];化工自动化及仪表;1995年05期

2 沈海荣;刘超;宫宁生;;基于神经网络控制的共轭梯度法[J];南京工业大学学报(自然科学版);2006年06期

3 张安年，管天云;水泥立窑神经网络控制系统[J];洛阳工学院学报;1995年03期

4 薛家祥,曾敏,黄石生;弧焊过程的神经网络控制[J];焊接技术;1999年05期

5 闵华清，杨进，周万隆，徐贵刚;神经网络控制系统的仿真研究[J];武汉化工学院学报;1996年04期

6 刘廷章，卢秉恒，，惠延波，王军杰，顾崇衔;复杂曲面车削精度的神经网络控制[J];机械工程学报;1997年02期

7 梁军科,冯秀芳,余雪丽,马季兰;用神经网络控制风洞实验中的温度分布[J];太原理工大学学报;2000年04期

8 杨金城,胡春;裂解深度神经网络控制系统的研究[J];石油化工自动化;2005年04期

9 袁晓红;赵国新;王旭仁;;回转窑温度神经网络控制[J];烧结球团;2011年03期

10 单红艳;沈国清;;转向工况下矿用车辆空气悬架阻尼神经网络控制[J];煤矿机械;2014年05期

中国重要会议论文全文数据库 前10条

1 鲁照权;陈道炯;;精密微位移驱动机构的神经网络控制[A];1996年中国控制会议论文集[C];1996年

2 王永骥;徐桂英;张晓兰;涂健;;基于修正δ规则的神经网络控制[A];1995中国控制与决策学术年会论文集[C];1995年

3 杨霞;李新叶;高燕;;机床进给系统跟踪精度的神经网络控制[A];第十二届中国小电机技术研讨会论文集[C];2007年

4 韩亚伟;何玉敖;;结构振动神经网络控制研究[A];第三届全国现代结构工程学术研讨会论文集[C];2003年

5 陈捷;王树青;王宁;王骥程;;多侧线精馏塔的神经网络控制[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

6 王淑莲;孙辉;陈兵;唐建林;;二次调节节能系统神经网络控制[A];机床与液压学术研讨会论文集[C];2004年

7 刘晓宏;阎保定;钟竞;;非线性系统的神经网络控制研究[A];1996中国控制与决策学术年会论文集[C];1996年

8 沙道航;杨华勇;;电液系统的神经网络控制[A];1998年中国控制会议论文集[C];1998年

9 王文隽;丰冈了;马尔科·卡萨里;;神经网络控制液晶光阀在光谱合成中的应用(英文)[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年

10 梅建东;张天平;李红春;;具有未知控制方向的自适应神经网络控制[A];2005全国自动化新技术学术交流会论文集（二）[C];2005年

中国硕士学位论文全文数据库 前10条

1 刘苗苗;基于MRE减震结构的智能控制算法研究[D];南京理工大学;2015年

2 陈晓霞;基于神经网络控制的有源电力滤波器研究[D];河北工业大学;2015年

3 高子凯;神经网络控制及其在污水处理中的应用[D];河北科技大学;2014年

4 张珏;神经网络控制在减压塔中应用的仿真研究[D];燕山大学;2016年

5 李素敏;基于可拓逻辑的神经网络控制研究[D];郑州大学;2003年

6 吴学锋;精馏塔操作的神经网络控制方法[D];中国地质大学（北京）;2005年

7 徐盈;神经网络控制在颈部肌肉主动力中的应用[D];湖南大学;2014年

8 陈海军;基于遗传优化的神经网络控制策略的研究[D];燕山大学;2010年

9 敖培;多步预测性能指标函数下的神经网络控制及其应用[D];辽宁工程技术大学;2004年

10 姜鸣;不确定离散系统的神经网络控制鲁棒性研究[D];大连理工大学;2009年

  本文关键词：神经网络控制在减压塔中应用的仿真研究，由笔耕文化传播整理发布。

本文编号：295540