基于模糊RBF神经网络PID的加热炉温度控制系统设计

发布时间：2024-12-01 02:30

　　加热炉作为钢铁领域轧钢热处理中的一个重要设备,其炉温控制效果和自动控制水平直接关系到钢坯的质量与产量,而加热炉的炉温控制较为复杂,炉膛中的燃气燃烧过程受到外界多个因素影响,且炉温控制系统具有非线性、纯滞后、大惯性、强耦合等特点,因此使用常规的控制方法很难实现对炉温进行精确有效的控制。为此,本文提出将模糊推理、RBF神经网络和常规PID调节器相结合的控制策略,并将该控制策略应用到加热炉温度控制之中。首先,在详细分析加热炉温度控制系统工作原理的基础上,提出利用即具有模糊系统推理能力又具有RBF神经网络自学习能力的RBF神经网络在线识别PID调节器的比例、积分、微分的控制策略,并将该控制策略应用到加热炉温度控制系统中。仿真结果表明:本文提出的模糊RBF神经网络PID算法与常规PID、模糊PID、RBF神经网络PID相比,模糊RBF神经网络PID具有响应快、超调小、抗干扰能力强等优点。其次,结合轧钢热处理过程的要求,针对步进式加热炉给出了烟道和水封槽检测系统、空气和煤气主管道检测控制系统、上均热段检测控制系统、下均热段检测控制系统、三上加热段检测控制系统、三下加热段检测控制系统、二上加热段检测控...

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图3.2加热炉PID仿真模型

17图3.2加热炉PID仿真模型Fig.3.2HeatingfurnacePIDsimulationmodel图3.3常规PID仿真图Fig.3.3ConventionalPIDsimulationdiagram为了描述系统的动态性能，本文采用如下的性能指标：超调量：响应曲线超出....

图3.3常规PID仿真图

17图3.2加热炉PID仿真模型Fig.3.2HeatingfurnacePIDsimulationmodel图3.3常规PID仿真图Fig.3.3ConventionalPIDsimulationdiagram为了描述系统的动态性能，本文采用如下的性能指标：超调量：响应曲线超出....

图3.5模糊PID控制器结构图

图3.6模糊PID控制器在线自校正工作流程图

21{}{}{}""",;,;,;ppiiiiiiddiipidk=k+eeck=k+eeck=k+eec（3.7）在线运行过程中，控制系统通过对模糊逻辑规则的结果处理、查表和运算，完成对PID参数的在线校正，其工作流程如图3.6所示。图3.6模糊PID控制器在线自校正工作流程图....

本文编号：4013407