基于模糊神经网络感应加热电源温度控制的研究

《基于模糊神经网络感应加热电源温度控制的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要随着生产力水平的发展，对感应加热电源加热工件温度的精度要求越来越高，而感应加热电源的过程控制方法对加热工件温度的精度起决定性的作用，因此对感应加热系统的过程控制方法的研究就显得越来越重要。本文以模糊控制理论和樟经网络理论为依据，研究了基于模糊神经网络的PI控制方法，并建立了感应加热电源的模型。经过对感应加热电源建模实验验证，本文的控制方法有效地提高了感应加热电源加热工件表面温度的精度。首先，本文选取150kWl30kHZ并联感应加热电源作为研究对象，并提取其数学模型。用常规pI控制器对感

2、应加热电源进行控制，得到加热工件表面温度变化的曲线，并对其进行了理论上的分析。其次，在对常规PI控制方法分析的基础上，针对常规PI控制方法的缺陷提出了基于模糊神经网络PI控制器。该控制器主要采用了神经网络的BP学习算法，利用神经网络结构，把模糊控制与神经网络结合起来，将模糊逻辑中的隶属度函数与模糊规则转换到神经网络中，形成分布式的知识体系，利用神经网络自学习功能进行训练，不断修正神经网络连接权值，以便于调整隶属函数分布，求得模糊规则的目的，进而根据负载温度的变化来改变感应鸯珏热电源控制系统的PI

3、参数，最终得到期望的温度曲线。最后，在研究成果的基础上采用VisualC++6．0开发环境设计并实现了基于摸糊神经网络PI控制的感应加热电源训练及仿真可视化系统。通过该系统可以对模糊神经网络PI控制器进行离线训练，同时观察常规PI控制器和基于模糊神经网络PI控制器对加热工件表面温度的不同控翩效果，通过比较仿真结果明显看出新的控制方法远优于常规pI控制方法。关键词：感应加热电源；模糊神经网络；加热温度；常规PID控制；BP算法。ABSTRACTWithadvancinglevelsoftechno

4、logy，greaterprecisionincontrollingthetemperatureofworkpieceheatedbyinductionheatingpowerisrequired．Thecontrolmethodforinductionheatingpowersiscrucialtodeterminethetemperatureprecisionfortheheatedworkpiece，therefore，theresearchofcontrolmethodsisofgrea

5、tvalue．Inthisthesis，usingfuzzycontrolandneuralnetworktheory，aProportionandIntegral(PI)controlmethodbasedoilafuzzy—neuralnetworkisstudied，andamodelofaninductionheatingpowerisbuilt．Theexperimentresultsshowthatthecontrolmethodproposedinthispapergivespro

6、misingresultsinimprovingthetemperatureprecisionfortheworkFlieceheatedbyinductionheatingpower．Firstly．a150kW，30kHZparal}elinductionheatingpoweranditsmathematicalmodelareinvestigated．WhenageneralPIcontrolmetll}odisusedinaninductionheatingpower，thevaryi

7、ngtemperatureoftheheatedworkpiece’ssurfaceisplotted；thedisadvantageofthegeneralPImethodcanbefoundbasedontheanalysisofthegiventemperaturecurve．Secondly，afuzzy—neuralnetworkPIcontrolmethodisproposedONthebasisoftheanalysisofgeneralPImethods．ThenaBackPro

8、pagation(BP)algorithmisintroduced，andbyemployingthestructureofneuralnetwork，fuzzycontrolandneuralnetworkarecombinedinsuchawaythatthefuzzymembershipfunctionandfuzzyrulesfromthetraditionalexpertsystemareconvertedintotheneuralnetwork．Asaresult，adistribu