资源描述：
《基于模糊神经网络的pid钢丝电接触运动加热温度控制new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第6期总第172期冶金丛刊Sum.172No.62007年12月METALLURGICALCOLLECTIONSDecember2007基于模糊神经网络的PID钢丝电接触运动加热温度控制丁啸川(广州市冶金监理公司)摘要对于非线性、时变性的工业对象,采用模糊神经网络整定PID参数,提高了传统PID控制的自适应能力。仿真结果及其应用表明,其控制性能优于一般PID的控制性能。关键词模糊神经网络;PID;温度控制中图分类号:TP183文献标识码:A文章编号:1671-3818(2007)06-0010-03HEATINGT
2、EMPERATURECONTROLFORELECTRICALCONTACTMOVEMENTDingXiaochuan(GuangzhouMetallurgicalConstructionSupervisoryCo.,Ltd.)AbstractInordertoimprovetheself-adaptationabilityoftraditionalPIDcontrolforindustryobjectwithnonlinearandtime-variation,thefuzzyneuralnetworkwasuse
3、dtosetPIDparameters.TheresultsshowedthatthecontrolperformancewasbetterthanthatofgeneralPID.Keywordsfuzzyneuralnetwork;PID;temperaturecontrol1引言长的时间。在电接触快速加热过程中,控制器必须钢丝电接触运动加热是线材金属生产工艺中一跟踪快速变化的被控参数,搜索全局优化的工作点,实时控制生产过程。因此必须把两种控制策略的优道重要工序。其加热温度控制效果的好坏,不仅直点结合起来,形成
4、新的控制技术)))模糊神经网络接影响到产品质量,也关系到常用以之为牵引物的斜拉大桥的安全性。而在工业过程中,被控对象处(FNN)控制技术。实际生产运行证明了这种混合于运动状态,各点温度具有分布参数、非线性、时变技术的灵活应用,可以针对工业过程的不同被控对象,达到良好的控制效果。性的特点,加之工业现场的干扰,根本无法建立精确的数学模型。近年来,虽然模糊控制在解决无法建2工业过程描述立精确数学模型的工程控制、工业自动化、机器人控实际的电接触快速加热见图1。SCR为可控硅制问题中取得了不少成功应用,但是由于生产过程整流装
5、置,它是系统的加热电源。其输入为交流日趋复杂,不同的人对受控过程认识的差异,以及模380V,输出为直流可调电压0~60V,最大输出电流糊推理也不能十分完全地表达控制经验,所以固定可为1000A。GDY为红外线式光电高温仪,C为它的模糊控制规则也不适合时变性受控过程,缺乏一的间接式侧温点。它把800e以上的温度转化为0个明确的准则来确定隶属函数曲线,这些都可能影~5V的直流电压信号,经DC隔离装置、A/D转化响控制效果。而单纯的神经网络尽管具有优越的并器输入计算机。控制输入经DC隔离后作用于可控行和分布式信息处理能力
6、和自适应的在线自学习和硅整流器。其输出的直流电压Ud的正、负极分别实现输入、输出的非线性映射功能,但它只能利用来接在两个相距约1.5~2.0m的电极A、B上。被加自被控对象的数据信息,而且训练过程有时需要很热的钢丝(钢管或钢棒)在电动机的牵引下恒速通作者简介:丁啸川(1978-),男,助理工程师,2001年毕业于西安建筑科技大学自动化专业1第6期丁啸川:基于模糊神经网络的PID钢丝电接触运动加热温度控制#11#图2控制系统框图模糊神经网络的实质是将模糊规则用神经网络映射来表达的,因此神经网络的节点是固定的,而不像单
7、纯的神经网络的隐层节点的选择是通过训练、比较得到。见图3。模糊神经网络共由五层组成,图1工业过程结构图包括:输入层、模糊化层、模糊推理层、反模糊化层、过A、B两点,因此运动着的被加热的A、B两点之间输出层。输入层节点为
8、E
9、和
10、EC
11、的模糊子集,各的钢丝电阻为可控硅整流电源的负载。根据现场工有3个节点,分别表示小、中、大。模糊推理层节点艺要求,钢丝以一定速度v(例如湖北某钢丝集团公为
12、E
13、和
14、EC
15、的各模糊子集的组合,因此固定为9司,其值为6.0m/min)通过B点时温度应可调,稳个节点。反模糊化层节点为PID参数
16、的模糊子集,态时保证B点温度恒定。由于各种干扰和不确定它的每个参数的模糊子集划分为3个,此层共有9因素,如电网电压波动,钢丝走速不匀,以及钢丝与个节点。输出层节点数为KP、KI、KD三个节点。电极接触压力变化,传感器信号干扰等,都能造成加热温度不稳定。而且同一套设备要加热各种规格的钢丝,这就要求控制算法应具有自适应的特性。3模糊神经网络PID控制目前,常规P
