基于非线性预测模型的单神经元自适应PID板形控制[1]

《基于非线性预测模型的单神经元自适应PID板形控制[1]》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中国冶金装备网---中国冶金人的网基于非线性预测模型的单神经元自适应PID板形控制摘要为了解决传统PID板形控制精度低、速度慢、抗干扰能力差等问题，将BP神经网络和单神经元引入到板形的控制中，提出一种基于BP神经网络预测模型的单神经元自适应PID控制的板形控制策略。利用BP神经网络的非线性逼近能力和单神经元的自学习、自适应能力，通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律，实现对带钢板形缺陷的有效控制。仿真实验结果表明，该控制算法能很好地跟踪板形的目标设定值，提高了系统的控制精度，加快了系统的响应速度，并且具备较强的抗干扰能力。关键词BP

2、神经网络预测模型单神经元PID控制板形控制中图分类号：TG335.1TP389.1文献标识码ASingle-nerve-cellAdaptivePIDFlatnessControlBasedonNonlinearPredictionmodelJiaChunyuCuiYanchaoXuDongjie(YanshanUniversity,Qinhuangdao,066004)ABSTRACTThestrategyofsingle-nerve-celladaptivePIDflatnesscontrolbasedonBPneuralnetworkpredic

3、tionmodelisproposedinordertoresolvetheproblemoflowprecision,slowspeedandbadanti-interferenceabilityinconventionalPIDflatnesscontrol.AccordingtothecombinationofthenonlinearapproachabilityofBPneuralnetworkandtheself-learningandadaptiveabilityofsinglenervecell,anoptimalnonlinearcom

4、positecontrolruleofP,IandDisfoundtocontrolflatnessdefectsofstripseffectively.Simulationresultsindicatethatthecontrolalgorithmcantrackthetargetsetvalueofflatness,increasingthecontrolprecisionofthesystemandacceleratingtheresponsespeedofthesystemwithstronganti-interferenceability.K

5、EYWORDSBPneuralnetworkPredictionmodelsinglenervecellPIDcontrol;Flatnesscontrol7中国冶金装备网---中国冶金人的网1引言板形控制技术是现代高精度板带轧制中的关键技术之一。而板形控制系统是一个多变量、非线性、多扰动、强耦合的复杂工业控制系统，很难建立精确而快速的板形控制模型，传统PID控制算法已经不能满足控制要求[1-4]。所以，人们在寻求精确的板形控制系统模型的同时，也开始从控制思想的角度研究板形控制问题。板形并不是一个单项的质量指标，它包括带钢的平直度和断面形状等指标，但一

6、般以凸度(断面形状)和平直度为考察对象。轧制生产过程体系庞大，机理复杂，系统参数众多，并且各个参数之间具有强的耦合性，因此高精度板形控制只能采用多种方法协调控制才能达到效果。当前的板形控制多采用简化的数学模型，并在长期生产中利用生产数据进行模型修正。这种方法在生产中是有效的，但显然各个工艺控制参数并非最优，影响了板形控制精度的进一步提高。如何解决理论和实际应用之间的矛盾，找到一种对模型精度要求不高而又具有高质量控制性能的方法，就具有十分重要的理论和现实意义。随着知识处理技术的发展，智能控制技术在板形控制中得到了较为广泛的应用[5-10]。7中国冶金装备

7、网---中国冶金人的网智能控制就是以无模型为特征的更接近于人脑思维方式的一种控制理论，它是以知识信息为基础进行学习和推理，用启发式方法来引导求解，是含有复杂性、不确定性和模糊性且一般不存在已知算法的非传统数学公式化过程。智能控制设计通常以定性和定量结合的方法进行系统分析与综合，其主要优点是控制器的设计摆脱了系统模型的束缚，算法简单、鲁棒性强。采用这种智能方式可以简化设计过程，使人们从严格枯燥的数学推导中解脱出来，由必然王国向理想王国迈进。基于上述分析和考虑，本文提出一种基于非线性预测模型的单神经元自适应PID板形控制策略，仿真实验证明，该控制算法提高了

8、系统的控制精度，加快了系统的响应速度，具备适应控制环境变化的能力和自学习能力。2基于非线性预测