全氫罩式爐爐溫的RBF神經(jīng)網(wǎng)絡(luò)PID預(yù)測控制的研究.pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展及生產(chǎn)規(guī)模的不斷擴(kuò)大，現(xiàn)代工業(yè)過程變得越來越復(fù)雜，過程的非線性、大滯后的特點(diǎn)使傳統(tǒng)的建模方法和控制策略已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足當(dāng)今復(fù)雜工業(yè)過程的要求。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力，并具有自學(xué)習(xí)、自適應(yīng)能力，能夠適應(yīng)不確定系統(tǒng)的動態(tài)特性，因此有很強(qiáng)的魯棒性和容錯性。預(yù)測控制是一種基于預(yù)測模型的控制算法，根據(jù)過程的歷史信息判斷將來的輸入和輸出，因此能夠有效地對大滯后對象進(jìn)行控制。全氫罩式爐爐溫的控制精度直接影響到鋼卷退火的

2、質(zhì)量。而全氫罩式爐退火生產(chǎn)過程爐溫的非線性、時變、多干擾、大滯后的特點(diǎn)，使傳統(tǒng)PID控制策略已經(jīng)不能夠滿足高精度爐溫控制的要求。
　　 本文根據(jù)復(fù)雜工業(yè)過程的特點(diǎn)，以全氫罩式爐爐溫為控制對象，針對全氫罩式爐爐溫的非線性和大滯后，提出將RBF神經(jīng)網(wǎng)絡(luò)、預(yù)測控制、PID控制三種理論有機(jī)地結(jié)合，構(gòu)建了基于RBF神經(jīng)網(wǎng)絡(luò)的PID預(yù)測控制策略，并在MATLAB仿真平臺上進(jìn)行了大量的研究實(shí)驗(yàn)，證明了所提算法的可行性和有效性。主要研究內(nèi)容包括

3、：
　　 ⑴深入某熱連軋廠生產(chǎn)第一線，學(xué)習(xí)研究了全氫罩式爐的結(jié)構(gòu)特點(diǎn)生產(chǎn)工藝及其現(xiàn)場存在的主要問題。
　　 ⑵深入研究了徑向基(RBF)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，并針對目前常用的最近鄰聚類算法的一些缺點(diǎn)提出了改進(jìn)方案。并以電力系統(tǒng)中斷路器的實(shí)際數(shù)據(jù)，用改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)對斷路器的故障模式進(jìn)行診斷。通過仿真試驗(yàn)，驗(yàn)證了改進(jìn)后的RBF神經(jīng)網(wǎng)絡(luò)建模的有效性。
　　 ⑶針對目前復(fù)雜工業(yè)過程建模與控制存在的問題，以全氫罩式爐爐

4、溫為對象，提出了基于RBF神經(jīng)網(wǎng)絡(luò)的PID預(yù)測控制策略。先用RBF神經(jīng)網(wǎng)絡(luò)建立一個爐溫的預(yù)測模型，再用經(jīng)過反饋校正后的模型預(yù)測值與溫度設(shè)定值的偏差對RBF神經(jīng)網(wǎng)絡(luò)PID控制器進(jìn)行在線調(diào)整，進(jìn)而對罩式爐燃?xì)饬髁繉?shí)施控制，從而以理想的退火曲線對帶鋼進(jìn)行退火。
　　 ⑷在MATLAB仿真平臺上，對所提出的改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)PID預(yù)測控制策略進(jìn)行了大量的仿真研究。解決了所提方法中的關(guān)鍵技術(shù)，驗(yàn)證了建模和控制方法的可行性和有效