文档介绍：浙江理工大学
硕士学位论文
基于补偿的模糊神经网络电阻炉控制系统设计与实现
姓名:吕勇松
申请学位级别:硕士
专业:控制理论与控制工程
指导教师:潘海鹏
20091218
摘要模糊控制是用于模型结构不确定的复杂系统的有效算法,它通过总结专家经模糊神经网络控制方法存在的调节时间长、实时性差等不足,:研究了产生这一现象的原因,’提出一种具有预测补偿作用的改进模糊神经网络控制算法,给出了确控制系统的动、静态性能,达到了预期目的。关键词:电阻炉;温度控制;模糊神经网络:补偿;单片机;上位机电阻炉是工业生产过程中常用的加热设备,其温度控制效果的好坏直接影响到加热的效率和工件的质量,因而对温度控制系统提出了较高的要求。随着控制理论和电力电子技术的发展,工业控制器的强大适应能力和高度智能化正逐步成为现实。其中以单片机为核心的数字控制器因其体积小、成本低、功能强、简便易行而得到广泛应用。但是工业电阻炉的温度控制具有非线性、大惯性、时滞、时变等特点,难以对其建立精确的数学模型,采用刂朴忠蚱洳问潭ǎ能及时跟踪对象特性的变化,控制效果往往不佳。验法建立控制规则,达到对被控对象控制的目的。但由于受认识程度的限制,建立的控制规则常常十分粗糙,并且控制精度欠佳。虽然有学者将模糊系统与神经网络进行结合提出了模糊神经网络控制方法,但当在线对规则进行调节控制时,系统的上升时间仍然较慢。本文在总结国内外研究现状的基础上,通过对电阻炉温度特性的分析,针对定补偿量的方法,并通过仿真,验证了算法的有效性。建立了以盗械テ为核心的电阻炉温度控制实验平台,设计了主控单元、疧驱动、人机接口等相关硬件电路,进行了数据采集、操作显示、控制算法等应用软件的模块编程,并完成了软件与硬件调试。目前,该电阻炉温度控制系统己在实验室投入运行,仿真与应用结果表明:该智能模糊控制系统控制方案合理,控制算法可行,在很大程度上改善了电阻炉浙江理工大学硕士学位论文.‘●
,.甆甆.,,甌—,,,.’琣瓸瞖甀,甀...甌,琣鯿:籺籉籧;—.
第一章绪论大惯性、非线性、时变、时滞等特剧¨,目前,工业生产中大部分的热处理过程学模型的对象,娜霾问骸和局通常是用凑试的方法得出的。对象博士首次尝试用模糊逻辑,成功开发了世界上第一台模糊控制的蒸汽引擎D研究背景与意义在工业生产中,广泛使用电阻炉对金属材料进行加热。随着工业的发展,对金属材料的性能提出了更高的要求,而在加热过程中炉温的高低会直接影响工件的品质。因此,对电阻炉的温度进行控制,不仅能够提高加热效率,节能降耗,而且对改善产品质量,提高产量具有现实意义。但电阻炉这一过程控制对象具有仍使用基于经典控制理论的刂品桨浮6杂诘缱杪庋牟灰椎玫骄肥的模型与炉腔内的工件个数、大小以及外界环境有关,所以不同环境下固定参数的刂品桨傅目刂菩Ч患选甖于年提出了模糊集的概念曷锥卮笱糊控制与传统控制的不同之处在于:模糊控制不依赖系统行为而是依赖于操作者的经验,它可以模仿人的思维,对难以建立数学模型的对象进行有效的控制。对于电阻炉这种具有时变、大时滞、非线性等特点的被控对象,经验丰富的操作人员往往能够在不同的环境下对对象进行很好的控制。因此利用基于专家经验的模糊控制可以对数学模型不确定、时变的对象进行有效的控制。但是对系统行为不熟悉的控制器设计人员很难得到准确的模糊控制规则。而且,常规的模糊控制控制精度不高、在平衡点附近易出现振荡。神经网络是模拟人脑神经中枢系统的一种方法。这种方法具有适应能力和学习能力,是另一神智能控制方法。最早的神经元数学模型是由心理学家和数学家晏岢龅摹辏琑等芯啃组提出了多层前向传播网络的学习算法。从本质上看,神经网络是一种不依赖模型的自适应函数估计器。神经网络是由大量的,同时也是很简单的处理单元广泛的互相连接而形成的复杂网络系统。研究表明神经网络具有快速并行处理能力和自学习能力的特点。浙江理工大学硕土学位论文气
模糊神经网络是将模糊逻辑与神经网络结合,采用神经网络的自学习能力与模糊控制的逻辑推理能力,通过网络的训练使控制器具有自调整、自学习和自适应能力,达到模糊智能控制。通常训练方法分为离线和在线两种,两者各有优缺点。离线训练法是在提供输入输出数据样本对的情况下对系统进行训练,因此参数训练好之后将不再改变。所以系统发生变化则会使控制效果变差,而在线法可以弥补这一不足,并且在线训练的数据样本对是在控制过程中得到的。但是在线法的调节时间较慢。本文针对在线模糊神经网络控制的这一不足,对模糊神经网络进行改进,研制一种以单片机为控制核心、结合上位机的电阻炉温度控制系统。本课题首先研制一套以为核心的电阻炉温度控制板,然后在这套控制板的基础上研究一种改进的模糊神经网算法对电阻炉进行控制。国内外炉温控制技术的发