基于模糊神经网络的加热炉温度控制方法研究

论文摘要

原油是工业生活中的重要能源,而长距离原油管道输送是原油储运的重要方式。原油具有粘度高易凝固的特点,在输送过程中需要不断给原油加热,才能保证管道中原油的顺利输送。加热炉被广泛应用于石油工业油气集输系统中对原油、天然气及其井产物的加热,以便实现其输送,是油气田最大的自耗设备之一。如何提高加热炉的自动控制水平和运行效率具有较高的理论研究价值和实际应用价值。加热炉燃烧控制系统的控制性能指标主要包括三个方面的内容：一是将加热炉温度控制在合理范围内,保证原油顺利输送的工业需要；二是控制空燃比的值保持最佳,因为只有空燃比的值最佳时,燃料才能充分燃烧,否则不仅浪费燃料,而且污染环境；三是实时调节引风量和送风量,保持加热炉膛负压或微正压燃烧,保证工业运行的安全需要。本文主要针对第一方面展开研究。由于加热炉是一个具有大惯性、纯滞后、强祸合的非线性时变系统,很难建立其精确的数学模型,用传统的PID方法很难实现对温度的有效控制。而模糊神经网络作为一种智能控制方法,综合了模糊推理和神经网络二者的优点,它不需要被控对象的精确数学模型,只需要现场采集的有效数据对网络进行训练就能达到很到的控制效果。因此本文采用模糊神经网络的控制方法对加热炉温度进行控制。在对参数进行优化时,遗传算法前期全局搜索能力强,后期局部搜索能力差；BP算法受初始权值影响很大,前期全局搜索能力差,后期局部搜索时速度很快。因此本文结合遗传算法和BP算法的优缺点,取长补短,使用GA-BP方法对模糊神经网络的参数进行离线优化,然后使用BP算法对参数在线优化。最后在MATLAB环境下进行仿真,取得了很好的控制效果。首先通过对模糊神经网络方法和传统PID方法的控制效果对比,表明本文提出的方法在响应时间、超调、抗干扰等方面明显优于PID方法；然后将GA-BP优化算法和BP算法的优化效果进行对比分析,表明本文的优化方法要优于BP算法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的和意义
• 1.2 油田加热炉的发展
• 1.3 本文主要工作
• 第2章 油田加热炉工艺原理和控制方法
• 2.1 油田加热炉的基本结构和工作原理
• 2.1.1 基本结构
• 2.1.2 工作原理
• 2.2 特性分析与工作难点
• 2.2.1 特性分析
• 2.2.2 控制难点
• 2.2.3 控制方法
• 2.3 本章小结
• 第3章 加热炉模糊神经网络控制器设计
• 3.1 模糊控制
• 3.1.1 模糊控制概述
• 3.1.2 模糊控制器的设计
• 3.2 神经网络基本理论
• 3.2.1 人工神经网络概述
• 3.2.2 神经网络的学习方式
• 3.3 模糊推理与神经网络的结合
• 3.4 模糊神经网络
• 3.4.1 模糊神经网络概述
• 3.4.2 模糊神经网络的特点
• 3.4.3 模糊神经网络模型的选择
• 3.4.4 模糊神经网络的学习方法
• 3.5 模糊神经网络控制器的设计
• 3.6 本章小结
• 第4章 优化模糊神经网络的GA-BP算法设计
• 4.1 标准遗传算法
• 4.1.1 概述
• 4.1.2 遗传算法的特点
• 4.1.3 遗传算法的构成要素
• 4.1.4 遗传算法的一般设计步骤
• 4.2 GA-BP优化算法的设计
• 4.3 仿真研究
• 4.4 本章小结
• 第5章 加热炉温度控制仿真
• 5.1 仿真软件功能描述
• 5.2 加热炉燃烧控制系统的结构及数学模型
• 5.3 Simulink构造模糊神经网络控制模型
• 5.4 加热炉炉温控制系统仿真结果分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢