基于神经网络内模的电加热炉控制应用研究

论文摘要

温度控制是当今世界各国工业中面临的重要问题,加热炉温度控制过程是一个复杂的非线性的物理过程,传统的控制策略不能达到理想的控制效果,通过更先进的控制策略达到更好的温度控制效果已成为共识。近几年,从工业过程特点出发提出的内模控制方法对过程和环境的不确定性有较好的适应能力,所以本文针对电加热炉的特点,应用内模控制进行加热水温度的内模控制设计,但是温度对象动态特性具有滞后大、惯性大、干扰强和非线性等典型特点,难以建立精确数学模型。为了解决这一问题,本文采用了一种基于BP神经网络的加热炉温度系统内模控制的设计方法,并结合本院过控实验室的工控试验装置中电加热炉为对象来进行研究设计。首先,本文对加热炉系统做了分析,并确定了控制对象和策略。为建立加热炉温度控制系统模型,对神经网络算法进行研究,采用BP算法和内模控制策略相结合的新算法,并对此算法进行仿真,分析,验证此种算法应用与电加热炉的可行性。然后,结合电加热炉温度控制过程特点分析,将上述算法成功地应用于温度控制过程,建立了该系统的神经网络模型。该模型可用于温度控制过程状态变量的估算和预测。再后,本文根据BP神经网络具有参数线性化的结构特点设计了基于BP神经网络的非线性内模控制器,将该控制器应用到温度控制过程,以加热器驱动电流量为被控变量,进行仿真实验,并给出了硬件设计方案。最后,根据BP神经网络算法运算量大,算法复杂等特点,本文采用了数字信号处理器(DSP)做为硬件的控制器部分。本文通过对加热炉温度控制系统神经网络内模控制方法的研究,尝试了将神经网络智能控制技术引入加热炉温度控制领域。仿真实验表明,基于神经网络的内模控制系统具有很强的自学习性和自适应性以及良好的鲁棒性,对非线性的生化反应过程可实现准确控制,达到较好的效果。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 选题背景及意义
• 1.2 内模控制简介
• 1.2.1 内模控制的产生
• 1.2.2 内模控制的基本原理
• 1.2.3 内模控制的发展及研究现状
• 1.3 人工神经元网络简介
• 1.3.1 人工神经元网络的基本概念和特征
• 1.3.2 人工神经元网络的发展和研究现状
• 1.4 本文的主要研究内容
• 第2章 内模控制结构和神经网络算法
• 2.1 内模控制结构
• 2.1.1 内模控制原理
• 2.1.2 内模控制器设计
• 2.2 神经元网络结构
• 2.2.1 单神经元模型
• 2.2.2 激励函数主要形式
• 2.2.3 网络结构及工作方式
• 2.3 误差反向传播（BP）神经网络
• 2.3.1 反向传播学习算法原理
• 2.3.2 BP算法的数学描述
• 2.3.3 BP学习算法的计算步骤
• 2.3.4 BP算法人工神经元网络的结构问题
• 第3章 基于神经网络内模控制系统的辨识和仿真
• 3.1 基于神经网络的模型辨识
• 3.1.1 模型辨识的基本原理和辨识结构
• 3.1.2 动态系统辨识
• 3.2 基于神经网络的逆模型辨识
• 3.2.1 系统的可逆性
• 3.2.2 神经网络逆系统辨识方法
• 3.3 基于神经网络的内模控制
• 第4章 神经网络内模在电加热炉控制中的应用
• 4.1 实验装置简介
• 4.2 基于BP神经网络的温度控制过程建模
• 4.2.1 原始数据的收集与处理
• 4.2.2 建模和仿真及结果分析
• 4.3 基于BP神经网络的电加热炉内模控制方案
• 4.3.1 系统设计
• 4.3.2 温度控制系统正向模型的建立
• 4.3.3 温度控制系统内模控制器的建立
• 4.3.4 滤波器的设计
• 4.3.5 温度控制系统内模控制结果
• 4.3.6 内模控制系统鲁棒性及抑制干扰能力的研究
• 第5章 基于DSP的电加热炉内模控制硬件实现方
• 5.1 控制系统总体结构设计
• 5.2 电源模块设计
• 5.3 DSP处理器模块设计
• 5.3.1 TMS320C5402处理器介绍
• 5.3.2 TMS320VC5402的体系结构
• 5.4 TMS320VC5402为核心的最小系统的基本硬件设计
• 5.5 串口模块
• 5.6 人机接口电路设计
• 第6章 结论
• 致谢
• 参考文献
• 攻读学位期间的研究成果