改进神经网络解耦方法在真空退火炉中的应用研究

论文摘要

随着现代化工业的不断进步，对材料的热处理工艺要求越来越高，真空退火技术的出现大大提高了材料的热处理性能。然而真空退火系统是一个多变量、强耦合的时变系统，耦合会降低其控制系统的调节品质，严重时会使系统无法运行。为了消除这种耦合现象，需对多变量系统，实行解耦控制。传统的解耦控制方法很难满足这类系统的要求，而神经网络解耦控制具有明显的优势，因而将神经网络解耦控制方法引入真空退火系统具有重要意义。本文对真空退火系统进行了建模分析，通过两种方法建立了真空退火系统温控模型，并对模型的可靠性进行了仿真验证。利用所建模型分析了真空退火三温区温度的耦合性。此外，针对多输入多输出系统的解耦控制理论进行了综述和分析。本文对粒子群（PSO）、遗传算法（GA）及它们的混合算法进行了讨论，在此基础上提出一种基于改进PSO-GA混合优化算法的PID神经网络解耦控制方法，并利用Matlab进行了该解耦方法的性能仿真验证。结合真空退火系统，并通过仿真验证该方法的解耦性及解耦效果，还将这种解耦方法与PID神经网络和单纯的PSO算法的PID神经网络解耦控制方法进行了比较，结果表明，本文提出的新方法在解耦控制性上都得到了良好的控制效果。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 论文选题依据
• 1.2 真空退火温度控制系统的研究现状
• 1.3 解耦控制技术的研究现状
• 1.4 论文的研究内容
• 2 系统解耦控制的基本理论
• 2.1 系统解耦控制原理
• 2.2 几种基本的解耦设计方法
• 2.2.1 对角矩阵综合法
• 2.2.2 单位矩阵综合法
• 2.2.3 Nyquist 阵列法
• 2.3 系统的智能解耦控制技术
• 2.3.1 智能解耦技术概述
• 2.3.2 常见的神经网络解耦方案
• 2.4 本章小结
• 3 真空退火温控系统建模及其性能分析
• 3.1 内热式真空退火系统介绍
• 3.2 真空退火炉中热传导分析
• 3.3 真空退火炉温度模型的建立
• 3.3.1 利用模糊理论建立温度模型
• 3.3.2 利用预测函数法建立温度模型
• 3.4 真空退火炉三温区耦合性分析
• 3.4.1 相对放大系数分析法原理
• 3.4.2 真空退火温控系统耦合性分析
• 3.5 本章小结
• 4 PSO-GA 混合算法介绍及其性能仿真
• 4.1 PSO-GA 混合算法介绍
• 4.1.1 PSO 算法
• 4.1.2 GA 算法
• 4.1.3 PSO-GA 算法
• 4.2 PSO-GA 混合算法性能仿真
• 4.2.1 寻优性能测试
• 4.2.2 网络训练性能测试
• 4.3 本章小结
• 5 真空退火温控系统解耦控制器的设计与仿真
• 5.1 PID 神经网络控制原理
• 5.2 真空退火炉温度解耦控制方案
• 5.3 解耦控制参数选择
• 5.3.1 神经网络权值及阈值的编码表示
• 5.3.2 神经网络训练的参数选择
• 5.4 解耦控制仿真结果分析
• 5.4.1 解耦特性仿真
• 5.4.2 解耦控制效果仿真
• 5.5 本章小结
• 6 结论
• 参考文献
• 附录 部分程序清单
• 作者简历
• 学位论文数据集