基于粒子群优化算法的神经网络微波加热系统辨识和控制

摘要

随着我国工业的迅速发展，对能源的需求越来越大，同时造成的环境污染也越来越严重，对此，“节能减排”已经成为我国经济发展战略的重要组成部分。传统的加热技术在加热过程中的热损耗大，而且还会排放大量的污染物气体，这显然不符合社会发展的节奏。而微波加热技术的出现即将改变这一形势，它以其效率高、无污染等特点受到各个领域广泛的应用。本文将系统的介绍微波加热技术，并重点研究了微波加热系统辨识和实时控制。主要研究内容分为三部分展开：
　　①微波加热机理分析和微波应用：与传统的加热方式对比，研究了微波加热的原理和特点，对微波加热的机理有了更深层次的认识。介绍了微波能的国内外研究现状和微波能的应用。分析了微波能应用过程出现的温度不易控制问题，进而提出了本论文的研究内容。
　　②微波加热过程中，被加热介质的参数，即，比热容Cp(T)、热导率?(T)、密度?(T)、磁导率?(T)、介电系数?(T)和电导率?(T)均会随着温度的变化而发生变化，另外，微波加热物料的体积大小、物料形状、物料的位置以及微波装备各组成部分的设计以及几何属性等等都会影响微波加热。微波加热控制系统是高度非线性、实时性系统，目前还没有一个确切的数学模型能正确的描述系统的动态特性。为此，本文提出了粒子群优化的神经网络微波系统辨识。首先，介绍了BP神经网络训练过程，深入研究了BP算法及其不足，针对BP算法的不足，提出了利用智能的粒子群优化神经网络的权值和阈值。然后介绍了粒子群算法优化的基本思想，重点分析了粒子群算法的各个参数对优化的作用，并对粒子群按照粒子的优、中、劣进行分类，不同种类的粒子按照不同的方式迭代，进而又确立了对整个粒子群是否早熟的评价指标，根据其指标对惯性参数做了改进。最后说明了改进粒子群优化神经网络权值和阈值的流程，仿真表明训练好的神经网络能很好的吻合微波加热系统。
　　③目前微波加热控制问题是微波加热技术的一个核心问题。在微波加热过程中，对被加热物料实时的温度控制，使其能跟踪预先设定的温度曲线，这对微波波加热系统来说是一个难题。由于微波加热系统是非线性、实时性等因素，没有一个确切的数学模型能正确的描述系统的动态特性，目前对微波加热系统的控制也都是传统的控制方法，根据经验值间断的控制输出功率，这对于精确的控制要求很难做到。本文在系统辨识的基础上，设计了APSO控制器，智能的控制微波加热系统的输入功率，使其温度输出与实际温度输出的误差减小。与PID控制器、BP神经网络控制器相比，实验表明，将辨识模型的输出与实际模型的误差反馈给控制器，将误差作为粒子群算法的适应度函数，根据此适应度函数的值不断调整网络的权值和阈值，输出控制量功率，使其输出温度能更好跟踪预设的温度曲线，达到满意的效果。

目录

封面

中文摘要

英文摘要

目录

1 绪论

1.1微波加热技术简介

1.2 微波能的研究现状及其应用

1.3课题研究的背景和意义

1.4微波加热温度控制研究现状

1.5本文的主要研究内容和章节安排

2 神经网络和智能粒子群优化算法

2.1人工神经网络

2.2 BP神经网络

2.3 基本粒子群算法原理

2.4 标准粒子群优化算法

2.5 自适应粒子群优化算法

2.6 本章小结

3 微波加热系统的神经网络辨识

3.1系统辨识

3.2 神经网络系统辨识

3.3基于神经网络的微波加热系统

3.4基于自适应粒子群的神经网络微波加热系统辨识

3.5 本章小结

4 微波加热系统控制器设计和仿真

4.1微波加热设备介绍

4.2控制器设计

4.3 实验

4.4 本章小结

5总结和展望

5.1 总结

5.2 展望

致谢

参考文献

附录:A. 作者在攻读学位期间参与的科研项目