智能控制在拉丝机拉力系统中的研究与应用

摘要

智能控制技术在解决现代复杂被控对象的控制上比传统控制技术有明显的优越性，而基于神经网络的控制由于其所特有的并行处理、自适应、自组织和自学习能力，在自动控制领域中有广泛的应用前景，其中常规PID控制具有算法简单，可以改善系统的动态特性和稳态特性的优点，因而被广泛的应用于拉力控制系统中。但是在拉丝机进行卷取拉力控制时，由于卷取中卷径的变化以及其它的一些不可检测的因素的影响，相应的带来了系统参数的变化，传统PID控制器的参数往往是针对一种情况进行整定，因此很难保持拉力的恒定。针对这种情况，本文设计出一种模糊神经网络自适应PID控制器，根据卷取拉力控制中的实时变化，利用模糊神经网络控制器对PID控制器的参数进行在线自调整，使其能够适应被控制过程中对象的变化，从而实现恒拉力卷取控制。 本文较为详细地阐述了模糊神经网络控制原理。模糊神经网络控制系统主要由模糊控制系统和神经网络控制系统两者结合起来，取长补短，将神经网络的学习能力引用到模糊控制系统中去，充分利用其自组织、自学习能力，实现模糊规则的自寻优及隶属函数的自调整，从而克服神经网络结构难以确定以及模糊控制无自学习能力的缺点，能适应一些对控制要求较高的系统。 该系统在实验室仿真成功，系统工作稳定，操作方便，能够获得满意的性能指标，具有较好的快速跟随性，且稳态精度高，调节时间有了明显改善，提高了系统的抗干扰能力，全面的改善了系统的动态性能。经过一段时间的实际应用，效果良好，明显取得了比常规PID控制器在拉力控制中更好的控制特性。

目录

文摘

英文文摘

声明

第一章概述

1.1拉力控制简介

1.2拉力控制的发展历史

1.3拉力控制器的改进设计

1.4本文所作的工作

第二章拉丝机拉力控制原理

2.1拉丝机的控制系统简介

2.2拉力控制模型

2.3拉力控制原理

2.4控制系统的组成

2.5 原系统控制策略分析

2.6本章小结

第三章模糊控制原理

3.1模糊理论相关知识

3.1.1 模糊集的概念及运算

3.1.2隶属度函数

3.2模糊控制的基本思想

3.3模糊控制系统的组成及基本原理

3.4模糊控制器的基本设计方法

3.4.1模糊控制器变量的选择

3.4.2模糊控制规则的设计

3.4.3精确量的模糊化

3.4.4模糊推理及模糊量的精确化

3.5本章小结

第四章神经网络理论

4.1神经网络控制的基本思想

4.2神经网络学习算法

4.3基于神经网络的智能控制

4.4本章小结

第五章模糊神经网络原理

5.1模糊神经网络简介

5.2模糊系统模型

5.3模糊神经网络模型(FLNC)

5.4模糊神经网络自学习算法

5.5本章小结

第六章模糊神经网络自适应PID控制器在拉力控制中的应用

6.1模糊神经网络自适应PID控制器的设计

6.1.1模糊神经自适应PID控制器的结构

6.1.2模糊神经网络控制器的设计

6.1.3控制规则的建立

6.1.4模糊神经网络结构

6.2控制系统的构成

6.3自学习环节

6.4系统实现

6.5系统设计过程中控制器参数的确定

6.6本章小结

第七章总结

参考文献

致谢

攻读硕士学位期间发表的论文