基于模糊神经网络的加热炉温度控制方法研究

摘要

原油作为一种重要的物质资源，对国家经济发展有着至关重要的影响，考虑到我国原油的特点，含蜡高、凝固点高且粘度高，需要不断地给原油进行加热，防止在输送原油的过程中发生沉淀或凝固。而加热炉是这一过程中的主要设备之一，如何设计加热炉的控制系统，对提高系统自动化控制水平，提高系统控制效率和缩短系统控制时间有着非常重要的作用。
　　加热炉是一个非线性、强耦合、多变量以及多干扰的复杂控制系统，其主要包含三个控制方向:调整引风量与送风量，保证炉膛内压力，保证系统的安全运行;保证空燃比保持在最佳范围内，已达到较高的燃烧效率，保证系统控制过程的经济性;保证原油温度输出在正常范围内，保证原油的顺利输送。而这些要求利用传统的控制方法已不能满足，结合当代先进的控制方法，模糊神经网络结合了模糊控制及BP神经网络的优点，而模糊系统不仅不需要对控制系统建立较为精确的数学模型，而利用BP神经网络可以将实际输出与期望输出之间的误差反向传播，以此来修正系统的隶属度函数及权值，以更短的时间使系统输出达到稳定。本文介绍了模糊系统与BP神经网络的特点，以及两种控制方法的结合点及特点。考虑到单纯使用BP神经网络易陷入局部最小的问题，遗传算法的全局搜索功能恰巧能解决这一问题，用GA训练模糊神经网络可以避免陷入局部最小，所以选用GA-BP网络，即遗传算法与BP神经网络相结合对系统的初始数据进行离线优化。
　　最后利用MATLAB对模糊神经网络控制下的系统进行仿真，与传统的PID控制方法相对比，在多种角度分析该种控制方法下系统控制的优越性。

目录

摘要

第一章 前言

1．1 本文研究的意义

1．2 加热炉的发展进程及发展趋势

1．3 本篇论文的主要研究内容

第二章 加热炉控制原理及特性分析

2．1 加热炉的控制原理

2．2 加热炉的特性分析

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

第三章 加热炉模糊神经网络的设计

3．1 模糊控制相关知识

3．1．1 模糊控制概述

3．1．2 模糊控制系统结构

3．1．3 模糊控制器的设计

3．1．4 模糊控制的特点

3．2 BP神经网络相关知识

3．2．1 BP神经网络简介

3．2．2 激发函数

3．2．3 BP神经网络的模型

3．2．4 BP神经网络的学习方式

3．2．5 BP算法的学习过程

3．2．6 BP神经网络学习步骤

3．2．7 BP神经网络的特点

3．3 模糊神经网络

3．3．1 两种技术的结合点

3．3．2 模糊神经网络的特点

3．4 模糊神经网络控制器的设计

3．4．1 模糊神经网络模型的选择

3．4．2 模糊神经网络的学习算法

3．5 模糊神经网络控制器的设计

3．6 本章小结

第四章 基于遗传算法的模糊神经网络的改进

4．1 遗传算法的相关知识

4．1．1 遗传算法的概念

4．1．2 遗传算法的特点

4．1．3 常用几种算法的比较

4．1．4 遗传算法四大要素简介

4．1．5 遗传算法操作对模式的影响

4．1．6 遗传算法的设计步骤

4．2 GA-BP优化算法的设计

4．3 遗传算法优化仿真举例

4．4 本章小结

第五章 加热炉温度控制仿真

5．1 仿真软件概述

5．2 加热炉系统结构及模型

5．3 Simulink构造模糊神经网络控制模型

5．4 加热炉原油温度控制仿真结果分析

5．5 本章小结

总结与展望

参考文献

致谢

攻读学位期间发表的学术论文和参加科研情况说明

声明