基于数据驱动的钕铁硼氢粉碎优化控制系统研究

摘要

烧结钕铁硼磁体的生产过程要求工序多，属于复杂流程工业生产系统。其中，通常作为钕铁硼铸块破碎手段的氢爆碎工序非常重要，因为经过氢爆碎的钕铁硼合金粉碎程度和氢含量对钕铁硼磁体的磁性能有直接影响。由于复杂系统无法准确的建立模型而使传统控制方法难以对其进行理想的控制，而无模型自适应控制是一种不依赖于被控系统数学模型的控制方法，它只利用系统的输入输出数据设计控制器，并且具有算法简单、可调参数少、控制性能好等优点。本课题在深入分析钕铁硼吸氢原理和工艺的基础上，采用无模型自适应控制方法设计钕铁硼氢粉碎控制系统，并通过实验验证了该方法的可行性。主要研究工作如下：
　　深入研究了无模型自适应控制方法的背景、基本原理、无模型自适应控制律、特征参量辨识方法以及无模型自适应控制的性能。通过仿真实验，将无模型自适应控制与传统PID控制方法在跟踪性、时滞适应性、适应性等方面进行了对比，得出了有应用价值的数据对比曲线。同时，针对无模型自适应控制器参数需人工调整这一缺点，提出基于遗传算法优化的无模型自适应控制（GA-MFAC），并以三容水箱液位控制为背景，进行了仿真实验，结果表明与无模型自适应控制方法相比，GA-MFAC控制器收敛速度更快，响应时间更短，超调量更小。
　　建立了基于SOM和RBF混合神经网络的氢含量预测模型，并采用从工业现场采集的数据进行仿真试验，结果表明该模型能实时、准确的预测钕铁硼氢爆碎过程中合金的氢含量，从而为无模型自适应控制提供控制依据。
　　以钕铁硼氢粉碎过程为控制对象，构建并设计基于遗传优化算法的无模型自适应控制系统，完成了系统硬件和软件设计，并且系统试验运行良好，为氢粉碎过程控制提供了一种全新的方法。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景与意义

1.2 相关领域的研究现状

1.3 主要研究内容及创新点

1.4 论文的结构安排

2 钕铁硼氢粉碎工艺及工艺控制方案

2.1 氢粉碎工艺分析

2.2 影响钕铁硼合金吸氢与脱氢的主要因数

2.3 基于无模型自适应控制的钕铁硼氢粉碎控制系统

2.4 本章小结

3 无模型自适应控制

3.1 基本概念

3.2 无模型控制方法

3.3 无模型自适应控制器设计

3.4 无模型自适应控制性能分析

3.5 本章小结

4 基于遗传算法的无模型自适应控制

4.1 遗传算法

4.2 遗传算法的无模型自适应控制

4.3 非线性、滞后、耦合控制系统仿真

4.4 本章小结

5 SO M和RBF网络的钕铁硼氢含量预测

5.1 SOM和RBF网络软测量模型的建立

5.2 基于SOM和RBF网络的钕铁硼合金氢含量软测量模型的建立

5.3 模型效果分析

5.4 本章小结

6 无模型自适应控制的钕铁硼氢粉碎过程优化控制系统

6.1 钕铁硼氢粉碎监控系统的组成

6.2 硬件设备的选型

6.3 控制系统软件的设计

6.4 系统运行结果分析

6.5 本章小结

总结

参考文献

在学研究成果

致谢