基于优化策略的神经网络PID控制器的设计及其在冷连轧AGC中的应用

摘要

随着现代化技术的迅速发展，对板带钢的品种、规格、质量和产量的要求日益增高。因此，研究钢材的轧制过程，提高产品质量和档次，增加国产钢材的竞争力，适应和促进国民经济的发展和要求，具有非常重大的意义。 PID控制具有结构简单，容易实现，控制效果好何鲁棒性强等特点，并且PID算法原理简单，参数物理意义明确，理论分析体系完整，为广大控制工程师所熟悉。至今仍有90％以上的控制回路采用PID结构或其改进型。但是随着工业的发展，对象的复杂程度不断加深，尤其对于大滞后、时变的、非线性的复杂系统，常规PID控制的缺陷逐渐暴露出来。因此常规PID控制的应用受到很大的限制和挑战。人们在对PID应用的同时，也对其进行了各种改进。主要体现在两个方面：一是对常规PID本身结构的改进，即变结构PID控制。另一方面，神网络控制，模糊控制和专家控制等是目前智能控制中最为活跃的领域，它与常规PID控制相结合，扬长避短，发挥各自的优势，成为智能PID控制。这种新型控制器已引具有不依赖系统精确数学模型的特点，对系统参数变化具有较好的鲁棒性。其主要方法有：模糊PID控制算法，基于神经网络的PID控制算法，自适应PID预测智能控制算法等多种控制算法。 (1)课题的提出及意义：介绍了冷连轧的重要性及现状，PID控制的发展现状，智能PID控制器的研究现状，提出了本课题的研究内容。 (2)对常规PID控制与神经网络控制的比较研究：了解常规PID控制器三种校正环节及其主要参数的作用；然后介绍了常规PID控制器参数的整定原理及其常用整定方法，如凑式样法、Z-参数整定法、衰减曲线法及ISTE最优设定法等，并逐一对各种方法进行了深入研究。 (3)神经网络PID控制器的设计与研究：PID控制要取得较好的控制效果，就必须通过调整好比例、积分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系，这种关系不一定是简单的“线性组合”，从变化无穷的非线性组合中可以找出最佳的关系。神经网络所具有的任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制，采用BP网络，可以建立参数Kp、Ki、Kd自学习的PID控制器。并将神经网络控制策略与传统PID控制策略有机结合，进行了神经网络PID控制器的结构分析。 (4)基于遗传算法的神经网络PID控制算法的研究：BP神经网络容易陷入局部最优化，而遗传算法是一种全局寻优的搜索算法，但是收敛速度较慢。有机结合BP的快速收敛和GA的全局寻优，能以较快速度得到较理想的结果。两者结合加快了网络的训练速度，提高了输出的精度。现将GA与BP神经网络结合成一种GA-BP混合算法，并应用到实际的冷连轧机控制系统中，仿真实验证明了该控制器具有较好的控制效果。 (5)总结与展望：本论文仅仅对智能PID在冷连轧生产过程中的应用进行了一些研究和探讨，仍处于仿真阶段。面对轧制过程复杂的现场情况及考虑这一课题的难度，还仍有很多值得探讨和更深入研究的问题。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第一章课题的提出及其实现的意义

第二章常规PID结构及理论分析

第三章神经网络PID控制器的设计与研究

第四章基于遗传算法的神经网络PID控制

第五章总结与展望

致谢

参考文献

攻读学位期间发表论文及攻读学位期间参与的科研项目