基于BP神经网络的罩式炉炉温PID预测控制策略

摘要

目前罩式炉炉温控制系统大多采用常规PID控制，但是由于罩式炉炉温控制系统具有非线性、时变性、大延迟等特点，传统的PID在某些情况下难以达到理想的控制效果。而智能控制理论为解决这类问题提供了新的方法，成为目前提高生产过程控制质量的重要途径。神经网络作为现代信息处理技术的一种，正在越来越多的生产应用中展示它的优越性。神经网络控制是它在自动控制中的一个重要应用成果，而神经网络PID控制技术也在其中扮演了重要的角色，并将成为未来研究与应用的重要技术之一，这是因为PID类型的控制技术是工业生产中被普通使用的控制方法，如果能找到具有类似于PID易于使用的特点，而且性能优于PID的控制器，在理论和实践上都将具有很重要的意义。
　　 本文在查阅大量相关文献的基础上，结合某热连轧厂退火车间的生产实际，提出了采用基于BP 神经网络的PID预测控制策略对罩式炉炉温进行控制。本文主要做了以下工作：⑴深入某热连轧厂的罩式炉生产第一线，学习研究罩式炉的退火工艺。⑵深入系统地分析和研究了BP神经网络的结构和学习算法，得到了一种改进BP算法，并将该算法用在电网电压稳定性分析模型的建立，经过仿真研究得出该算法可以有效的提高网络训练的速度和精度。⑶针对罩式炉这一复杂、非线性系统，本文提出了基于BP 神经网络的PID预测控制方法对罩式炉炉温进行控制。首先采用BP神经网络建立罩式炉炉温的预测模型，并采用反馈校正，以克服系统中不确定扰动因素所造成的模型预测误差，得到比较精确的炉温预测值。然后采用BP神经网络对PID控制器的参数进行在线整定，通过对燃气流量的控制来实现罩式炉炉温的控制。⑷在MATLAB仿真平台上，对基于BP神经网络的PID预测控制策略进行了大量的仿真研究，仿真结果表明，该控制策略是可行的。