球磨机对象控制中模糊径向基函数神经网络PID控制探析.docVIP

球磨机对象控制中模糊径向基函数神经网络的PID控制分析 　　摘 要： 结合球磨机制粉系统的特点，提出球磨机对象控制中模糊径向基函数神经网络PID控制算法，结合混合优化算法，在混沌粒子群优化的同时实现粗线调，并应用BP算法做好在线细调，进而得到PID控制的最佳参数。通过Matla对算法进行仿真，结果表明，系统不仅有效解决了球磨机复杂对象的控制问题，同时也实现了算法的快速收敛，并有较快的跟踪速度以及较小的超调，解耦较好，适应性较强 关键词： 模糊径向基函数； 神经网络； 球磨机； PID控制 中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2015）24?0056?03 PID control analysis of fuzzy radial basis function neural network in ball mill object control ZHU Lijuan （College of New Energy and Electronic Engineering， Yancheng Teachers University， Yancheng 224002， China） Abstract： On the basis of the characteristics of ball mill pulverizing system， the PID control algorithm of fuzzy radial basis function neural network is proposed in this paper， in which the hybrid optimization algorithm is combined to realize the chaos particle swarm optimization and coarse tunning， and the optimal parameters of PID controller are obtained by using BP algorithm. The Matlab simulation results show that the system has the advantages of fast tracking speed， small overshoot and strong adaptability， it not only can effectively solve the problem of the ball mill complex object， but also achieve the fast convergence of the algorithm. Keywords： fuzzy radial basis function； neural network； ball mill； PID control 0 引 言 现阶段，在火电厂的规模化发展中，更加注重球磨机辅助设备的安全高效运行。球磨机作为一个复杂的对象，不仅具有非线性和大惯性的特点，同时也具有多变量和强耦合的特点。对于球磨机的控制，主要是采用PID解耦控制方法。该方法具有较好的鲁棒性，以及明确的参数物理意义。但是在实际的应用过程，同样也有着不良的参数整定，工况适应性相对而言比较差。在精确模型线性的一种系统控制过程中，结合球磨机的控制效果，使用手动操作的控制模式，往往有着相对较差的习惯运行区，以至于火电厂有着相对较大的用电消耗和较差的经济效益 随着控制理论的成熟性发展，PID控制往往与先进性的控制相结合，并在相对复杂对象中应用；尤其是模糊的PID控制，结合Fuzzy非线性推理能力的自动调整过程，使PID参数得到有效性调整。在神经网络PID控制过程，主要是保证PID和神经网络的直接结合，并对PID参数进行调整。在NN自学习能力的控制中，常伴有局部最小值以及发散现象。球磨机控制适应性的提高，既要保证快速性，又要有准确性的特点。在模糊RBN NN整定的一种PID控制技术应用中，球磨机复杂对象的基础控制，将收敛速度不断加快，使最优解控制参数值得到更好接近 1 模糊径向基函数神经网络的PID控制 1.1 系统结构 模糊径向基函数神经网络的PID控制过程如图1所示 图1 模糊径向基函数神经网络的PID控制 控制系统在实际的控制过程中，设定系统k时刻的输入值以及输出值，在误差的计算中，做好误差变化率的分析。模糊径向基函数神经网络中PID控制器相关参数的计算，其中[ec（k）]表示误差变化率，[e（k）]表示计算误差，[rin（k）]表示设定值，[y