开题报告张森.docVIP

纯滞后高温炉控制品质优化的仿真研究 开题报告 1、课题的目的及意义 电阻炉是工业生产中常用的一种电加热设备，在完成加热功能的同时要求具有一定的炉温稳定性，目前国内电阻炉温度控制系统主要以PID控制为主，而传统PID控制普遍应用于已经建立精确数学模型的确定控制对象，具有良好的控制效果，电阻炉温度系统具有非线性、大惯性、大滞后等特点，往往在实际运行过程中，由于环境温度变化、开关炉门、热传递效应等，会引起模型参数的变化，难以建立精确数学模型，因而PID控制效果不够理想。随着智能控制理论的发展，模糊控制、神经网络等算法的引入，成为提高控制质量的一条重要途径。 1.1电阻炉温度控制系统 A/D转换及SPI串口的热电偶模数转换器，将转换后的数字信号送入单片机处理。根据要求进行显示或报警等。同时单片机还要计算输入数据与预设值之间的偏差，根据设定的控制算法计算出控制量，控制电阻炉加热功率达到温度控制的目的。键盘和显示电路是人机交互模块，可以进行系统状态的设置和显示 1.2控制1.2.1传统PID控制 PID 控制是比例积分微分控制（Proportional-Integral-Differential），是历史最久、应用最广，适应性最强的控制方式，在工业生产过程中，PID控制算法占85%～90%。 但是,PID 控制要求被控系统模型结构非常精确,而在实际的应用中,大多数工业过程不同程度的存在着非线性、参数时变性和模型不确定性,这时常规PID控制就显得无能为力,往往整定不良、性能欠佳,对运行工况的适应性差。 电阻炉的温度上升与下降具有惯性, 因此想要达到精度较高的温控效果不是一件容易的事。在实验室中，当炉体的几何尺寸比较大的时候，系统的纯滞后时间或者控制对象的时间常数就相对很大，如果沿用传统PID控制规律去控制这样的高温实验炉系统，其控制品质不良，超调时间长，超调量和余差大。 1.2.2神经网络 人工神经网络是以工程技术手段来模拟人脑神经元网络的结构与特征的系统。 人工神经元是对生物神经元的一种模拟与简化。它是神经网络的基本处理单元。如图1所示为一种简化的人工神经元结构。它是一个多输入、单输出的非线性元件。 在 PID 控制中要想取得理想的控制效果，就必须协调好比例、积分、微分三种控制作用，这种协调不是简单的对每种控制作用进行“线性组合”，而是使它们形成一种既互相配合又相互制约的复杂关系。基于神经网络的 PID 参数整定方法就是利用神经网络可进行任意非线性表达的能力，通过对神经网络加权系数和阈值的不断修正，在线优化比例、积分、微分三个参数，使系统的控制性能始终最优。 图1 1.2.3模糊算法 模糊控制是用模糊数学的知识模仿人脑的思维方式，对模糊现象进行识别和判决，给出精确的控制量，对被控对象进行控制。首先根据操作人员手动控制的经验，总结出一套完整的控制规则，再根据系统当前的运行状态，经过模糊推理、模糊判决等运算，求出控制量，实现对被控对象的控制。 模糊 PID 控制是运用模糊控制的基本理论和方法，以系统误差 e 和误差变化率 ec 为输入，比例、积分、微分三个参数为输出，根据模糊规则进行模糊推理，实现 PID 参数的实时优化；在控制偏差较大时，也可直接对被控对象进行模糊控制。模糊 PID 控制具有鲁棒性强，动态性能好，可用于非线性系统等优点。但模糊 PID 控制需要对控制过程和控制规律有全面的先验知识，并将其提炼为模糊规则。此外，为了消除静差，提高系统稳态性能，通常需要加入一个积分环节进行改进。 1.2.4遗传算法 PID 参数整定问题的实质是多参量的组合优化，遗传算法作为一种具备全局优化能力的随机算法，正是解决这类问题的有效手段。遗传算法是基于自然选择学说和遗传学机理的随机搜索方法，模拟了自然选择、繁殖、遗传和变异等生物学原理。遗传算法无需任何先验知识，只通过适应度函数决定寻优方向，且适应度函数不受连续可微的约束，这一特点使遗传算法具有广阔的应用空间，尤其在复杂非线性系统的应用。此外，遗传算法还是一种并行搜索算法，这提高了算法的搜索效率。但是遗传算法存在容易陷入局部最优的问题，往往需要融合其他机制或算法加以改进。 2、课题任务、主要研究内容、实现途径 2.1课题任务 本课题以高温粘度计为研究对象， 2.2主要研究内容 ①测量和分析大滞后高温炉系统的对象特征； ②选择一种合理的智能控制算法，并针对性地在计算机上同相关软件作仿真优化； ③在条件允许的情况下，让优化后的控制器去控制实际的大滞后高温炉体系统，作对比试验。 2.3实现途径 首先分析高温粘度计曲线，分析其，然后上通过的工具有针对性设计一套控制算法并进行模拟升温实验，分析并进行改进升级以达到良好控制效果。 设计（论文）工作内容 时间（起止周数） 1 查阅相关中外文文献，了