基于神经网的复合控制算法研究——哈尔滨理工大学学士学位论文.docVIP

哈尔滨工业大学工学硕士学位论文 哈尔滨理工大学学士学位论文 - PAGE II - - PAGE II - 基于神经网络的复合控制算法研究 摘要 本文从实际出发，以加热炉为研究对象，对受随机因素干扰的、具有大惯性、纯滞后的非线性分布参量的随机过程进行了研究。文中着重研究了神经网络、模糊理论和PID控制的融合方式及其可行性，介绍了一种复合式控制方案——神经网络模糊PID控制算法，并将此算法与PID控制进行了仿真比较。结果表明，在超调量、稳态误差和抗干扰性等方面，此算法都优于传统的PID控制。 加热炉的温度控制属于典型的过程控制，因此我们首先想到的控制方案就是采用传统的比例积分微分（PID）调节器进行控制。根据被控对象的不同，适当地调整PID参数，可以获得比较满意的控制效果。然而，由于PID算法只是在系统模型参数为非时变的情况下，才能获得理想的效果。当一个调整好参数的PID控制器被应用到模型参数时变系统时，系统性能会变差。因此这种控制作用无法从根本上解决动态品质和稳态精度的矛盾。 本文所介绍的基于神经网络的复合控制算法，具有实时性强、抗干扰性好、控制精度高的优点，可应用于实际工业过程。在模糊控制中，模糊推理相当于对一种输入输出关系的映射，输入为前提，输出经非模糊化后即为推理的结果输出。利用神经网络的任意函数映射功能，就可以实现模糊推理，实现PID参数在线调整。综上可见，神经网络模糊