1、摘 要I本科毕业论文（20 届）基于 RBF 神经网络的加热炉温度控制系统设计所在学院 专业班级 自动化 学生姓名 学号 指导教师 职称 完成日期 年 月 摘 要II摘 要加热炉是冶金企业最主要的耗能设备，其自动控制策略是过程控制领域内的一个重要研究方向。利用自动控制系统确保加热质量，节约加热炉的能耗，确保燃烧系统的最佳燃烧延长加热炉的寿命以及降低环境的污染一直是该领域要致力解决的问题。而随着科技的进步和对控制品质要求的提高，常规 PID 控制的缺陷越来越凸显出来，考虑到基于 RBF 神经网络的 PID 控制能够对复杂的非线性，时变性系统进行很好的控制，以及常规 PID 控制器在鲁棒性以及抗干
2、扰能力的不足，本文提出了一种基于 RBF 神经网络的整定的 PID 控制器来控制加热炉温度控制系统，RBF 神经网络整定的 PID 控制器由两部分组成 RBF 神经网络和传统的PID 控制器。传统的 PID 控制器对加热炉进行闭环控制，RBF 神经网络利用加热炉的实际输出与期望输出的偏差用过梯度下降法在线调整 PID 控制器的参数，使得系统的控制效果达到最优.。在理论上基于 RBF 神经网络的整定的 PID 控制器，有更好的鲁棒性和抗干扰能力，使系统的运行更加平稳。同时，通过MATLAB 仿真结果表明，利用基于 RBF 神经网络的 PID 控制器相对于常规 PID控制器有响应速度快、控制精度高
3、，抗干扰能力强等优点。关键词：蒸汽加热炉，RBF 神经网络，PID 控制器，MATLABAbstractIIIAbstractThe furnace is the main energy-consuming equipment of the metallurgical enterprises, its automatic control strategy is an important research direction within the field of process control.With the improvement of technology and quality con
4、trol requirements, The traditional PID controller deficiencies are apparent increasingly. This paper presents a PID controller based on the RBF to control the furnace。Considering that the PID controller based on RBF neural network do well in the control for systems which are complex nonlinear and ti
5、me-varing. The PID controller based on the RBF neural network consists of two parts, which are the RBF neural network and PID controller. The traditional PID controller is an closed loop controller for the steam heating furnace ，RBF neural network using the real output of heating furnace and the dev
6、iation of the expected output to adjust the parameters online by gradient descent method .In theory, the adjustment of PID controller based on RBF Neural network has a better anti-interference robustness and capabilities, which can also make the system run more smoothly. Meanwhile, through MATLAB si
7、mulation results show that this system has response speed, high precision control, anti-interference ability。KEY WORDS: Steam heating furnace，RBF Neural network，PID controller，MATLAB目 录IV目 录摘要.Abstract(英文摘要 ). . . .目录.第一章 绪论.11.1 蒸汽加热炉简介. 11.2 加热炉控制技术的研究发展状况.11.3神经网络的发展极其原理.21.3.1 神经网络的发展历程.21.3.2 神
8、经网原理. 3第二章 蒸汽加热炉的数字控制方案.52.1 基本理理.52.2 电压电流转换电路.62.3 A/D 转换器 D/A 转换器与单片机的选择.72.4 流量阀的选择.9第三章 神经网络 PID 控制原理.103.1 RBF 神经网络.103.2 RBF神经网络的工作原理.103.2.1 网络输出计算.113.2.2 网络的学习方法.123.3 高斯基函数的参数对RBF神经网络的影响.133.4 PID控制原理.13目 录V3.4.1 PID参数调整算法.14第四章 RBF神经网络整定的PID 控制器仿真.154.1 RBF 神经网络 PID 整定原理.15 4.2 基于 RBF 神经
9、网络的加热炉温度控制系统仿真.174.2.1 加热炉数学模型的近似.174.2.2 仿真研究.194.3 仿真结论.27结 论.28参 考 文 献.29致 谢.30第一章 绪 论- 1 -第一章 绪 论1.1 蒸汽加热炉简介蒸汽加热炉是指利用燃气燃烧加热的蒸汽锅炉。立式蒸汽锅炉采用燃烧机下置方式，两回程结构，燃料燃烧充分，锅炉运行稳定而且占用空间少，同时烟管内插有扰流片，减缓排烟速度，增加换热量，锅炉热效率高，降低用户使用费用；卧式蒸汽锅炉为锅壳式全湿背顺流三回程烟火管结构，火焰在燃烧室内微正压燃烧，完全伸展，燃烧热负荷低，燃烧热效率高，有效地降低了排烟温度，节能降耗，使用更经济，采用波形炉胆
10、和螺纹烟管结构，即提高了锅炉的吸热强度，又满足了换热面受热膨胀的需要，科学合理，经久耐用。不同的蒸气加热炉具有不同的结构功能特点，但根据加热炉燃料的差异，可以将蒸汽炉分为天然气蒸汽加热炉、城市煤气蒸汽加热炉、焦炉煤气蒸汽加热炉、液化石油气蒸汽加热炉等；而按照蒸汽加热炉的结构形式的差异，可以将加热炉分为立式蒸汽加热炉和卧式蒸汽加热炉等。1.2 加热炉控制技术的研究发展现状加热炉是现代冶金行业最重要的加热装置，也是最主要的能耗设备，因此尽可能的提高加热炉的燃料利用率，降低能耗是国内外控制领域的一个重要课题。现在在国际冶金行业流行的加热炉，它们的燃料主要有焦炉、天然气、高炉混合煤气等，也有部分轧钢厂
11、将重油作为燃料。计算机在现代加热炉控制中起着举足轻重的作用，它可以通过计算找到合理的最佳燃空比，使燃烧长时间处于良好的状态之中，提高燃烧质量，同时也节约了能源，降低了氧化损耗。20 世纪 60 年代以前，部分大型工业加热炉它们既配备有，炉温、炉压等监测仪表也配备有炉温、炉压等 PID 调节器，因此可以实现对单个参数的制动调节。随着计算机和可编程控制器的出现和迅速发展，二十世纪末期加热炉的效率，精度较之老式加热炉都有了长足的进步，其中应用最为广泛的是单片机控制的加热炉和 PLC 控制的加热炉。它们与传统的 PID 控制相结合，由单片机或 PLC 原件控制功率控制元件进而达到控制加热炉温度的目的，
12、这些类型的加第一章 绪 论- 2 -热炉往往结构简单，价格不高，因此在市场上取得了较大的成功，但它们并没有重根本上克服 PID 控制的一些缺陷。因为加热炉具有大延迟、大滞后、非线性、时变性等特点，难以建立精确的数学模型。传统的 PID 控制单元只对非时变系统具有良好的控制效果，当被控对象的模型参数随时间不断变化时，PID的控制效果就会难以满足要求。但随着先进控制技术的发展人们逐渐见目光转移到神经网络控制、模糊控制、专家控制等这些具有人工智能色彩的控制领域而来。或单独使用智能控制，或将智能控制与 PID 控制相结合，加热炉的控制技术取得了极大的进步。这不仅提高了产品的质量而且大大降低了能耗，节约
13、了资源，对我国乃至世界的低碳环保事业的发展做出了较大贡献。在这里我们采用基于神经网络的 PID 控制器来改进传统的控制以便对加热炉进行更加精确有效地控制。 1.3神经网络的发展极其原理1.3.1 神经网络的发展历程神经网络的发展主要经过，启蒙期，低潮期，复兴期，新联结机制时期，四个时期。1.启蒙期（19801969 年）1.1943 年心理学家S McCulloch 和数学家 WPitts 首次提出了 MP模型，它是一种描述神经元动作的数学模型。心理学家 Hebb 于 1949 年第一次提出了对脑细胞之间相互影响的数学描述，Hebb 学习发则，这一法则至今对神经网络的发展有着重要影响。1962
14、 年，Widrow 和 Hoff 提出网络学习的方法学习法则，并用电路对其进行里模拟设计。2.低潮期（19691982 年）神经网络的发展在这一时期陷入了低潮，这主要是受当时研究理论水平的限制，冯诺依曼式计算机发展的冲击更加剧了神经网络发展的阻力。但神经网络并没有从学术领域彻底消失，日本和美国仍有少数学者继续着神经网络的研究发展。1972 年 Kohonen 提出了自组织映射的 SOM 模型，为神经网络的发展做出了贡献。第一章 绪 论- 3 -3.复兴期（19821986 年）随着神经网络理论水平的不断发展进步，神经网络逐渐走向了复兴。1984年物理学家 Hoppield 根据以自己名字命名的
15、神经网络模型成功的解决了旅行商路径优化问题，这一成果使得神经网络的发展取得了突破性的进展。Rumelhart 与 McCelland 与 1986 年提出了著名的多层神经网络模型，这一模型已经成为了至今为止应用最为广泛的一种神经网络模型。4.新联结机制时期（1986 年至今）在这一时期神经网络逐渐走向了应用领域，尤其是神经网络芯片与计算机的出现使得神经网络在模式识别，预测管理，控制优化，图像处理，控制优化，通信等应用领域取得了成功。这使得神经网络逐步走向成熟与辉煌。.神经网络原理人工神经网络（又称神经网络，Neural Network） ，它是从人脑的生理学和心理学着手而建立的一种数学模型，具
16、有通过模拟人脑思维方式来实现机器的部分智能行为的功能。人工神经网络从结构与功能上对人脑神经元进行模拟和简化，具有自学习，自适应，自调节的功能，体现了人脑功能的的若干基本特征。20 世纪 80 年代以来，人工神经网络已经取得了一系列突破性的进展，并与控制理论相结合形成了神经网络控制这一控制领域重要的分支。 ，未解决复杂的非线性、时变性、不确定的系统提供了一种新的思路与方法。人工神经网络根据连接方式的不同可分为前向神经网络、反馈网络、自组织网络。神经网络作为一种运算模型，是由大量的节点（或称神经元）和它们之间的连接构成的。每个节点都代表一种特定的输出函数，我们通常称这种输出函数为激励函数（acti
17、vation function） 。在人工神经网络中起网络记忆功能的是权重，权重即每两个节点之间的连接。网络的输出则和网络的连接方式，权重值和激励函数有关。而网络本身就是对自然界某种算法或者函数的逼近。神经网络即通过权值的不断调整以达到学习、训练进而对系统进行控制的目的。神经元的示意图如 图 1-1第一章 绪 论- 4 -X1 w1 X2 w2 X n-1 w n-1 X n wnSUMf图 1-1 神经网元示意图第二章 蒸汽加热炉的数字控制方案- 5 -第二章 蒸汽加热炉的数字控制方案2.1 基本原理在实际的工程中，加热炉等控制对象的控制算法一般都要在计算机或 DSP中实现，因此我们必须将连
18、续的信号进行采样离散化，并且转化成数字信号以便被计算机等控制设备识别控制。实际上这种数字控制就是用电子计算机取代传统的常规仪表中的调节器，用计算机控制系统。这种工作方式的优点是易于实现常规系统与计算机系统的切换，但是它也有诸如设备较多、系统结构复杂、成本较高等一些列的缺点。蒸汽加热炉数字控制框图如图 2-1图 2-1 加热炉数字控制系统结构这是一个闭环控制系统，温度传感器从加热炉中采集的温度信号，经放大器放大后传送到 A/D 转换器，A/D 转换器将接受的电信号转换成数字信号，然后将数字信号送往单片机中，然后经单片机处理后送往计算机里的神经网络控制器，从计算机里出来的数字信号经 D/A 转换器转换变成 0-5V 的电压信号，电压信号经电压电流转换电路的转换后变为 4-20mA 的电流信号。电流信号即可直接控制蒸汽阀门的开闭，进而控制加热炉的温度。2.2 电压电流转换电路加热炉温度传感器A/D 转换器 单片机放大器 计算机D/A 转换器U/I 转换电路
