基于粒子群算法的燒結爐系統辨識及神經網絡控制

曹 奔， 袁忠于， 劉 洪

(蘭州交通大學 機電工程學院，甘肅 蘭州 730070)

基于粒子群算法的燒結爐系統辨識及神經網絡控制

曹 奔， 袁忠于， 劉 洪

(蘭州交通大學 機電工程學院，甘肅 蘭州 730070)

燒結爐在加熱過程中，模型參數易發生變化，而傳統的PID控制很難達到理想的控制效果.本文運用粒子群優化算法辨識燒結爐的數學模型，針對燒結爐慣性大、時變、大滯后等特點，采用基于RBF神經網絡的監督控制，將PID控制與神將網絡控制相結合.當溫度或模型參數發生較大變化時，PID控制起主要作用，神經網絡起調節作用，補償PID控制的不足.MATLAB軟件仿真結果說明，該方法能夠提高燒結爐的控制精度，具有一定的實用性.

粒子群算法；系統辨識；神經網絡監督控制；PID控制

0 引言

聚四氟乙烯(PTFE)被稱為“塑料王”，具有耐酸、耐堿、自潤滑性、易加工成型等優異性能，廣泛用于制作機械密封圈等部件[1].各種PTFE預成型品經燒結才能成為優良的制品，燒結過程就是將預成型品加熱至晶體熔點327 ℃以上，并在此溫度下保持一段時間，使聚合物分子由結晶形轉變為無定形[2].爐溫調節是燒結過程中的重要環節，制品的性能很大程度上取決于溫度控制的精度.

研究系統的動態特性實質是要建立對象的數學模型，用數學方法表示各參數之間的關系[3].系統建模方法有機理建模和實驗建模兩種，機理建模是根據基本的物理定律建立相應的數學模型.實驗建模分為階躍響應法、頻率法、相關分析法、最小二乘法等.階躍響應法試驗方法簡單，應用較廣，但不是所有的系統都允許加入階躍擾動，而且對擾動幅值也有限制；……