大滯后系統的溫度控制方案

黃晨 歐小雨 紀倩文 陳君寬 郁劍

摘 ? 要：溫度控制在冶金、電子、機械等工業領域的應用相當廣泛，其對生產過程和產品質量有重大影響。但由于溫度控制系統通常具有非線性、時變、大滯后等特性，而傳統的PID（比例、積分、微分）控制參數在整個控制過程中是固定的，這就使得其在較復雜的溫度控制系統中作用效果較差。文章提出一種基于BP神經網絡的PID控制方法，該方法先通過BP神經網絡得到一組基于ITAE指標下最優化的PID控制參數作為初始值，然后對該組PID參數進行在線調整，以達到在不同的情況下都能起到較好的溫度控制效果的目的。通過比較采用不同控制器下的仿真實驗，結果表明基于BP神經網絡的PID控制方法更具有效性和優勢。

關鍵詞：溫度控制;BP神經網絡;PID控制;大滯后

隨著我國科技的飛速發展，工業生產對溫度控制的要求也不斷提高。在工業控制過程中，由于純滯后的存在，使得被控對象不能及時響應系統的輸入或者擾動。為了克服大滯后的影響，現已有不少溫度控制方案，如Simth預估控制，比例、積分、微分（Proportion-Integral-Differential，PID）控制、模糊控制、神經網絡等，但現有的溫度控制方法取得的效果并不是很理想：Simth預估控制雖能減弱純滯后因素的影響，但其對擾動的抑制能力較差;傳統PID控制對擁有大滯后、時變等特性的復雜溫度控制系統的作用效果較差;模糊控制適應學習能力較弱，比較依賴人的經驗。本文以電阻爐為溫控對象，結合PID控制與神經網絡，通過Matlab仿真研究，提出了一種基于誤差反向傳播算法（Back Propagation Neural Network，BP）神經網絡的PID控制方法，該法對模型參數變化有較好的適應性，且能達到較優的控制效果，能滿足工業溫度控制的要求。

1 ? ?溫控對象數學模型

4 ? ?結語

溫度控制是一種具有非線性、時變、大滯后特性的系統，傳統的PID控制方法不能使系統達到很好的動態性能。本文提出的基于BP神經網絡的PID控制法先通過BP神經網絡的擬合作用得到能夠根據時間常數T和純滯后時間τ的不同，而給出該情況下較優的PID控制參數初始值的BP神經網絡模塊。通過該BP神經網絡模塊得到初始值后再對PID參數進行在線調整，以達到較好的控制效果。從仿真結果可以看出基于BP神經網絡的PID控制法可以得到較理想的控制效果，系統基本無超調，調節時間短，且具有較好的抗干擾性和魯棒性，完全可以達到大滯后系統的溫度控制要求。

[參考文獻]

[1]李強.大滯后溫度系統的控制方法研究[D].成都：西南交通大學，2009.

[2]韓力群.人工神經網絡理論、設計及應用[M].2版.北京：化學工業出版社，2007.

[3]何芝強.PID控制器參數整定方法及其應用研究[D].杭州：浙江大學，2005.

[4]李蓮，賈棟，張曉.基于BP神經網絡PID在地鐵車站溫度控制中的研究[J].天津理工大學學報，2018（5）：9-13.

[5]姜增如.自動控制理論創新實驗案例教程[M].北京：機械工業出版社，2015.

[6]趙衛華.基于神經網絡參數優化的PID控制研究[D].太原：中北大學，2008.

[7]林輝，常繼彬.基于PID控制的溫度大滯后系統算法研究[J].甘肅科學學報，2011（1）：118-121.