神經網絡PID控制器的設計及其在氣墊式流漿箱控制中的仿真研究.pdf

1、現代復雜工業(yè)生產過程中，受控對象之間的耦合問題是普遍存在的一種現象。與無耦合的受控對象相比，自動控制系統(tǒng)的設計難度更大。在一個多變量的控制系統(tǒng)中，因為系統(tǒng)中存在耦合，輸入與輸出之間相互關聯，互相影響，采用SISO系統(tǒng)的設計方法往往不能取得預期的控制效果，甚至會得到一個不穩(wěn)定的系統(tǒng)。因此研究MIMO系統(tǒng)的解耦控制策略，并把它們用于過程控制，對于提高生產效益和保障安全運行都具有很重要的現實意義。 傳統(tǒng)的解耦控制理論必須建立在精確的數

2、學模型基礎之上，且控制系統(tǒng)應具有足夠的線性度。近年來，人們較多采用模糊控制、專家控制等智能控制方法來取代經典PID控制方法，在一些方面達到了比較好的控制效果。神經網絡具有強的非線性映射能力、自學習能力、聯想記憶能力、并行信息處理方式及優(yōu)良的容錯性能，應用神經網絡對PID控制器進行改進后，對于工業(yè)控制中的復雜系統(tǒng)控制有著更好的控制效果，有效的改善了由于系統(tǒng)結構和參數變化導致的控制效果。 文中詳細介紹了基于神經網絡的若干學習方法、常

3、規(guī)PID控制器的應用及常規(guī)解耦控制系統(tǒng)的應用，深入研究了基于神經網絡的神經元PID控制器、RBF算法神經網絡PID控制器。提出了基于神經網絡PID的兩變量系統(tǒng)解耦控制方案：神經元PID解耦方案。利用MATLAB語言，以氣墊式流漿箱為控制對象，分析其工作原理，建立數學模型，分別以傳統(tǒng)解耦方法和神經元PID解耦方法設計控制系統(tǒng)，方便而快速地實現了的計算機仿真。通過仿真結果比較表明：傳統(tǒng)解耦方法是建立在確定精確數學模型的基礎上，當運行工況改變