[發明專利]一種電加熱爐溫度的非線性神經網絡優化PID控制方法

在審

• 申請號: 201710415088.7
• 申請日: 2017-06-05
• 公開（公告）號: CN107045289A
• 公開（公告）日: 2017-08-15
• 發明（設計）人: 張日東;房濤
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 杭州奧創知識產權代理有限公司33272
• 代理人: 王佳健

技術領域

本發明屬于自動化技術領域，涉及一種電加熱爐溫度的非線性神經網絡優化PID控制方法。

背景技術

PID控制策略由于具有算法簡單、穩定性好、可靠性高等優點，已經被廣泛應用于各類工業過程之中，但傳統的參數整定完全依賴于被控對象，而現代工業過程機理比較復雜，模型難以確定，所以利用常規的PID控制以及參數整定方法，很難滿足系統的控制要求。

考慮到神經網絡作為一門交叉學科，并且對復雜的非線性關系可以充分逼近，具有學習和適應不確定系統的動態特性、容錯性等特點，所以本發明考慮利用RBF神經網絡對電加熱爐控制系統建立預測模型，并通過RBF神經網絡對PID控制器進行參數整定。

發明內容

本發明針對現有技術的不足，提供了一種電加熱爐溫度的非線性神經網絡優化PID控制方法。

本發明根據電加熱爐控制系統的歷史的輸入、輸出信息對RBF神經網絡進行離線訓練，獲得神經網絡的相關參數，將訓練好的神經網絡作為系統的預測模型；另外，將RBF神經網絡與PID控制器結合，利用RBF神經網絡對PID控制器參數進行在線自整定。

在使用前先將RBF神經網絡離線學習，并以一定精度逼近具有非線性特性的電加熱爐控制系統，使用時將電加熱爐控制系統歷史輸入和輸出數據，作用于訓練好的RBF神經網絡，得到預測輸出值；另外，根據參考輸入和預測模型輸出值求得輸入誤差，實現閉環控制，通過RBF神經網絡求取廣義非線性PID控制器的參數，從而求得控制增量，實現對電加熱爐控制系統的溫度控制。

本發明方法的步驟包括：

步驟1、RBF神經網絡的訓練，具體是：

1.1首先采集電加熱爐控制系統的輸入輸出數據，利用該數據對RBF神經網絡進行訓練。系統的性能指標函數J_RBF為：

其中，y(k)、y_p(k)分別表示k時刻電加熱爐控制系統的實際輸出值和預測模型預測輸出值。

1.2根據梯度下降法對RBF神經網絡的參數進行調整。

k時刻的RBF神經網絡輸出權值變化量Δw_j(k)為:

Δw_j(k)＝η(y(k)-y_p(k))h_j

其中，η為學習速率，h_j表示隱層節點。

k時刻的RBF神經網絡輸出權值w_j(k)調整為：

w_j(k)＝w_j(k-1)+Δw_j(k)+α(w_j(k-1)-w_j(k-2))

其中，α為動量因子，w_j(k-1)、w_j(k-2)分別表示k-1、k-2時刻RBF神經網絡的輸出權值。

k時刻的RBF神經網絡節點基寬變化量Δb_j(k)為：

其中，p表示RBF神經網絡輸入向量，b_j(k-1)、c_ji(k-1)分別表示k-1時刻RBF神經網絡節點基寬和節點中心。

k時刻的RBF神經網絡節點基寬b_j(k)調整為：

b_j(k)＝b_j(k-1)+Δb_j(k)+α(b_j(k-1)-b_j(k-2))

其中，b_j(k-1)、b_j(k-2)分別表示k-1、k-2時刻RBF神經網絡的節點基寬。

k時刻的RBF神經網絡節點中心變化量Δc_ji(k)：

k時刻的RBF神經網絡節點中心c_ji(k)調整為：

c_ji(k)＝c_ji(k-1)+Δc_ji(k)+α(c_ji(k-1)-c_ji(k-2))

其中，c_ji(k-2)表示k-2時刻RBF神經網絡的節點中心。

1.3根據1.1和1.2，Jacobian陣(即為對象的輸出對控制輸入變化的靈敏度信息)算法為：