基于RBF神经网络整定的热风炉温控系统设计

摘要：

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略.首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整.然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制.热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整.Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50％.与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值.

关键词：控制系统仿真技术、热风炉、温度控制、RBF神经网络、PID增量控制、常规PID控制

所属期刊栏目：40

分类号：TP278(自动化技术及设备)

资助基金：安徽省重点研究与开发计划资助项目1804a09020094;安徽省高校自然科学研究重点资助项目KJ2018A0054, KJ2018A0060

在线出版日期：2020-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：503-511