基于粒子群算法的烧结炉系统辨识及神经网络控制

曹 奔， 袁忠于， 刘 洪

(兰州交通大学 机电工程学院，甘肃 兰州 730070)

基于粒子群算法的烧结炉系统辨识及神经网络控制

曹 奔， 袁忠于， 刘 洪

(兰州交通大学 机电工程学院，甘肃 兰州 730070)

烧结炉在加热过程中，模型参数易发生变化，而传统的PID控制很难达到理想的控制效果.本文运用粒子群优化算法辨识烧结炉的数学模型，针对烧结炉惯性大、时变、大滞后等特点，采用基于RBF神经网络的监督控制，将PID控制与神将网络控制相结合.当温度或模型参数发生较大变化时，PID控制起主要作用，神经网络起调节作用，补偿PID控制的不足.MATLAB软件仿真结果说明，该方法能够提高烧结炉的控制精度，具有一定的实用性.

粒子群算法；系统辨识；神经网络监督控制；PID控制

0 引言

聚四氟乙烯(PTFE)被称为“塑料王”，具有耐酸、耐碱、自润滑性、易加工成型等优异性能，广泛用于制作机械密封圈等部件[1].各种PTFE预成型品经烧结才能成为优良的制品，烧结过程就是将预成型品加热至晶体熔点327 ℃以上，并在此温度下保持一段时间，使聚合物分子由结晶形转变为无定形[2].炉温调节是烧结过程中的重要环节，制品的性能很大程度上取决于温度控制的精度.

研究系统的动态特性实质是要建立对象的数学模型，用数学方法表示各参数之间的关系[3].系统建模方法有机理建模和实验建模两种，机理建模是根据基本的物理定律建立相应的数学模型.实验建模分为阶跃响应法、频率法、相关分析法、最小二乘法等.阶跃响应法试验方法简单，应用较广，但不是所有的系统都允许加入阶跃扰动，而且对扰动幅值也有限制；……