基于NARX-PSO-PID的绝缘厚度控制系统优化策略*

周克良,张宇龙,邹争明

(江西理工大学 电气工程与自动化学院,江西 赣州 341000)

0 引 言

线材绝缘护套挤出成型是线径控制系统的关键生产工艺。绝缘护套壁厚的精确控制是决定导线直径的关键技术[1]。电线挤出过程中,由于牵引设备和挤出机内的冷却系统(确保绝缘材料在挤出成型的温度范围)和所施加的牵引力及其变化模式从挤出机模具孔径不等于实际的外径的电线和塑料制品。

在工业控制领域中,对于绝缘电缆厚度控制[2～6]最经典的方法就是比例—积分—微分(proportional-integral-diffe-rential,PID)控制,但该方法的控制性能依赖于被控模型的精度以及PID的参数。首先对于PID三个参数的设置就是一个难点,另外控制过程中PID参数不能实时变化,导致控制器缺乏适应性。其次,对于绝缘电缆这种强滞后系统,只能通过挤出行程以及挤出速度来计算滞后时间,因此导致系统的响应速度慢,超调量大。因此部分学者开始考虑引用智能算法与优化算法对电缆控制系统进行优化,提高控制精度及适应性。

文献[7～10]在一定程度上改善了传统PID算法在多干扰、大时滞复杂非线性系统控制精度不足的缺点,但在响应时间、稳态误差性能指标上仍然有待提升。

近些年来随着机器学习、人工智能的高速发展,机器学习的应用领域普及到了各个领域。由于本文研究的电缆绝缘厚度的控制具有一定的滞后时间,本文采用对时间序列模型的函数逼近具有高精度,高效率的NARX神经网络(nonlinear auto-regressive neural network)建立电缆线径的数学模型,对传递函数进行整定,建立一个高精度的离散化传递函数,再通过PID控制器对该系统进行控制。……