论文部分内容阅读
PID类型的控制技术在现代过程控制中仍然占有主导地位,但是经典的PID控制是基于准确模型的,且要求系统特性变化与控制量之间是线性映射关系,对于参数变化、干扰众多的控制系统,难以获得满意的控制效果。神经网络PID控制是将神经网络应用于PID控制并与传统PID控制相结合而产生的一种改进型控制方法,是对传统的PID控制的一种改进和优化。但是基于传统算法的神经网络PID控制自身存在训练时间长、收敛速度慢以及局部极小等问题而限制了其在现代工业过程中的应用。因此,本文采用LM算法的神经网络,建立具有预测输出的辨识器,构建了具有预测模型的新型神经网络PID控制,此控制具有很强的逼近能力、收敛速度快且能够有效地避免局部极小值。在石灰石-石膏湿法烟气脱硫工艺中,吸收塔浆液PH值的测量和控制是影响脱硫率和终产物石膏品质的关键因素,脱硫反应方向很大程度上取决于吸收液的PH值。PH值越大,SO2的溶解度越大,越有利于SO2的吸收,然而,PH值的增大却不利于石灰石的溶解,且容易形成塔内结垢造成堵塞。因此对PH值的测量和控制具有十分重要的意义。本文针对PH值变化过程的高度非线性、时滞性以及各种不确定性,常规PID无法达到满意的控制效果,实际脱硫工程中经常采用手动控制的方式对其进行控制的现状,构建了具有预测模型的改进型神经网络PID控制对其进行控制。具体的研究内容包括以下几个方面:（1）深入某电厂生产现场,熟悉掌握了石灰石-石膏湿法烟气脱硫的工艺,并了解了当前生产现场控制中存在的主要问题。（2）根据某电厂的运行参数,并根据化学剂量平衡关系,在假设吸收塔内浆液具有均一的浓度和温度分布的前提下,建立了被控对象（PH值）与控制量（石灰石浆液供浆量）之间的关系模型。（3）针对目前普通PID控制算法存在的问题,采用了一种改进型的PID控制算法。并通过Matlab仿真,对所改进的PID算法进行了仿真试验,获得了较好的控制效果,但改进型PID控制算法还是存在超调量大、稳定时间长、振荡剧烈、适应性不强等缺点。（4）针对改进型的PID控制算法所存在的这些缺点,构建了一种带预测模型的改进型神经网络PID控制算法。首先采用传统BP算法对其进行学习,仿真结果表明传统BP算法不适合作为此控制系统的学习算法。其次利用LM算法对所建立的控制系统进行学习,通过Matlab仿真,将控制结果与改进型PID的控制结果相比较,结果表明所建立的基于LM算法的带预测模型的改进型神经网络PID控制算法在自适应性、抗干扰能力和控制品质等方面较改进型PID控制算法均有显著的提高。