一种智能控制方法及其在温度控制系统中的应用
龙永红,何静 (株洲工学院电气工程系,湖南株洲 412008)
[摘要] 分析了一种基于神经网络的滑模系统,文中首先介绍了滑模控制理论,然后采用小波函数对神经网络参数进行训练,使之能对大滞后被控对象以及复杂工业过程也能进行有效控制。
关键词 滑模;小波;神经网络 中图分类号:TB486+.3 文献标识码:B 文章编号:1001-3563(2001)01-0039-03在实际工程中,对于设计一个控制系统,解决其非线性和不确定性一直是设计中的难点。
神经网络由于具有非线性映射能力以及学习和适应不确定性系统动态特性的能力,而受到人们的高度重视,但它存在着响应相对较慢和稳定性分析困难的缺点。滑模变结构可以控制为解决非线性系统的控制提供其新的思路,尤其对于模型不确定的复杂系统,它采用系统的分析方法来解决问题,使其具有快速性和较好的稳定性。然而,滑模控制在切换面上存在抖动,虽然许多文献对消除抖动提出了各种方案[1~3],但对于大滞后对象效果不太理想。为此,本文在滑模变结构控制基础上结合神经网络控制。即用滑模变结构将系统引导到切换面的边界层,然后用神经网络补偿边界层内的不确定性。理论分析和仿真结果均说明了该算法的优越性。
4 在热处理电炉中的应用 在包装工业生产中,温度控制往往是一个重要的环节。在热处理工艺中,对热处理温度实时控制的要求是所设计控制器具有良好的恒温特性和平稳的动态过程,但由于其建模困难及电阻炉系统的慢时变特性,使得设计要求难以达到。为获得较好控制效果,本文将基于小波神经网络的变结构滑模控制应用于热处理电炉温度控制。
由于热处理电炉的温度是一个典型的过阻尼过程,故可近似用下面一阶模型来近似
  以上实验结果表明,虽然对象参数发生一定幅度变化,但系统仍具有良好的动、静态性能,无抖动现象。
5 结 论 对滑模变结构控制与小波神经网络相结合形成的控制系统进行了研究,它们能集两者优点进一步改善控制性能,对大滞后和复杂工业对象具有较好的控制品质。
|
