论文部分内容阅读
由于工业生产中被控对象往往是彼此关联的多输入多输出系统,因此耦合是工业生产中常见的一种现象。为了获得满意的控制效果,通常要对多变量系统实施解耦控制。目前传统解耦控制算法和自适应解耦控制算法的理论研究比较成熟,并在工业生产现场得到了一定程度的应用,但这两类方法由于各自的一些缺点,从而限制了其在工业现场的广泛应用。神经网络解耦控制的理论研究较为深入,但神经网络解耦控制的应用尚不成熟,神经网络解耦控制的应用落后于理论的问题有待解决。现场总线技术的出现导致了传统控制系统结构的变革,也使得神经网络解耦控制在现场的应用成为可能。因此,本文在对传统解耦控制算法及神经网络解耦控制算法进行研究的同时,也在探索将理论研究应用于先进的控制系统中的方法,为神经网络解耦控制应用于工业生产提供有益的实践经验。据统计,在目前使用神经网络控制的应用中,90%采用的是BP网络或者是其变化形式。BP神经网络是前向型网络的核心部分,具有广泛的适应性和有效性。本文在对传统的对角矩阵解耦控制算法研究的基础上,对神经网络解耦控制算法进行了深入的研究,基于BP神经网络解耦的建立了一种PID神经网络的多变量解耦控制器。冷热水混合系统是基于THFCS-1型现场总线过程控制平台所设计的经典过程控制系统,其中的温度与液位之间具有强耦合、大惯性特性。本文针对系统装置,首先建立了数学模型,之后利用西门子S7-300 PLC的硬件和软件设备,设计了解耦控制系统和监控系统,基于对对角阵解耦控制算法和PID神经网络解耦控制算法深入了解,使两种解耦在设备上实现。研究结果表明:本文提出的PID神经网络控制算法可以对冷热水混合系统进行有效的解耦控制,并且比对角阵解耦有着更好的性能,具有一定的应用价值。