基于模糊神经网络的连续退火炉温度控制系统研究

连续退火炉作为轧钢企业连续退火生产线上的主要设备之一，直接影响冷轧带钢的质量、产量和成本。研究连续退火炉温度控制系统在提高生产率、改善产品质量和节约能源方面有着举足轻重的意义。鉴于连续退火炉温度控制是一个复杂而且难以控制的工业过程，采用常规的PID控制策略已经很难取得很好的控制效果，研究一种性能良好的控制策略无疑有着实际的意义。

本文从实际出发，以本钢连续退火生产线的退火炉为研究背景，重点消化研究了现场连续退火炉温度控制系统，对系统中包含的炉温控制回路、煤气流量控制回路和空气流量控制回路的设计进行了详细分析，并对系统中采用的双交叉限幅控制策略进行了深入的研究。最后通过现场炉温系统的运行效果进行分析评价，基于PID控制的炉温系统在稳定生产过程中运行效果良好，但是在升温过程中，系统滞后性严重，炉温波动较大。

鉴于退火炉内工况复杂，难以用精确的数学模型来描述它，论文基于BP神经网络辨识退火炉炉温系统的动态模型。通过分析影响退火炉炉温的各种参量，得到系统的主要输入参量为煤气流量和空气流量；然后在大量现场数据的基础上，基于BP神经网络进行炉温模型的辨识，并进行了仿真研究，结果表明基于BP神经网络的退火炉炉温模型辨识效果良好。

以基于神经网络辨识的退火炉炉温模型为被控对象，论文设计基于模糊神经网络的连续退火炉温度控制系统。针对炉温对象的特性，系统设计一种新型的模糊神经网络控制器，它具有清晰的网络结构，并能完成在线学习修正网络的权值。通过现场采集的样本数据对模糊神经网络控制系统进行离线训练，使控制器具有良好的初始参数，得到一个基本反映系统要求的网络，为在线应用打下基础。最后，在MATLAB环境下进行了仿真研究，结果表明：基于模糊神经网络的炉温控制系统与基于PID的炉温控制系统相比，对炉温变化的跟踪性能较好，超调量小，调节时间较短，而且鲁棒性较强。

为了验证模糊神经网络控制器性能的优劣，针对第三章神经网络辨识得到的退火炉炉温模型，在MATLAB语言环境下与PID控制器作如下两个方面的仿真比较研究：一是输入幅值为900ºC的阶跃信号，比较PID控制和模糊神经网络控制下的炉温系统响应曲线；二是在系统稳定后加60ºC的扰动信号，比较PID控制和模糊神经网络控制下的炉温系统抗干扰响应曲线。

1. 输入幅值为900ºC的阶跃信号
2. 

图 4.6  PID控制下系统的阶跃响应曲线

Fig.4.6 The step response curve of the system using PID controller

    图4. 7 基于模糊神经网络的控制系统的阶跃响应曲线

Fig.4.7 The step response curve of the system using FNNC

通过图4.6和图4.7的比较可以看出，常规 PID 控制下系统的滞后时间长，响应慢，超调较大，调节时间长，这是由于比例、积分和微分三个时间常数相互制约，无法达到最优组合而造成的；基于模糊神经网络的炉温控制系统则克服了上面的缺点，不但响应快，超调量很小，调节时间短，而且使被控对象的滞后时间减少了20s。

1. 在系统稳定后加一个幅值为60ºC的扰动信号。
2. 

图 4.8 PID控制下系统的抗干扰响应曲线

Fig.4.8 The response curve of the system in anti-reference using PID controller

图 4.9基于模糊神经网络的控制系统抗干扰响应曲线

Fig.4.9 The response curve of the control system in anti-reference using FNNC

由图4.9和图4.10分析得出，在系统稳定后，加入幅值为60ºC的干扰信号，PID 控制下炉温系统的响应曲线波动较大，调节时间较长；而基于模糊神经网络的控制系统的响应曲线波动较小，系统调节时间也较短。这表明模糊神经网络控制器比PID控制器的抗干扰性能好，鲁棒性强。

经过仿真比较研究得出如下结论：

经过调整好参数的PID控制算法在被控对象不发生变化时各种性能指标均较好，这说明了PID控制是一种较好的控制方法，但在实际生产现场由于各种干扰因素较多，PID参数一旦设定好之后，不再进行实时调整，在对象受到干扰时，系统性能指标变化较大，PID控制作用下的调节时间较长，稳定性和抗干扰性不强。而且PID控制器的跟踪性能欠佳，难以解决退火炉滞后性严重的问题。

本文针对退火炉温度控制系统所设计的模糊神经网络自学习控制器，综合了模糊控制和神经网络的优点，对退火炉这类非线性、大滞后、模型不确定的被控对象，经过样本数据的离线训练后投入在线控制，能够很快得到合适的网络权值，并且随着系统的变化不断地进行自学习，能快速跟踪炉温系统的变化，减弱了被控对象滞后对系统的影响，系统跟踪性能得到很大改善。在系统受到干扰后，能快速做出响应，系统调节时间短，超调小，抑制干扰能力强，有效地提高了控制系统的稳定性，较好的解决了被控对象受干扰因素较多的问题，能够取得良好的控制效果。