基于优化神经网络的工业系统控制研究.pdf

第29卷第4期增刊 仪 器 仪 表 学 报 V01．29No．4 兰塑!堡兰旦 堡垒i璺竺丝!竺婴皇!Q!墨垒塑坐堕!堕墅堡呈坐 垒堕兰塑苎 基于优化神经网络的工业系统控制 陈晓东 俞承芳 李旦 (复旦大学电子工程系上海200433) 摘要本文针对纺织工业系统中倍捻机的控制需求，设计了一个基于RBF优化的BP神经网络PID控制算法。首先利用RBF网络 对被控对象进行在线辨识，然后通过BP神经网络调整PID控制参数进行控制。结果表明，对倍捻机这类时变、非线性的工业 控制对象，该算法控制效果良好，具有一定的应用价值。 关键词倍捻机神经网络 优化 IndustrialControlBasedonthe NeuralNetwork System Optimized Chen Yu Li Dan XiaodongChengfang 200433 (DepartmentofElectronicEngineering,FudanUniversity China) Shanghai AbstractTothecontrol ofthe intextile BPneuralnetwork requirementtwistingsystem industry,ali optimized PIDcontrol is useRBFnetworkto the onlineandBPnetworkto the algorithmdesigned．We identifyobject adjust PIDcontrol showthatthecontrol is results effectiveforthe andnonlinear parameters．The algorithm time-varing wellasithas valuefor ication． object,as practical appl twisterneuralnetwork Keywords optimization 1引言 对于工业系统中具有非线性、时变不确定性的 被控对象，传统的PID控制方法由于参数不易整定， 或者由于被控对象特性变化导致参数整定不好，难 以满足实际需求。神经网络凶其具有任意非线性函 数逼近及自学习的能力，在控制领域中得到了广泛 的应用。但是常规的神经网络PID算法通常用符号 函数来近似被控对象，难以达到对被控对象的最优 控制。 本文将RBF神经网络与BP神经网络相结合，利 用RBF网络对被控对象进行在线辨识后，再由BP网 络调整PID控制参数进行控制。该方法克服了常规 图1倍捻机系统框图 神经网络PID算法的缺点，实现了对被控对象的最 丰控制器根据人机界面设定的卷绕电机速度， 优控制。 以485总线通过变频器控制卷绕电机的运转。卷绕