工業生產過程中，時滯對象普遍存在，同時也是較難控制的，尤其是大時滯對象的控制一直都是一個難題。而很多溫度控制系統都是屬于大時滯系統，常見的智能溫度控制器雖然在溫度控制的實際應用中表現了比較理想的控制效果，但它仍然屬于將參數整定與系統控制分開處理的離線整定方法，如果工況發生變化就必須重新調整參數。針對這一問題，為了實現時滯系統參數自整定的控制，本文將神經網路控制、模糊控制和PID控制結合起來，設計了基于神經網路的模糊自適應PID控制器。 首先，本論文分析了時滯系統的特點，討論了幾種時滯系統較為成熟的常規控制算法：微分先行控制算法、史密斯預估控制算法、大林控制算法，并深入研究了它們的控制性能；并且通過仿真對這三種控制方法在溫控系統中的控制性能進行了比較。 其次，在分析PID參數自整定傳統方法的基礎上，設計了一種改進方法，并設計了相應的控制器。該控制器綜合了模糊控制、神經網絡控制和PID控制各自的長處，既具備了模糊控制簡單有效的控制作用以及較強的邏輯推理功能，也具備了神經網絡的自適應、自學習的能力，同時也具備了傳統PID控制的廣泛適應性。該方法不需要離線整定參數，實現了在線自整定參數。仿真實驗表明了該控制器對模型和環境都具有較好的適應能力和較強的魯棒性。 最后將基于神經網路的模糊自適應PID控制器應用于貝加萊PID溫控裝置，能夠出色地實現參數的在線自整定。理論分析、系統仿真、實驗結果都證實了這種控制策略能有效地減少系統超調量，并減少了調節時間，提高了系統的實時性和控制精度。

點擊標簽查看更多相關資源：