论文部分内容阅读
在大多数多输入多输出控制系统中往往存在有一定程度的耦合作用，一个输入信号变化会使多个输出量发生变化，每个输出也不只受到一个输入的影响，这就增加了控制的复杂程度。对多输入多输出系统进行控制就是要使系统的每个被控变量只按其给定值变化，使其不受或少受其它给定值的影响，并且具备较好的动态和静态性能，即实现解耦控制。传统解耦控制器可以在一定程度上实现解耦控制，但还有很多不足之处。而人工神经网络恰好可以弥补传统解耦方法的缺陷，它的可训练性和结构的通用性，使其具有自适应能力，满足解耦要求，可构成基于神经网络的解耦，并得到越来越多的应用。
本文就是围绕造纸过程中对气垫式流浆箱的解耦控制问题而展开的。本文所做的主要工作和成果包括以下几个方面：
1.对流浆箱进行了概述。简要介绍了流浆箱的作用和发展过程，指出在我国目前应用较广泛的气垫式流浆箱是一个具有严重耦合的时变、非线性多变量系统，从而提出了对其进行解耦控制的必要性。
2.介绍了神经网络的基础知识。首先简述了神经网络的发展过程和其应用及研究方向，然后结合本论文的研究，重点介绍了BP网络，并对其结构和误差反向传播算法进行了详细的阐述。
3.对基于PID型神经网络的自适应控制进行了介绍。先是简述了自适应控制方面的一些基础知识，然后对自适应PID控制方法进行了简单的原理介绍。最后介绍了PID型神经网络控制器。
4.对多变量系统的神经网络PID解耦控制器进行了分析和研究。首先简介了传统解耦方法及其不足之处，引出了基于神经网络的解耦和控制问题。在对基于神经网络的四种解耦控制方案进行介绍以后，提出本论文采用方案是神经网络和控制器相结合的方式。然后重点分析了该PID神经网络对强耦合系统的解耦控制问题，包括解耦控制系统的结构和其学习算法分析。最后指出该种PID神经元网络可以完成系统的解耦控制工作，使强耦合系统具有良好的动态和静态性能。
5.对气垫式流浆箱进行了系统分析。先是采用实验法和机理法相结合的方法得到了广义气垫式流浆箱的数学模型一传递函数，可知该系统是强耦合系统，要采取必要的解耦措施。最后对气垫式流浆箱系统的几种控制方案进行了分析和选择。
6.将PID型神经网络应用于气垫式流浆箱系统中，对其进行总压和浆位的解耦控制。详细阐述了该解耦控制系统的系统结构和计算方法。最后，利用MATLAB对本文提出的控制方案进行仿真，仿真结果不仅表明该控制方案是切实可行的，而且取得了良好的控制效果，系统具有超调量小，抗干扰能力强等优点。
总之，本文的研究为气垫式流浆箱的控制提供了一种思路，通过仿真证实了该设计方案的可行性和有效性，具有一定的应用参考价值。