小型電加熱反應器溫度的RBF神經網絡自整定PID控制

于蒙，鄒志云，趙丹丹，王志甄，蓋希杰

（防化研究院，北京102205）

小型電加熱反應器被廣泛應用于化工實驗，其準確的溫度控制對化工實驗的順利進行至關重要。一般選擇常規PID控制方法控溫，但常規PID控制在設定溫度下需要通過整定算法整定出合適的控制參數，電加熱反應過程滯后較大，整定過程耗時較長，如常采用的基于Ziegler－Nichols PID整定算法一般需耗時2～4h。由于其非線性和時變性，若換一個設定溫度或是在反應物容量、實驗環境等條件變化時，整定出的參數值就會不適合，就需要重新整定參數［1］。因此，一種能夠自整定參數的控制算法對這種小型電加熱反應器的溫度控制顯得十分重要。

神經網絡與PID控制相結合在控制領域一直是熱點，利用神經網絡來辨識非線性系統的模型，從而對PID的參數進行優化［2］。徑向基函數RBF（Radial Basis Function）神經網絡是一種具有單隱層的三層前饋神經網絡，它模擬了人腦神經網絡中局部調整、相互覆蓋接受域的特點，是一種局部逼近網絡［3］。很多文章論述了采用RBF神經網絡辨識非線性系統的模型從而自適應整定PID參數的方法，但大部分研究成果停留在仿真階段，通過選擇低階純滯后模型來驗證這種算法的有效性［4－8］。筆者則將基于RBF神經網絡的自適應PID算法應用于小型電加熱反應器的溫度控制實驗。在工控機上用組態軟件對小型電加熱反應器進行數據采集和過程監控，應用動態數據交換DDE（Dynamic Data Exchange）實現組態軟件與Matlab的實時數據通信；把組態軟件采集的實時數據送到Matlab中，用Matlab進行PID參數的自適應整定，實現小型電加熱反應器基于RBF神經網絡的自適應PID控制。……