智能控制在中厚板控制冷卻中的應用

摘 要：本文深入研究了神經網絡與模糊控制，再結合優化算法，將其應用到中厚板控制冷卻系統中，進行模型辨識與參數估計，并對終冷溫度進行控制，仿真結果表明了智能控制在中厚板控制冷卻中應用的可行性。

關鍵詞：中厚板；智能控制；神經網絡；模糊控制

由于中厚板層流冷卻控制系統本身所具有的多變量、強耦合、大滯后以及非線性時變等特點，對于這樣的控制問題，智能控制是一種解決途徑，于是，研究人員把目光轉向了智能控制。智能控制的主要特點是不依賴被控對象的精確模型，根據事實和數據來實現優化控制。智能控制這種特性使得那些缺乏精確模型的復雜控制問題變得簡單了，因此，將智能控制方法應用于中厚板控制冷卻中成為了研究的熱點和方向，同時研究也表明這種方法很有潛力。

1 智能控制技術

智能控制是控制科學發展的高級階段，是一門新興的交叉前沿學科。智能控制把人工智能融入了控制理論，改變控制策略以適應被動對象模型的復雜性和不確定性，不完全依賴系統模型實現控制。智能控制在諸多領域擁有極為廣泛的應用前景。

2 常用的神經網絡

從連接方式上看，神經網絡主要分為兩種，即前饋型神經網絡（BP網絡、徑向基函數網絡等）和反饋型神經網絡（Hopfield網絡等）。神經網絡應用于控制領域初期，BP神經網絡以它獨有的算法和優點很快便成為了學者們研究應用的重點。但BP神經網絡同時也存在訓練速度慢、易陷入局部極值等缺陷，因此，近年來，越來越多的研究人員開始對模糊神經網絡、RBF神經網絡、小腦模型神經網絡（CMAC）等神經網絡進行研究，并積極應用于實際中。

模糊神經網絡綜合了神經網絡和模糊推理的優點，既可以利用已有專家經驗知識進行模糊推理，又擁有自學習、自適應的能力，同時可以通過不斷的學習來調整已有的控制規則。模糊神經網絡的出現為控制領域再添了一個優秀的工具。

BP神經網絡算法及改進

BP神經網絡（Back Propagation Neural Network）是一種單向傳播的多層前饋神經網絡，每個神經元用一個節點表示，整個網絡通常由輸入層、隱含層、輸出層節點組成，如圖所示。

BP神經網絡算法主要由兩個傳播過程組成，即正向傳播過程和反向傳播 過程。網絡首先由輸入層經過隱層向輸出層進行正向傳播，計算出相應的網絡權值和閾值，如果輸出層的輸出達到期望，則學習算法終止；如果輸出存在誤差，則由輸出層開始將誤差傳向輸入層，即反向傳播誤差，并調整網絡各層的權值和閾值，使得輸出誤差減小。

3 模糊控制系統及原理

模糊控制系統是一種自動控制系統，同時也是一種智能控制系統。它是以模糊數學、模糊邏輯推理和模糊語言為基礎，采用計算機控制技術構成的閉環結構控制系統。模糊邏輯控制系統主要由模糊化過程、知識庫、推理決策和精確化計算組成。

4 結束語

本文采用模糊控制建立模型對冷卻區冷卻段開啟數進行調整，模糊控制作為一種智能控制，模仿人的思維，運用專家或熟練操作工的經驗，對許多沒有復雜且精確模型的問題給出了較為理想的控制方案，并得到了良好的控制效果。因此，采用模糊控制方法來解決這一復雜的問題，從而實現對冷卻區冷卻段數的調整是可行的。通過仿真對比，理論上，在中厚板控制冷卻系統中，模糊控制方法的控制精度高于傳統PID控制方法的控制精度，模糊控制的效果更為理想。

因此，采用模糊控制方法對中厚板終冷溫度進行控制，方法適合，調整后控制效果良好，實測終冷溫度控制在誤差允許的范圍內，提高了終冷溫度的控制精度。

本文設計了一套較完善的控制規則，通過這些模仿人思維的控制規則，模糊控制器便可以由這些復雜的輸入量得出相應的控制輸出量，而這個實際的 控制輸出量就是水冷區冷卻段數的調整量。通過冷卻段數的調整，預設定冷卻段數與調整量疊加后，得到了最終動態調節的水冷區冷卻段數，從而達到 了控制終冷溫度的目的。

模糊控制系統輸出控制量（即冷卻段數調整量）和調整后的水冷區冷卻 段開啟數仿真曲線如圖1-1所示。圖中，上半部為模糊控制器輸出控制量曲線，下半部為調整后的冷卻段數。

分析最終控制效果，如圖1-1所示，加入模糊控制器之后q

的冷卻系統，終冷溫度目標值與實際值的誤差基本控制在±30℃以內，絕大多數點能控制到±20℃以內，比例高達90%以上，誤差率控制在±3%以內。而傳統的PID控制方法，由圖4.7可以看出，終冷溫度控制的誤差范圍在±40℃左右，誤差百分率在6%以內，誤差較大。通過仿真對比，可以得出以下結論，理論上，在中厚板控制冷卻系統中，模糊控制方法的控制精度高于傳統 PID控制方法的控制精度，模糊控制的效果更為理想。

[參考文獻]

[1]魏士政，等.中厚板控制冷卻技術[J].鋼鐵研究學報，2002（5）：67-72.

[2]李士勇.模糊控制、神經控制和智能控制[M].哈爾濱：哈爾濱工業大 學出版社，2004.

[3]權太范.模糊控制技術在控制工程中的應用現狀及前景[J].控制與決策，1988（1）：59-62.

[4]達飛鵬，徐嗣鑫.基于模糊神經網絡的系統辨識[J].控制與決策，1997（4）：387-390.

[5]靳哲.人工神經網絡方法預測中厚板控冷的冷卻速度[D].北京科技大 學碩士學位論文，2006.