资料下载
×
基于BP神经网络PID的漂白温度控制算法的研究
消耗积分:5 |
格式:rar |
大小:121 |
2009-08-15
贾小龙
分享资料个
本文讨论了使用BP 神经网络PID 控制算法，并且将这种控制算法应用在漂白工段的
控制当中。利用神经网络自学习能力，在线整定PID 控制参数。实践证明BP 神经网络PID控制器具有实现简单，适应性强，具有较高的控制精度等特点。
制浆车间漂白工段中漂白塔上部的温度控制是保证浆料质量的一个重要环节,因此,在多
段连续漂白过程中,需要对此温度进行控制。在实际生产中, 漂白塔上部温度采用蒸汽进行加热,中部温度不控制,下部温度采用加冷却水的控制。常用的有常规PID 控制算法，改进的Smith 预估控制算法，动态矩阵控制算法，神经网络等。但是在工厂实际生产过程中，蒸汽的压力和温度都有可能波动，常规PID 控制器虽然具有不依赖模型，参数容易调整等优点，但是其周期较长，抗扰动能力差等缺点，影响各个塔中的温度控制效果。其他的控制方法都是基于模型的具有典型的内模控制结构，具有较强的抗扰动能力和鲁棒性。在本文中我们着重研究了使用BP 神经网络PID 算法在漂白塔上部温度的控制当中的应用。
控制当中。利用神经网络自学习能力，在线整定PID 控制参数。实践证明BP 神经网络PID控制器具有实现简单，适应性强，具有较高的控制精度等特点。
制浆车间漂白工段中漂白塔上部的温度控制是保证浆料质量的一个重要环节,因此,在多
段连续漂白过程中,需要对此温度进行控制。在实际生产中, 漂白塔上部温度采用蒸汽进行加热,中部温度不控制,下部温度采用加冷却水的控制。常用的有常规PID 控制算法，改进的Smith 预估控制算法，动态矩阵控制算法，神经网络等。但是在工厂实际生产过程中，蒸汽的压力和温度都有可能波动，常规PID 控制器虽然具有不依赖模型，参数容易调整等优点，但是其周期较长，抗扰动能力差等缺点，影响各个塔中的温度控制效果。其他的控制方法都是基于模型的具有典型的内模控制结构，具有较强的抗扰动能力和鲁棒性。在本文中我们着重研究了使用BP 神经网络PID 算法在漂白塔上部温度的控制当中的应用。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
