论文部分内容阅读
近年来,随着现代工业的快速发展,生产过程越来越复杂,其控制系统往往有多个输入输出,变量间的耦合就成了控制系统中一种普遍存在的现象。耦合的存在,不但会使系统控制起来非常困难,而且也会大大降低系统的控制品质,严重时甚至会使系统无法运行。耦合变量的解耦已经成为提高自动化水平,满足日益发展的生产过程控制要求的重要手段之一。因此,多变量耦合系统的解耦控制研究具有较大的实际意义和应用前景。此外,随着我国经济的快速发展,薄膜的使用越来越广泛,对其质量要求也越来越高。薄膜厚度控制系统是薄膜生产线极其重要的组成部分,其控制品质的好坏决定了薄膜的质量。由于薄膜厚度系统是一个典型的多变量耦合系统,其解耦控制研究更具有实际意义和应用价值。本论文首先介绍了课题的来源、研究背景及意义,概述了解耦控制的研究现状、变量耦合程度的分析方法、三种相关的解耦方法、PID控制器及神经网络基础;然后在充分调研的基础上,设计和仿真了薄膜厚度系统的类前馈解耦PID控制,以及一个双变量耦合系统的RBF神经网络解耦PID控制;最后对本论文的工作进行了总结和展望。完成了如下两项主要工作:(1)薄膜厚度系统的类前馈解耦PID控制设计和仿真利用相对增益矩阵对薄膜厚度系统进行了耦合性分析,采用多变量类前馈解耦与PID控制相结合的方法,实现了系统的完全动态解耦控制。与逆奈奎斯特阵列解耦PID控制相比,类前馈解耦PID控制具有不改变主控制通道特性、完全解耦、控制效果好的优点,具有较大的应用价值。(2)一个双变量耦合系统的RBF神经网络解耦PID控制设计和仿真代数算法可将复杂的非线性优化问题转化为一组线性代数方程组来求解,是一种全新的神经网络学习算法,采用代数算法训练RBF神经网络能够实现网络样本的精确映射,并能保证较快的收敛速度。本论文采用动态的RBF神经网络对一个双变量耦合系统进行在线辨识,并将获得的灵敏度信息对PID控制器参数自整定,实现了系统的解耦控制。仿真结果表明,本解耦控制具有精度高、实时性好、鲁棒性和自适应性强等优点,具有较大的应用价值。综上所述,本论文研究的类前馈解耦PID控制和RBF神经网络解耦PID控制都能有效实现多变量耦合系统的解耦控制,大大提高系统的控制品质,具有较大的实际意义和应用价值。