摘要：近年来，我国电厂热工自动化控制技术取得了长足发展，并不断应用在电厂中，使我国电厂热工自动化控制技术表现出设备智能化和技术高新化的特点。热工自动化控制技术不断应用于电厂中，推动了电厂自动化的发展。电厂热工自动化控制技术的应用，提高了电厂机组设备的稳定性和可靠性，对电厂机组的正常运行有着重要意义。
关键词：热工控制；智能PID控制；BP神经网络
1 引言
热工被控对象通常具有大滞后特点，传统的PID控制器对大滞后性系统控制得不到良好的控制效果。控制器的控制作用要经过一个纯滞后时间，这就会引起调节品质下降，控制系统稳定性变差。从控制系统传递函数上看，当系统对象具有纯滞后特性时，闭环系统特征方程引入纯滞后环节，从而使得控制变得复杂，因此，它被认为是最难控制的动态系统之一。Smith 预估器从理论上消除滞后因素的影响并改善系统的稳定性和响应特性。但它需要精确且稳定的数学模型，其性能对模型参数的变化十分敏感，参数变化超过一定限度Smith预估器就失去了补偿效果。而实际控制过程却往往难以获得准确的数学模型，或对象本身就是时变模型，因此Smith预估器在工程应用中还存在一定的局限性。针对这个局限性，本文提出一种先通过滞后时间消弱器将对象的大滞后时间变成小滞后时间，后通过BP神经网络PID控制器对变换后系统进行控制的一种策略。仿真结果证明该方案对被控对象参数的改变适应性强，具有较好的鲁棒性。
2智能PID控制
传统PID控制算法简单，调整参数方便，且具有一定的控制精度，所以在生产实际中，有95%以上的工业控制使用PID控制。但是，随着工业控制系统的越来越复杂，传统PID控制器的弊端也越来越明显。比如，传统PID控制只有用在时不变系统时，才能达到满意的效果；对于非线性或是不确定性系统，则可能致使系统性能变差甚至造成系统的不稳定。因此，工程技术人员在使用传统PID控制的同时，也对其进行了多种改进，其中，智能PID控制器就是众多控制系统中较为典型的新一代控制器。
智能PID控制是以传统PID控制为核心，应用智能控制技术研发的新型控制器。具备两者的优点，既具有传统PID控制器结构简单、可靠性高和整定方便的特点，又具备智能控制系统自学习、自适应、自组织的功能，能够在线调增PID控制器的三个参数，以适应过程参数变化。
智能PID控制根据智能技术的类别主要分为三类：专家PID控制、模糊PID控制、神经网络PID控制。下面主要介绍一下几种智能PID控制器的特点。
（一）专家PID控制
专家PID控制的实质是通过人工智能技术组织和利用被控对象和传统PID控制规律的专家知识，求得被控系统尽可能的实用化和优化。专家PID控制采用传统PID控制形式，根据专家知识和经验，在线调整PID三个参数，使响应曲线达到某种最佳响应曲线。专家PID控制具有良好的控制特性，能应付控制过程中出现的不确定性。但是，专家PID控制，进行实时自适应控制的依据是专家知识或是大量经验。因此，获取专家知识和总结实验经验尤为重要，是设计控制器的重点也是难点。
期刊文章分类查询,尽在期刊图书馆
（二）模糊PID控制
模糊PID控制器优点是不需要被控对象的数学模型，而是依据现有的控制系统知识，运用模糊控制方法建立控制决策表，由该表决定控制量的大小。模糊PID控制既具备模糊控制灵活和适应性强的特点，又具备传统PID控制器结构简单、精度高的优点。模糊PID控制系统的控制效果在于如何建立模糊控制器规则和确保模糊关系的真实性，但是建立模糊规则通常带有主观性，这就一定会影响到系统的动态特性，因此，一些学者在模糊控制器设计中增加自学习的功能，使系统能够自我完善。
（三）神经网络PID控制
基于神经网络的PID控制与模糊PID控制和专家PID控制不同，是直接利用神经网络作为控制器。神经网络作为在线估计器，控制信号由常规控制器发出。首先，神经网络通过学习算法进行离线学习，然后介入控制系统，间接地调整PID参数，给出最佳控制规律下的PID控制器的参数，同时，继续自学习，根据受控对象不断变化调整神经网络的权系数，获得最理想的控制效果。
不论是何种智能控制PID控制方式都是基于传统PID控制基本原理，将智能控制技术与传统PID控制结合，直接或间接地动态整定PID参数，使控制达到更优的效果。
3结论
从系统仿真结果可以看出，通过引入滞后时间消弱器来改变大滞后为小滞后系统，并结合BP神经网络对PID进行在线参数优化，能使大滞后系统具有良好的抗扰性能、自适应能力以及较强的鲁棒性。对于提高具有大滞后特点的热工对象的控制品质和稳定性有着现实的意义。
参考文献：
[1] 赵爽，邓先荣.基于模糊自整定PID控制方法的雷达伺服系统[J].现代雷达，2012，34（3）：33?36.
[2] 贺文涛，史守峡.位标器自抗扰控制技术应用研究[J].现代防御技术，2012，40（6）：45?47.
[3]胡志军，王建国，王鸿斌.基于优化BP 神经网络的PID控制研究与仿真[J].微电子学与计算机，2006（12）：1382140.
[4]刘金琨.先进PID控制MATLAB仿真[M].2 版.北京：清华大学出版社，2004.
[5]孙坚平，屈颖等.大滞后系统的模糊-Smith控制及参数优化[J].仪器仪表学报，2006.（4）.
[6]孙育刚，嵇启春.基于神经网络的Smith预估PID控制器设计与仿真[J].自动化技术与应，2009（10）.
[7]曾琳，张文涛.基于RBF神经网络的智能PID控制算法[J].计算机与数字工程，2011（01）.
[8]谢铮辉，马有良，邓琥，何俊.基于PID的电阻炉炉温控制系统[J].化工自动化及仪表，2011（08）.
[9]刘大易，赵玉晓.电加热炉温度模糊控制系统设计[J].锅炉制造，2010（04）
论文作者:王祗林
论文发表刊物:《基层建设》2018年第32期
论文发表时间:2018/12/24
标签：控制器论文; 神经网络论文; 模糊论文; 系统论文; 控制系统论文; 参数论文; 传统论文; 《基层建设》2018年第32期论文;