基于模糊神经网络的竖炉温度控制

合集下载

BP-PSO在电加热炉中的温度智能预测

BP-PSO在电加热炉中的温度智能预测王龙刚;侯媛彬【摘要】Aiming at the features of electric furnace, e. g. , multiple variables, non-uniform distribution, and slow real time performance, that bring difficulty for establishing accurate model, the algorithm that combining BP neural network and particle swarm optimization (PSO) is proposed to establish the system model through recognizing the temperature variation of electric furnace, and to implement prediction of temperature varying trend based on the model. The experimental results show that comparing the BP neural network algorithm, through PSO and BP neural network algorithm, the effective time range of the predictive value is extended by 60% , and the accuracy of the predictive value is enhanced by 44% within the same effective prediction time.%针对电加热炉难以建立精确模型的问题,提出采用BP神经网络与粒子群优化(PSO)相结合的算法对电加热炉的温度变化进行辨识,并建立系统模型.在建立系统模型的基础上,对温度变化趋势进行了预测.试验结果显示,与BP神经网络算法相比,粒子群优化BP神经网络算法所得到的预测值有效时间范围延长了60％；在相同有效的预测时间内,预测值精度提高了43％.【期刊名称】《自动化仪表》【年(卷),期】2013(034)001【总页数】4页(P54-56,60)【关键词】电加热炉;粒子群优化;BP神经网络;系统模型;预测精度【作者】王龙刚;侯媛彬【作者单位】西安科技大学电气与控制工程学院,陕西西安710054;西安科技大学电气与控制工程学院,陕西西安710054【正文语种】中文【中图分类】TP180 引言电加热炉是一个非均匀分布、随时间连续变化的温度场，其炉温不仅与时间有关，而且还与空间位置有关。

基于模糊PID的高精度温度控制系统

基于模糊PID的高精度温度控制系统张宝峰; 张燿; 朱均超; 豆梓文; 符烨【期刊名称】《《传感技术学报》》【年(卷),期】2019(032)009【总页数】5页(P1425-1429)【关键词】温度控制; 模糊PID; 半导体制冷器; 闭环控制【作者】张宝峰; 张燿; 朱均超; 豆梓文; 符烨【作者单位】天津理工大学光电器件与通信技术教育部工程研究中心天津300384; 天津理工大学电气电子工程学院天津市复杂系统控制理论及应用重点实验室天津300384【正文语种】中文【中图分类】TP393温度的测量是工业生产中一个重要指标,其精度严重影响产品质量、生产工艺和生产安全,需要定期对温度传感器进行计量和校准,以保证温度测量的精度[1]。

但在某些特定场合,如工业生产线或者石油钻井平台,温度传感器难以拆卸下来进行校准,需要现场进行标定。

因此,设计一款用于现场校准温度传感器的便携式温度控制系统具有非常重要的现实意义[2]。

目前便携式的高精度温度控制系统大多使用半导体制冷器(Thermo Electric Cooler,TEC)来作为控制对象,来间接稳定被控物体的温度[3]。

其中,美国Fluke(福禄克)公司研制的高精度干式计量炉的控温性能处于世界领先地位[4]。

国内也有一些厂家在研究生产便携式的温度控制系统,但控温精度一般在0.01 ℃左右,整定速度不够快,控温效果还不够理想[5]。

本文利用模糊PID算法展开高精度大范围温度方法研究,在获得高精度稳定度的同时,提高整定速度;采用高精度铂电阻温度传感器和大功率TEC驱动电路相结合,设计并制作了一套基于模糊PID的高精度温度控制系统。

1 温度控制原理1.1 TEC的工作原理半导体制冷器是一种根据帕尔贴效应工作的电流型工作器件[6]。

其内部是由P型半导体和N型半导体组成的热电偶对[7]。

当有电流流过回路时,半导体内部会相应的吸收和放出热量来改变自身的势能,从而在半导体制冷器的两端形成冷端和热端,当电流方向改变时,其冷热两端也会发生互换[8]。

【国家自然科学基金】_高炉煤气_基金支持热词逐年推荐_【万方软件创新助手】_20140730

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年科研热词高炉炼铁集成建模还原速率能源再利用政策耐火材料程序还原磷化氢(ph3) 煤气混合煤气压力煤气热力学浓度分布析碳反应析碳机理建模投资决策微观结构影响因素子空间辨识喷吹煤气变换催化剂华菱湘钢侵蚀机理二次能源利用项目中毒 hcl气体推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2008年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
科研热词高炉铁氧化物还原神经网络燃气-蒸汽联合循环燃料热值优化控制煤气流焦炭氢含量气固流模糊专家控制数值模拟布料,鼓风固体炉料变化回旋区喷吹煤气冷态模型
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
科研热词高炉煤气高炉高炉余能余热闭式回热布雷顿循环燃烧室焦炉煤气喷吹热电冷联产温度低碳炼铁
高炉风口高炉煤气发生量高炉冶炼风温静态分析阻尼结构防治预测铜冷却板铜冷却壁褐煤能耗绝热火焰结构设计经济性分析球团矿物料平衡煤气利用率煤气中氯热流量法热平衡热力学分析热力学烧结矿炼铁炯效率灿用输出率灿用效率湿法除尘温度场混风操作氯化氢氯元素平衡氯元素氧气高炉概率神经网络格子砖最小二乘支持向量机数学模型数值模拟效率
推荐指数 4 4 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

基于蓝宝石加热炉的温度控制系统

降的问题，采用常规ＰＩＤ和模糊控制结合的控制策略，实现对移相全桥电源的精确控制。利用Ｍａｔｌａｂ进行仿真，控温精度可达２０００±０．２ｏＣ。实验表明，系统控制精度高，控制速度平稳，超调
ｃｏｍｂｉｎｅｄｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｏｆｔｈｅｃｏｎｖｅｎｔｉｏｎａｌＰＩＤａｎｄｆｕｚｚｙｃｏｎｔｒｏｌ，ｔｈｅａｃｃｕｒａｔｅｃｏｎｔｒｏｌｏｆｔｈｅｐｈａｓｅｓｈｉｔｆｉｎｇｆｕｌｌｂｒｉｄｇｅｐｏｗｅｒｉｓｒｅａｌｉｚｅｄ．ａｎｄｔｈｅＭａｔｌａｂｓｉｍｕｌａｔｉｏｎｓｈｏｗｓｔｈａｔｔｈｅｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌｌｉｎｇａｃｃｕｒａｃｙｃａｎｂｅｕｐｔｏ２０００±０．２ｏＣ，ａｎｄｔｈａｔｔｈｅｓｙｓｔｅｍｈａｓｈｉｇｈｃｏｎｔｒｏｌａｃｃｕｒａｃｙ，ｓｍｏｏｔｈｃｏｎｔｒｏｌｒａｔｅ，ａｎｄｓｍａｌｌｏｖｅｒｓｈｏｏｔ．Ｔｈｅｃｏｎｔｒｏｌｍｅｔｈｏｄｃａｎ
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｏｏｒｓｔａｂｉｌｉｔｙｏｆｔｈｅｓａｐｐｈｉｒｅｇｒｏｗｔｈｐｒｏｃｅｓｓ，ｔｈｅａｃｃｕｒａｔｅｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌｉｓｒｅｌａｔｉｖｅｌｙｄｉｉｃｆｕｌｔ，ｗｈｉｃｈｗｉｌｌｌｅａｄｔｏｔｈｅｄｅｃｒｅａｓｅｏｆｔｈｅｑｕａｌｉｔｙｏｆｔｈｅｃｒｙｓｔａｌ，ｌｉｋｅｆｒａｃｔｕｒｅａｎｄｄｉｓｌｏｃａｔｉｏｎｅｔｃ．Ｂｙｕｓｉｎｇｔｈｅ

模糊温度控制器的设计与Matlab仿真

测与保护电路等组成 ,其中模糊温度控制器的设计是重点.
2 模糊温度控制器的设计
本次设计采用 mamdani推理型模糊控制器. 该控制器为双输入、单输出结构 : 输入量为设定的锅炉温度值与采样值的偏差 E 以及温度偏差值的变化率 EC ; 输出量为温度控制量 U. 模糊控制器的具体设计步骤如下.
表 2 模糊查询表
EC
E
-3 -2 -1 0
1
2
3
-3
3
2
2 1. 4 1 0. 7 0
-2
2
1
1
1 0. 7 0
0
-1
2
1
1 0. 5 0
0
0
0
ห้องสมุดไป่ตู้
1 0. 5 0. 5 0 - 0. 5 - 0. 5 - 0. 5
1
0. 5 0
0 - 0. 5 - 1 - 1 - 1
2
0. 5 0 - 1 - 1 - 1 - 1 - 1
D esign and M a tlab sim ula tion of fuzzy tem pera ture con troller
DENG W ei1 , ZHANG Bao2p ing2, 3
(1. College of E lectr. Infor. Eng. , Zhengzhou U n iv. of L ight Ind. , Zhengzhou 450002, Ch ina; 2. Ch ina Shenm a Group R ubber Tire Co. , L td. , P ingd ingshan 467001, Ch ina; 3. D ept. of Con trol, Huazhong U n iv. of S ci. and Tech. , W uhan 430074, China)

神经网络与遗传算法结合的球团竖炉燃烧优化

ＪｏｈｎＺａｇＺｉＦｎｈｎｊｉＢａｓｅｇｎｈｎｈｅｇＳａｇｉｎ
（ｃｏｌｆＥｅｙａｄＥｖｒｎｎ，ｏｔｅｓＵｉｅｓｔ，ｎｊｎ１０６，ｉａＳｈｏｎｒｎｎｉｍｅｔＳｕｈａｔｎｖｒｙＮａｉｇ２０９Ｃｈｎ）ｏｇｏｉ
当网络输出与期望不等时，在输出误差，存
定义如下：
１
ｌ
Ｅ＝ ÷∑（Ｏ以一ｋ）
将式（）展至隐层与输入层，３扩有
（３）
Ｅ寺
ｓｍｏｄ函数，ｉｉｇ即
１
Ｉ
ｍ
～，ｗ（ｉ（Ｅｊ￣１）４２）ｑＸ
ｆｎｔｏｎｐｒｔｎａａｅｅｓｆｃｉｎｄｆｅｅｔｃｎｉｉｎａｅｄｓｏｅｅｎｅｉｆｒｎｕｃｉｎｓａｄｏｅａｉｇｐｒｍｔｒｏｕｓｎｇｏｉｆｒｎｏｄｔｏｓｃｎｂｉｃｖｒｄｕｄｒｄｆｅｅｔｗｉｈａｉ．Ａｃｏｄｎｔｔｅｐｍｚｔｏｇｔｒｔｏｓｃｒｉｇｏｈｏｔｉｉａｉｎ，ｔｅｅｕｌｈｏｔａＮＯｅｓｉｎｅｒａｅｂｙｈｒｓｔｓｗｓｈｔｍｉｓｏｄｃｅｓｓ
２３０．７％ｗｈｌａｏｕｍｐｉｎｉｃｅｓｓｂ７％．ｉｅｇｓｃｎｓｔｎｒａｅｖ１．ｏ
Ｋｅｙｗｏｒｄｓ：ｓａｔｆｒａｅ；ｎｅｒｌｎｔｒｈｆｕｎｃｕａｅｗｏｋ；ｇｓｃｎｓｍｐｔｎ；ＮＯｅｓｉｎ；ｇｎｔｃａｇｒｔａｏｕｉｏｍｉｓｏｅｅｌｏｈｍｉｉ

模糊pid控制实例

模糊pid控制实例
（原创版）
目录
一、模糊 PID 控制的概述
二、模糊 PID 控制的优势
三、模糊 PID 控制的实例分析
四、模糊 PID 控制的应用前景
正文
一、模糊 PID 控制的概述
模糊 PID 控制是一种基于模糊逻辑理论和 PID 控制理论的控制方法，它将 PID 控制器的精度和模糊控制器的智能化相结合，提高了控制的准确性和灵活性。

模糊 PID 控制主要应用于工业控制领域，如电机控制、温度控制等。

二、模糊 PID 控制的优势
相较于传统 PID 控制，模糊 PID 控制具有以下优势：
1.适应性强：模糊 PID 控制可以根据被控对象的特性进行自适应调整，提高了控制的适应性。

2.智能化程度高：模糊 PID 控制利用模糊逻辑理论，可以对控制对象进行智能化识别和控制，提高了控制的准确性。

3.稳定性好：模糊 PID 控制结合了 PID 控制器的稳定性和模糊控制器的智能化，使得控制系统具有较好的稳定性。

三、模糊 PID 控制的实例分析
以电机控制为例，模糊 PID 控制可以根据电机的负载情况和转速变化，自动调整电机的输出功率，实现精确控制。

在实际应用中，模糊 PID
控制可以根据不同的控制需求进行调整，实现对电机的精确控制。

四、模糊 PID 控制的应用前景
随着工业自动化技术的发展，对控制精度和控制速度的要求越来越高。

模糊 PID 控制作为一款具有高精度、高智能化的控制方法，在工业控制
领域具有广泛的应用前景。

智能控制第7章模糊神经网络控制与自适应神经网络PPT课件

fj(4)=max(u1(4),u2(4),...,up(4)), aj(4)=fj(4) 且第三、四层节点之间的连接系数wji(4)=1
第五层
❖有两种模式
❖从上到下的信号传输方式，同第一层。
❖从下到上是精确化计算，如果采用重心法，有
fj(5 ) w ( j5 )iu i(5 ) (m ( j5 )i (j5 )i)u i(5 ), i
E fj(4)
E fj(5)
fj(5) fj(4)
E fj(5)
fj(5) u(j5)
u(j5) fj(4)
E fj(5)
m(5) ji
u (5) (5)
ji i
u(j5)
i
u (5) (5) (5) jj jj
(j5i)ui(5))(
m u ) (5) (5) (5) (5)
图7-2 :规则节点合并示例
2. 有导师学习阶段
❖可采用BP学习
E1(y(t)ˆy(t))2min 2
w(t1)w(t)(E w)
E w ( n E )e ( n w t)e tE f w f E f fa w a
第五层
m E (j5)i a E (j5) a fj((j5 5))
wwwthemegallerycom用一个半导体功率器件作为开关该器件不断地重复开启和关断使得输入的直流电压在通过这个开关器件后变成了方波该方波经过电感34如果被控系统yk1fykyk1uk1gukwwwthemegallerycom用一个半导体功率器件作为开关该器件不断地重复开启和关断使得输入的直流电压在通过这个开关器件后变成了方波该方波经过电感351tdltdltdltdl神经网络n神经网络n331基于神经网络的模型参考自适应控制结构图参考模型wwwthemegallerycom用一个半导体功率器件作为开关该器件不断地重复开启和关断使得输入的直流电压在通过这个开关器件后变成了方波该方波经过电感3671wwwthemegallerycom用一个半导体功率器件作为开关该器件不断地重复开启和关断使得输入的直流电压在通过这个开关器件后变成了方波该方波经过电感37则控制系统的误差方程为其中wwwthemegallerycom用一个半导体功率器件作为开关该器件不断地重复开启和关断使得输入的直流电压在通过这个开关器件后变成了方波该方波经过电感383233wwwthemegallerycom用一个半导体功率器件作为开关该器件不断地重复开启和关断使得输入的直流电压在通过这个开关器件后变成了方波该方波经过电感393233wwwthemegallerycom用一个半导体功率器件作为开关该器件不断地重复开启和关断使得输入的直流电压在通过这个开关器件后变成了方波该方波经过电感40对于yk1fykyk1uk1guk可得如果存在可用神经网络逼近之

基于Matlab的电阻炉温度控制系统设计及仿真比较

第11期2020年6月No.11June，2020电阻炉是热处理工艺过程中应用最广、数量最多的电加热设备。

随着控制技术日新月异的发展，对电阻炉温度控制的要求也就越来越高。

电阻炉是利用电流通过电热体元件将电能转化为热能来加热或熔化工件和物料的热加工设备，其温度控制具有单向性、大惯性、大滞后等复杂特点，主要分为升温、保温和降温3个部分，其中，升温、保温依赖电阻丝加热完成，而降温则主要依靠自然环境进行冷却。

1 系统框架电阻炉温度控制系统多采用闭环控制，首先，将电阻炉实际温度值通过温度传感器测量出来；其次，通过负反馈与设定温度进行比较得到偏差信号，送入控制器中得到控制信号，控制可控硅，以此改变电阻丝的加热电流或电压，从而实现电阻炉的温度控制[1]。

系统框架如图1所示。

图1 电阻炉温度控制系统框架本文主要是采用传统PID控制、Smith控制和模糊控制3种算法实现对电阻炉温度的控制，并进行仿真及对仿真结果的比较分析。

2 控制算法比较理论分析和实验结果表明，均将电阻炉当作具有自平衡能力且存有滞后的被控对象，因此其数学模型可用一阶惯性和纯滞后两个环节进行描述，系统总的传递函数为：10070()1001sG s es−=+2.1 不加控制器仿真不外加控制器的仿真模型控制如图2所示，其仿真结果如图3所示，可以看出，此系统具有100 ms的延迟，并且在仿真时间内仅上升到了70°左右（设定值为100°），且调节时间较长。

图2 不加控制器的系统仿真模型图3 不加控制器的仿真结果2.2 PID控制器仿真PID控制器所采用的控制规律为比例、积分、微分控制，控制规律如图4所示。

图4 PID控制原理其PID控制器的输入与输出之间的关系为：1()()()()tp dide tu t K e t e d TT dtττ=++∫对于此系统，在笔者有限的经验范围内，未找到使系统基金项目：安徽三联学院校级平台重点项目；项目编号：PTZD2019025。

电加热炉温度控制系统模型建立及控制算法

电加热炉温度控制系统模型建立及控制算法一、电加热炉温度控制系统模型建立1.电加热元件电加热元件是实现加热过程的关键组件，通过电流通过电加热元件时会产生热量，从而提高电加热炉的温度。

通常采用的电加热元件有电阻丝或者电加热器。

2.温度传感器温度传感器用于实时检测电加热炉的温度，常见的温度传感器有热电偶、热敏电阻等。

传感器将温度信号转换为电信号并输出给控制器。

3.控制器控制器是温度控制系统的核心部分，通过对电加热元件的控制，实现对炉温的控制。

常见的控制器有PID控制器、模糊控制器、自适应控制器等。

控制器根据输入的温度信号和设定值进行比较并产生控制信号，然后将控制信号送至电加热元件。

4.反馈装置反馈装置用于实时反馈炉温信息给控制器，以便控制器能够根据反馈信息进行调整，从而实现温度的稳定控制。

典型的反馈装置有温度传感器、红外线测温仪等。

二、控制算法1.PID控制算法PID控制器是最常用的控制算法之一，其通过比例、积分和微分三个部分组合来实现对温度的控制。

PID控制器的控制信号计算公式如下：u(t) = Kp * e(t) + Ki * ∑e(t)dt + Kd * de(t)/dt其中，u(t)为控制信号，Kp、Ki、Kd分别为比例、积分和微分系数，e(t)为偏差，de(t)/dt为偏差的变化率。

2.模糊控制算法模糊控制算法通过模糊集合、模糊规则和模糊推理来实现对温度的控制。

基本的模糊控制算法包含模糊化、模糊规则的建立、模糊推理和解模糊化四个步骤。

3.自适应控制算法自适应控制算法通过对系统模型的实时辨识和参数的自动调整，实现对温度的自适应控制。

自适应控制算法常见的有模型参考自适应控制、最小均方自适应控制等。

三、总结电加热炉温度控制系统模型的建立包括电加热元件、温度传感器、控制器和反馈装置四个主要组成部分。

常用的控制算法有PID控制算法、模糊控制算法和自适应控制算法。

通过合理选择控制系统的组成部分和控制算法，并根据实际需求进行参数调整和优化，可以有效实现对电加热炉温度的稳定控制。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

龙源期刊网 http://www.qikan.com.cn
基于模糊神经网络的竖炉温度控制
作者：刘剑张杨
来源：《数字技术与应用》2011年第09期

摘要：为了提高系统的自适应能力和抗干扰能力，文中使用了一种新型的控制器——模
糊神经网络PID控制器，将模糊神经网络与常规PID控制器相结合，调整PID控制器的三个
参数，实现了对竖炉燃烧室温度的精确控制。有效地克服了采用单纯的PID控制带来的响应
慢、超调大、控制稳定性差等缺点，也解决了传统模糊控制由于隶属函数和模糊规则选取不当
造成的控制缺陷。

关键词：模糊控制神经网络模糊神经网络
中图分类号:TP273 文献标识码：A 文章编号：1007-9416(2011)09-0018-01

目前，由于竖炉的大时滞、多变量和参数离散的特点，它的自动化控制仍然是个难点。另
外，竖炉内部的化学反应过程非常复杂，无法用准确的数学模型来描述。

根掘海城钢铁公司烧结厂竖炉生产的实际情况，本文提出一种将模糊神经网络技术和传统
的PID控制相结合，目的是开发一套适合烧结竖炉生产工艺过程并且控制效果良好的竖炉燃烧
室温度控制系统，完成对竖炉温度的自动控制，以达到节能降耗、提高产品质量的目的。

1、竖炉的工艺流程
在竖炉的炉体内，炉料自上而下、气流自下而上运动。竖炉两侧设有燃烧室，燃烧废气经
火道喷入炉内，并向上运行与下降的炉料进行热交换加热炉科。竖炉下侧设有冷却风进口，冷
风在炉内自下而上运动，将焙烧好的球团矿冷却，与此同时冷风被加热，通过导风墙上升到干
燥床下部，穿过干燥床及床上的生球料层干燥生球，完成一个生产循环。

2、竖炉的控制方案
采用模糊神经网络，建立参数Kp、Ki、Kd自学习的PID控制器，寻找最优的控制参数。
控制系统主要是利用模糊神经网络PID控制器完成对燃烧室温度的控制。控制器由两部分
组成：

(1)经典的PID控制器，直接对被控对象进行闭环控制。
龙源期刊网 http://www.qikan.com.cn
(2)模糊神经网络FN-N；控制系统的核心部分，该模糊神经网络是根据温度偏差和偏差的
变化率，在线调节PID控制器的三个参数，输出层神经元的输出状态对应于PID控制器的三个
可调参数Kp、Ki、Kd，通过神经网络的自学习、加权系数调整，使神经网络的输出对应于某
种最优控制率下的PID控制器的三个参数。系统的工作原理是：用模糊神经网络来调节的三个
参数，使系统具有自适应性，达到有效控制的目的。

3、系统仿真结果分析
3.1 燃烧室温度的数学模型
在球团的实际生产过程中，煤气量一般稳定在5500m3/h左右，助燃风量一般稳定在
6000m3/h左右，而燃烧室的温度就可以稳定于1050℃，以保证球团焙烧的温度。为测试炉温
调节的响应速度，对各燃烧室温度进行了若干次调节试验。根据竖炉燃烧室实际运行的输入输
出数据，由局部线性化的方法得到系统模型为：

式中：
3.2 模糊神经网络PID的仿真及结果分析
燃烧室的理想温度是1050℃，我们首先用传统PID控制对辨识得到的数学模型用
MATLAB进行仿真，传统PID控制系统设计框图如图1所示。

得到的温度曲线如图3中所示。我们看到，PID控制的超调比较大，上升时间比较长，总
的控制效果不理想。

智能控制方法我们主要采用模糊神经网络的控制方法，将模糊控制和神经网络相结合调整
PID的三个参数。

模糊神经网络PID控制系统的设计框图如图2所示。其中，Ge和Gec为比例因子，
GKp、GKi和GKd为量化因子。

从图可以看出，在不同的控制算法的作用下，其动态性能和稳态性能呈现出一定的差异。
综合比较各种算法可以看出：模糊神经网络超调最小；模糊神经网络PID控制算法达到稳定值
的时间最短。综合各种算法的优缺点，我们知道，模糊神经网络PID和的控制效果比传统PID
的控制效果要好。

4、结论
利用模糊神经网络这种控制方法，可以得到期望的燃烧室温度控制曲线，使温度保持在
1050度左右，达到了工艺要求，并且这种方法的调节时间最短、超调最小，抗干扰能力也是
最好的。在这三种控制方法中，模糊神经网络PID的控制效果最好。
龙源期刊网 http://www.qikan.com.cn
参考文献
[1]张建民,王涛.智能控制原理及应用北京冶金工业出版社 2003.
[2]王耀南.模糊神经网络炉温自学习控制系统冶金自动化 1998
[3]刘金琨编著.先进PID控制MATLAB仿真北京电子工业出版社 2011.3
[4]何用梅编著.现代连续加热炉.北京:冶金工业出版社,1980