一种基于过程神经网络的加热炉温度的计算机控制方法技术

本发明专利技术公开了一种基于过程神经网络的加热炉温度的计算机控制方法，包括如下步骤：步骤1：建立基于过程神经网络的加热炉温度预测模型；(1)数据采集并拟合；(2)采用三层过程神经网络预测模型预测加热炉温度值；(3)采用梯度下降方法进行学习训练，直至误差函数小于0.5，停止训练；步骤2：将给定的温度值减去步骤1中由三层过程神经网络预测模型预测出来的第k+1组加热炉温度值得到温度偏差，将该温度偏差通过PID控制器调节，以控制加热炉内温度调节器，调节加热炉内第k+1组实际加热炉温度值，使其与给定的温度值的偏差不超过±1℃。本发明专利技术使得加热炉在恒温过程中温度能够稳定控制，使加热炉内的温度值与给定的温度值的偏差不超过±1℃。

A computer control method of reheating furnace temperature based on process neural network

The invention discloses a method for controlling the temperature of the heating furnace process neural network based computer, which comprises the following steps: Step 1: to establish a model for predicting temperature of reheating furnace based on neural network; (1) data acquisition and fitting; (2) model to predict the temperature of the heating furnace adopts three layers of value (process neural network; 3) using gradient descent method for training, until the error function is less than 0.5, stop training; step 2: given the temperature value of temperature group k+1 minus the heating furnace in step 1 is composed of three layers of neural network model to predict the worth to the deviation of temperature, the temperature deviation from the PID regulator to control. The temperature regulator of heating furnace, heating furnace control group k+1 the actual heating furnace temperature value, the deviation of the given temperature value does not exceed plus or minus 1 DEG C. The invention ensures that the heating furnace can control the temperature steadily during the constant temperature process, so that the deviation of the temperature value in the heating furnace and the given temperature value is not more than 1.

【技术实现步骤摘要】
一种基于过程神经网络的加热炉温度的计算机控制方法
本专利技术涉及计算机领域，更具体的是，本专利技术涉及一种基于过程神经网络的加热炉温度的计算机控制方法。
技术介绍
过程神经网络是对传统人工神经网络在时间域上的扩展，其输入和相应的连接权可以是时变函数。因其非线性时变映射能力，过程神经网络用于问题求解无需事先特殊的建模，能够充分反映时变系统中实际存在的时间累积效应，适用于复杂的非线性过程建模。多温度区电加热炉在科学研究和生产实践的诸多领域中应用广泛，温度控制在冶金、化工、机械、材料等工业中具有举足轻重的作用，提高其温控性能不仅能提高产品质量，而且能节约电能，具有很大的现实意义。现代复杂工业生产过程中，热工对象所普遍存在的强耦合、时变性、大延迟、大惯性、非线性等特性，增加了自动控制系统的设计难度，所以加热炉加热并恒温的过程的精确数学模型是很难建立的，目前加热炉都采用传统的控制方法，但是恒温过程的模型未进行建立，不能很好的保证恒温过程温度的稳定控制。因此，对此类的非线性控制系统来说，控制方案的选择、控制参数的整定以及控制水平的提高是一个值得深入研究的问题。
技术实现思路
本专利技术设计开发了一种本文档来自技高网...

【技术保护点】
一种基于过程神经网络的加热炉温度的计算机控制方法，其特征在于，包括如下步骤：步骤1：建立基于过程神经网络的加热炉温度预测模型；每隔一定时间采集加热炉温度一次，依次对每连续k组加热炉温度值xk,xk‑1,xk‑2,…x1进行数据拟合，得到时变函数x(t)＝at

【技术特征摘要】
1.一种基于过程神经网络的加热炉温度的计算机控制方法，其特征在于，包括如下步骤：步骤1：建立基于过程神经网络的加热炉温度预测模型；每隔一定时间采集加热炉温度一次，依次对每连续k组加热炉温度值xk,xk-1,xk-2,…x1进行数据拟合，得到时变函数x(t)＝at4+bt3+ct2+dt+e，其中拟合系数a,b,c,d,e的值根据实时采集的数据进行多项式拟合得到；将拟合的实变函数x(t)作为三层过程神经网络预测模型的输入，该三层过程神经网络预测模型的输出为预测第k+1组加热炉温度值：其中，为预测的第k+1组加热炉温度值，m为隐含层节点数，vi为隐含层节点到输出节点的连接权值，T为连续采集k组加热炉温度的时间，θi为隐含层神经元阈值，θ为输出层神经元阈值，其为高斯函数，其为相应的连接权函数；以依次采集到的第k+1组实际温度值xk+1作为期望温度值，采用梯度下降方法，对连接权函数ωi(t)，连接权值vi，阈值θi和θ进行学习训练，直至误差函数小于0.5，停止训练，其中，y为训练样本数；步骤2：将给定的温度值减去步骤1中由三层过程神经网络预测模型预测出来的第k+1组加热炉温度值得到温度偏差，将该温度偏差通过PID控制器调节，以控制加热炉内温度调节器，调节加热炉内第k+1组实际加热炉温度值，使其与给定的温度值的偏差不超过±1℃。2.如权利要求1所述的基于过程神经网络的加热炉温度的计算机控制方法，其特征在于，所述步骤1的预测加热炉温度值中，将连续函数采用多项式级数...

【专利技术属性】
技术研发人员：徐骞，杨志平，
申请(专利权)人：北华大学，
类型：发明
国别省市：吉林,22