基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法技术

本发明专利技术涉及硫酸法生产钛白粉工艺过程控制领域，其公开了一种基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，提高水解工艺温度控制精度和稳定性。该方法包括以下步骤：A、设置参考温度、温度误差以及PID控制器的输入和输出；B、设定RBF神经网络结构及网络整定指标，利用RBF神经网络自适应调整PID控制器参数kp、ki、kd，实现对PID控制器调节参数的自适应整定；C、PID控制器利用经过自适应整定的调节参数控制输出，对蒸汽加热调节阀进行调控。

Temperature PID control method of titanium oxysulfate hydrolysis process based on RBF neural network

The invention relates to the field of technological process control of titanium dioxide production by sulfuric acid method, and discloses a temperature PID control method of titanium sulfate hydrolysis process by adding crystal seeds based on RBF neural network, so as to improve the temperature control accuracy and stability of hydrolysis process. The method includes the following steps: A. setting the reference temperature, temperature error and the input and output of PID controller; B. setting the structure of RBF neural network and the network setting index, using RBF neural network to adjust the parameters KP, Ki and KD of PID controller adaptively, realizing the adaptive adjustment of PID controller's parameters; C. PID controller using the adjusted parameters Output, adjust and control the steam heating regulating valve.

【技术实现步骤摘要】
基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法
本专利技术涉及硫酸法生产钛白粉工艺过程控制领域，具体涉及一种基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法。
技术介绍
钛白粉的主要生产工艺包括硫酸法和氯化法，目前国内仍以硫酸法钛白为主。在硫酸法钛白工艺中，水解不仅影响工业生产的经济性，而且对最终产品的质量有极大的影响，因此水解工序是硫酸法生产中最核心工序之一，也是整个工艺中控制最苛刻的地方之一。针对工业控制领域中的非线性系统，采用传统PID控制由于控制参数无法进行自适应调整，控制精度较低、而且波动范围大，已经无法获得满意的效果。
技术实现思路
本专利技术所要解决的技术问题是：提出一种基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，提高水解工艺温度控制精度和稳定性。本专利技术解决上述技术问题采用的技术方案是：基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，应用于采用PID控制器对蒸汽加热调节阀进行调节控制的系统中，该方法包括以下步骤：A、设置参考温度、温度误差以及PID控制器的输入和输出；B、设定RBF神经网络结构及网络整定指标，利用RBF神经网络自适应调整PID控制器参数kp、ki、kd，实现对PID控制器调节参数的自适应整定；C、PID控制器利用经过自适应整定的调节参数控制输出，对蒸汽加热调节阀进行调控。作为进一步优化，步骤A具体包括：设置所述参考温度为r，温度误差为e(k)＝r(k)-y(k)；其中y(k)为RBF神经网络整定后PID控制器实际输出，e(k)为表示参考输入与实际输出的偏差值，k表示当前时刻；PID控制器输入为：x1(k)＝e(k)＝r(k)-y(k)x2(k)＝Δe(k)＝e(k)-e(k-1)x3(k)＝Δ2e(k)＝Δe(k)-Δe(k-1)＝e(k)-e(k-1)-[e(k-1)-e(k-2)]PID控制器输出为：u(k)＝u(k-1)+Δu(k)＝u(k-1)+kp*x1(k)+ki*x2(k)+kd*x3(k)，其中kp、ki、kd为PID控制器三个需要调整的调节参数。作为进一步优化，步骤B具体包括：设定RBF神经网络结构初始参数，包含隐含层节点数、节点基函数中心向量、节点基函数方差、输出层权重以及学习速率η；设定神经网络输入层为：u(k)、y(k)、y(k-1)，输出为ym(k)，设定神经网络整定指标为：E＝1/2[y(k)-ym(k)]^2；采用梯度下降法调整PID控制器的kp、ki、kd参数，使得整定指标最小：其中，通过RBF神经网络不断自适应学习可以得到：w为输出层权重，b为节点基函数方差，c为节点基函数中心向量，x为RBF神经网络输入层，m为隐含层神经元数量。本专利技术的有益效果是：结合RBF神经网络自学习、自适应的优点，用于PID控制器的参数整定中。利用基于RBF神经网络的温度PID控制算法对硫酸氧钛外加晶种水解工艺温度进行控制，达到计算结果更加快速、精确，从而实现精确实时控制的目的，并且控制波动小。附图说明图1为本专利技术中的基于RBF神经网络的PID控制原理图。具体实施方式本专利技术旨在提供一种基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，提高水解工艺温度控制精度和稳定性。其核心思想是：将RBF神经网络算法融入PID控制器的参数整定中，基于RBF神经网络自学习、自适应的优点不断学习PID控制器的输出、偏差以及三个调节参数之间的最佳非线性关系，从而输出自适应的PID调节参数，用于对PID控制器参数整定，原理如图1所示。本基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，应用于采用PID控制器对蒸汽加热调节阀进行调节控制的系统中，该控制方法包括以下步骤：步骤1、设置参考温度、温度误差及PID控制器的输入、输出：参考温度为r，温度误差为e(k)＝r(k)-y(k)，其中y(k)为RBF神经网络整定后PID控制器实际输出，e(k)为表示参考输入与实际输出的偏差值，k表示当前时刻，PID控制器输入为：x1(k)＝e(k)＝r(k)-y(k)x2(k)＝Δe(k)＝e(k)-e(k-1)x3(k)＝Δ2e(k)＝Δe(k)-Δe(k-1)＝e(k)-e(k-1)-[e(k-1)-e(k-2)]PID控制器输出为：u(k)＝u(k-1)+Δu(k)＝u(k-1)+kp*x1(k)+ki*x2(k)+kd*x3(k)，其中kp、ki、kd为PID控制器三个需要调整的参数；步骤2、设定RBF神经网络结构及网络整定指标，通过RBF神经网络自适应调整PID控制器参数kp、ki、kd：设定RBF神经网络结构初始参数，包含隐含层节点数、节点基函数中心向量、节点基函数方差、输出层权重、学习速率η等，设定神经网络输入层为：u(k)、y(k)、y(k-1)输出为ym(k)，设定神经网络整定指标为：E＝1/2[y(k)-ym(k)]^2。RBF神经网络的输入向量为X＝[u，y]T；u为PID控制器调节输出量，y为实际水解温度输出量；RBF神经网络的径向基向量h＝[h1，h2，h3…hn]T，其中h为高斯基函数；在高斯基函数中，c代表函数中心矢量c＝[c1,c2,c3...cn]T，b为基宽度；W为隐含层到输出层权重系数。辨识网络输出：辨识器性能指标：E＝1/2[y(k)-ym(k)]^2采用梯度下降法调整kp、ki、kd参数，使得整定指标最小：其中，通过RBF神经网络不断自适应学习可以得到：w为输出层权重，b为节点基函数方差，c为节点基函数中心向量，x为RBF神经网络输入层，m为隐含层神经元数量；步骤3、PID控制器利用经过RBF神经网络自适应整定的调节参数控制输出，对蒸汽加热调节阀进行调控：通过上述公式计算出每时刻ki、kp、kd参数，完成对PID控制参数的自适应调整，输出到执行机构蒸汽调节阀，实现基于RBF神经网络的PID水解温度控制。在具体实施时，为了获取RBF神经网络辨识参数，我们选取了50组采样数据对系统进行训练。RBF神经网络学习速率为0.1，动量因子选择0.05。采用典型三层网络模型，隐层节点数为6个。通过将基于RBF神经网络的PID控制与采用普通PID控制对水解工艺温度调控结果进行比较，基于RBF神经网络的PID控制器实际温度在升温阶段能够很好的跟随设定温度且比PID控制器更加快速达到收敛。并且，在稳定阶段，若设定温度为200℃，基于RBF神经网络的PID控制器温度能温度维持在199.75℃，而普通PID控制的温度波动范围较大。因此本发本文档来自技高网...

【技术保护点】
1.基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，应用于采用PID控制器对蒸汽加热调节阀进行调节控制的系统中，其特征在于，/n该方法包括以下步骤：/nA、设置参考温度、温度误差以及PID控制器的输入和输出；/nB、设定RBF神经网络结构及网络整定指标，利用RBF神经网络自适应调整PID控制器参数kp、ki、kd，实现对PID控制器调节参数的自适应整定；/nC、PID控制器利用经过自适应整定的调节参数控制输出，对蒸汽加热调节阀进行调控。/n

【技术特征摘要】
1.基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，应用于采用PID控制器对蒸汽加热调节阀进行调节控制的系统中，其特征在于，
该方法包括以下步骤：
A、设置参考温度、温度误差以及PID控制器的输入和输出；
B、设定RBF神经网络结构及网络整定指标，利用RBF神经网络自适应调整PID控制器参数kp、ki、kd，实现对PID控制器调节参数的自适应整定；
C、PID控制器利用经过自适应整定的调节参数控制输出，对蒸汽加热调节阀进行调控。


2.如权利要求1所述的基于RBF神经网络的硫酸氧钛外加晶种水解工艺温度PID控制方法，其特征在于，
步骤A具体包括：
设置所述参考温度为r，温度误差为e(k)＝r(k)-y(k)；
其中y(k)为RBF神经网络整定后PID控制器实际输出，e(k)为表示参考输入与实际输出的偏差值，k表示当前时刻；
PID控制器输入为：
x1(k)＝e(k)＝r(k)-y(k)
x2(k)＝Δe(k)＝e(k)-e(k-1)
x3(k)＝Δ2e(k)＝Δe(k)-Δe(k-1)＝e(k)...

【专利技术属性】
技术研发人员：刘凯，彭宏亮，庞兴利，贾子松，路瑞芳，
申请(专利权)人：攀钢集团攀枝花钢铁研究院有限公司，
类型：发明
国别省市：四川;51