基于预测变论域模糊PID的过渡包内温度控制系统及方法技术方案

本发明专利技术涉及超薄非晶合金生产领域，具体涉及一种基于预测变论域模糊PID的过渡包内温度控制系统及方法。包括热电偶、PLC控制器和加热执行机构，热电偶设置在过渡包内用于采集过渡包内的实时温度，其采集的温度信号反馈到PLC控制器中，PLC控制器与WinCC上位机数据传输，实现数据显示和存储，WinCC上位机与Matlab实现数据传输，所述的加热执行机构包括功率调节器和硅碳棒，PLC控制器将过渡包内温度预测模型和预测变论域控制器仿真计算的结果转化为电流驱动功率调节器，改变功率调节器的输出功率，功率调节器控制硅碳棒发热，实现过渡包内温度调节。本发明专利技术解决PID控制存在的参数不能自整定，造成控制效果变差，不稳定等问题，从而使控制器能够满足不同状态的控制过程。使控制器能够满足不同状态的控制过程。使控制器能够满足不同状态的控制过程。

【技术实现步骤摘要】
基于预测变论域模糊PID的过渡包内温度控制系统及方法


[0001]本专利技术涉及超薄非晶合金生产领域，具体涉及一种基于预测变论域模糊PID的过渡包内温度控制系统及方法。

技术介绍

[0002]超薄非晶合金是具有新型微观组织结构的功能材料。它的制备技术完全不同于传统的方法，而是采用了冷却速度大约每秒钟一百万度的超急冷凝固技术，从钢液到薄带一次成形，由于超急冷凝固,合金凝固的原子来不及有序排列，得到的固态合金是长程无序结构，与通常情况下金属材料的原子排布呈周期性和对称性不同，没有晶态合金的晶粒、晶界存在。由于成分和无序结构的特点，超薄非晶合金具有许多独特的性能,如优异的磁性、耐腐蚀性、高的强度和韧性、高的电阻率等等。
[0003]过渡包是超薄非晶合金生产前最后需要经过的冶金容器，在生产过程中，熔融状态的母合金熔液从熔炼炉中一次性浇注到过渡包内，浇注完成后，密封进液口，使过渡包内成密闭状态。在制带时，开启塞杆则可以控制母合金熔液流入喷嘴包，经由喷嘴喷出，骤冷成带。
[0004]在超薄非晶合金的生产过程中，过渡包内温度能否稳定控制是影响后续超薄非晶合金质量的重要因素。过渡包内温度直接影响制带时合金熔液的流动性，进而影响超薄非晶合金的厚度。利用传统PID控制器对过渡包内温度进行控制时，由于过渡包内温度变化具有较大的时滞性且生产过程中受多种因素的影响，固定不变的系数难以适应复杂系统的变化，使系统保持稳定控制。因此，针对过渡包内温度控制过程存在大滞后和控制过程较为复杂的特性，设计出具有超前预测控制和自适应控制特点的控制器尤为重要。

技术实现思路

[0005]本专利技术为了解决超薄非晶合金的生产过程中，过渡包内温度控制过程存在的大滞后和复杂性的问题，提供一种基于预测变论域模糊PID的过渡包内温度控制系统及方法。
[0006]本专利技术采取以下技术方案：一种基于预测变论域模糊PID的过渡包内温度控制系统，包括热电偶、PLC控制器和加热执行机构，热电偶设置在过渡包内用于采集过渡包内的实时温度，其采集的温度信号反馈到PLC控制器中，PLC控制器与WinCC上位机数据传输，实现数据显示和存储，WinCC上位机与Matlab实现数据传输，所述的加热执行机构包括功率调节器和硅碳棒，PLC控制器将过渡包内温度预测模型和预测变论域控制器仿真计算的结果转化为电流驱动功率调节器，改变功率调节器的输出功率，功率调节器控制硅碳棒发热，实现过渡包内温度调节。
[0007]一种基于预测变论域模糊PID的过渡包内温度控制系统的控制方法，包括以下步骤，S1～通过热电偶将过渡包内的实时温度进行采集，其采集的温度信号反馈到PLC控制器中，得到过渡包内温度测量值，将过渡包内温度设定值与测量值进行比较得到温度
偏差e，温度偏差e经过微分运算得到温度偏差变化率ec；S2～PLC控制器与WinCC上位机实现数据连接，实现数据上传，WinCC上位机与Matlab连接；S3～在Matlab上利用过渡包内温度预测模型计算得到过渡包内温度预测值；过渡包内温度设定值和预测值做比较，得到预测温度的偏差e
p
，再通过微分运算得到预测温度的偏差变化率ec
p ；S4～根据预测温度的偏差e
p
和偏差变化率ec
p
，运用论域调整器，得到具有预测特性的模糊论域伸缩因子α(x)、β(x)，并据此调整模糊控制器的输入和输出论域；S5～过渡包内温度设定值和测量值做比较，得到温度偏差e和温度偏差变化率ec，运用模糊控制器，得到PID参数修正量ΔK
p
、ΔK
i
、ΔK
d
，并据此对PID参数进行在线整定；S6～根据温度偏差e，计算得到控制量u；S7～功率调节器接收控制器送来的控制信号u，改变输出功率，最后控制硅碳棒发热，实现过渡包内温度调节。
[0008]所述的建立S3中过渡包内温度预测模型的方法包括以下步骤，S31～对生产离线数据进行预处理，采用邻近数据平均值插补法对数据的异常值进行插补；S32～构建离线数据库，以数组的形式的存储数据，数组结构为：式中，N为第N次生产编号；t为生产时间；P
ladle 为过渡包内压力；T
ladle 为过渡包内温度；Last_T
ladle
为上一时刻的过渡包内温度；H1…
H5为5个位置的超薄非晶合金厚度数据；S33～筛选训练样本集：神经网络的训练样本选择与预设工况下的数据相似度最大的离线数据；预设工况下的数据包括预设的超薄非晶合金厚度、预设的过渡包内压力曲线和过渡包内设定温度，相似度计算公式如下所示，式中，为离线数据数组；为预设工况下数组；S34～确定BP神经网络拓扑结构，通过对超薄非晶合金生产过程的分析，确定以过渡包内压力、上一时刻过渡包内温度以及超薄非晶合金横向五个位置的厚度作为网络输入，输入层神经元个数为7；网络输出为过渡包内温度，输出层神经元个数为1；通过多次实验，确定隐含层为1层，隐含层神经元个数为5；S35～以BP神经网络的权值和阈值为遗传算法优化对象，首先统计BP神经网络输入、输出和隐含层神经元个数总和为13，然后，随机产生长度为13的随机数组，实现对个体实数编码；S36～将BP神经网络前向传播得到的输出结果误差平方和作为遗传算法的适应度值；
S37～设置遗传算法初始参数，通过交叉验证的实验方法，多次实验对比结果，确定最大进化次数、种群规模、交叉和变异概率；S38～遗传进化操作，包括选择、交叉以及引导变异；S39～当遗传算法进化次数达到最大时，选择最优适应度值对应的个体，解码获得最优权值和阈值；将最优权值和阈值带入BP神经网络，开始神经网络训练，当达到设定精度或者最大迭代次数时，训练完成，用训练好的网络模型预测结果。
[0009]所述的步骤S31中生产离线数据进行预处理的过程为，S311～首先对样本数据进行升序排列，得到样本数据的下分位数Q1、中分位数Q2和上分位数Q3；S312～计算上四分位数与下四分位数之差IQR，得到四分位距的阈值Q1‑
1.5
×
IQR与Q1+1.5
×
IQR；S313～根据四分位距的阈值，保留阈值内的数据，标记记录范围外的数据为异常数据；S314～根据异常数据位置，求取对异常数据位置前后两个正常数据的平均值，替换异常数据，实现对异常数据插补。
[0010]所述的步骤S4中论域调整器将预测温度偏差e
p
和预测温度偏差变化率ec
p
作为论域调整器的输入，通过函数计算和规则推理的方式，输出论域伸缩因子，具体步骤如下；S41～首先利用函数形式计算输入变量的模糊论域伸缩因子；模糊控制器的输入变量e和ec论域伸缩因子α(x)计算采用函数形式，计算公式如下所示；式中，x为温度预测值的偏差e
p 或者偏差变化率ec
p
；w、k为比例常数；S42～利用规则推理的形式得到模糊控制器输出变量ΔK
p
、ΔK
i
、ΔK本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预测变论域模糊PID的过渡包内温度控制系统，其特征在于：包括热电偶、PLC控制器和加热执行机构，热电偶设置在过渡包内用于采集过渡包内的实时温度，其采集的温度信号反馈到PLC控制器中，PLC控制器与WinCC上位机数据传输，实现数据显示和存储，WinCC上位机与Matlab实现数据传输，所述的加热执行机构包括功率调节器和硅碳棒，PLC控制器将过渡包内温度预测模型和预测变论域控制器仿真计算的结果转化为电流驱动功率调节器，改变功率调节器的输出功率，功率调节器控制硅碳棒发热，实现过渡包内温度调节。2.一种如权利要求1所述的基于预测变论域模糊PID的过渡包内温度控制系统的控制方法，其特征在于：包括以下步骤，S1～通过热电偶将过渡包内的实时温度进行采集，其采集的温度信号反馈到PLC控制器中，得到过渡包内温度测量值，将过渡包内温度设定值与测量值进行比较得到温度偏差e，温度偏差e经过微分运算得到温度偏差变化率ec；S2～PLC控制器与WinCC上位机实现数据连接，实现数据上传，WinCC上位机与Matlab连接；S3～在Matlab上利用过渡包内温度预测模型计算得到过渡包内温度预测值；过渡包内温度设定值和预测值做比较，得到预测温度的偏差e
p
，再通过微分运算得到预测温度的偏差变化率ec
p ；S4～根据预测温度的偏差e
p
和偏差变化率ec
p
，运用论域调整器，得到具有预测特性的模糊论域伸缩因子α(x)、β(x)，并据此调整模糊控制器的输入和输出论域；S5～根据温度偏差e和温度偏差变化率ec，运用模糊控制器，得到PID参数修正量ΔK
p
、ΔK
i
、ΔK
d
，并据此对PID参数进行在线整定；S6～根据温度偏差e，计算得到控制量u；S7～功率调节器接收控制器送来的控制信号u，改变输出功率，最后控制硅碳棒发热，实现过渡包内温度调节。3.根据权利要求2所述的基于预测变论域模糊PID的过渡包内温度控制系统的控制方法，其特征在于：所述的建立S3中过渡包内温度预测模型的方法包括以下步骤，S31～对生产离线数据进行预处理，采用邻近数据平均值插补法对数据的异常值进行插补；S32～构建离线数据库，以数组的形式的存储数据，数组结构为：式中，N为第N次生产编号；t为生产时间；P
ladle 为过渡包内压力；T
ladle 为过渡包内温度；Last_T
ladle
为上一时刻的过渡包内温度；H1…
H5为5个位置的超薄非晶合金厚度数据；S33～筛选训练样本集：神经网络的训练样本选择与预设工况下的数据相似度最大的离线数据；预设工况下的数据包括预设的超薄非晶合金厚度、预设的过渡包内压力曲线和过渡包内设定温度，相似度计算公式如下所示，
式中，为离线数据数组；为预设工况下数组；S34～确定BP神经网络拓扑结构，通过对超薄非晶合金生产过程的分析，确定以过渡包内压力、上一时刻过渡包内温度以及超薄非晶合金横向五个位置的厚度作为网络输入，输入层神经元个数为7；网络输出为过渡包内温度，输出层神经元个数为1；隐含层为1层，隐含层神经元个数为5；S35～以BP神经网络的权值和阈值为遗传算法优化对象，首先统计BP神经网络输入、输出和隐含层神经元个数总和为13，然后，随机产生长度为13的随机数组，实现对个体实数编码；S36～将BP神经网络前向传播得到的输出结果误差平方和作为遗传算法的适应度值；S37～设置遗传算法初始参数，通过交叉验证的实验方法，多次实验对比结果，确定最大进化次数、种群规模、交叉和变异概率；S38～遗传进化操作，包括选择、交叉以及引导变异；S39～当遗传算法进化次数达到最大时，选择最优适应度值对应的个体，解码获得最优权值和阈值；将最优权值和阈值带入BP神经网络，开始神经网络训练，当达到设定精度或者最大迭代次数时，训练完成，用训练好的网络模型预测结果。4.根据权利要求3所述的基于预...

【专利技术属性】
技术研发人员：田建艳，韩高鹏，李博，刘咸贺，李志恩，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：