基于DRNN的结晶器液位控制系统研究

目的 针对结晶器液位系统在实际运行中会遇到突然干扰导致控制性能变差的问题，提出一种基于神经网络的智能PID和模型辨识相结合的控制方法。方法 建立结晶器液位系统模型，采用对角回归型(DRNN)神经网络PID控制方法，并应用梯度下降法对结晶器控制器的权值进行调整和优化，结合传统PID控制方法对系统抗干扰效果进行分析。结果 两种控制方法对比，DRNN控制算法的超调量更小，而在响应速度方面，与传统PID比较更具有调节周期短的明显优势。结论 通过MATLAB仿真证明，采用DRNN神经网络PID的控制方法，可以使系统具有较强的自适应能力，当系统受到外来扰动时，不会出现过大的振荡，可以帮助系统及时恢复。