关键词：参数辨识;;RBF神经网络;;PID自整定;;温度控制;;自适应控制
摘 要：随着经济的发展,布类纺织品的加工生产技术也向智能、绿色发展。纺丝牵伸和加热定型工序是丝织品成功的关键技术,多年来这项技术一直被发达国家占据着,在纺织机械的发展上中国制造的纺纱设备在技术上还是比较落后,丝素在进行生产时对转速和接触面温度要求是非常严格的,而纺丝的拉伸和热定型都是在热辊上进行操作,所以对热辊辊体的温度和转速的稳定控制是纺纱设备正常工作的关键。本设计首先根据纺丝工作时的工作条件状况建立一种温度和转速的实际工作模型,采用微分方程建模方法,根据牛顿冷却定律、傅里叶热传导定律、比热容的定义公式和卡诺定理等相关理论,建立热牵伸辊的表面温度随加热功率、电机转速和室温而变化的模型。利用上述模型,本文设计了控制热辊加热器加热功率的自适应控制算法,本文采用基于RBF神经网络的PID自适应控制算法。令PID的三个控制参数k_p、k_i、k_d是可变参数,使用两路RBF神经网络,第一路根据温度偏差对PID控制器的参数进行自整定,第二路RBF是对PID控制器的输出量进行监督控制,这样就达到自适应控制热辊加热器的加热功率的目的,由控制加热功率再进行热辊温度的自动调节。使用上述控制算法对热辊温度模型对象进行控制,并利用MATLAB进行仿真调试,结果显示本设计所建模型与热辊实物相比较误差不超过1.5%,仿真结果超调量小,稳定时间短。使用上述温控算法在郑州纺织机械股份有公司的热辊实物上进行控制测试,结果显示,虽然热辊的温度滞后性很大,但是当设定辊体温度为100℃时,温度的超调量不超过2℃,温度的稳定时不超过5分钟。上述两方面的情况表明,本文设计的基于RBF神经网络的PID自适应控制算法在热辊温度控制上取得了较好的效果。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取