[发明专利]一种基于改进粒子群优化的加热炉炉温控制方法和系统

说明书

本发明公开一种基于改进粒子群优化的加热炉炉温控制方法和系统，属于加热炉自动控制技术领域，本发明基于MATLAB/Simulink仿真平台建立加热炉温度模型，对于温度变化曲线构建模糊控制规则，通过被加热材料出入口的温度监测设备得到加热炉温度的误差以及误差变化率，作为模糊PID控制模块的输入参数，利用粒子群直接模糊PID控制模块的输出KP、Ki、Kd的参数寻优，选取最优值赋值给增益模块，再将初始计算的PID三个参数与经过增益模块的模糊控制模块的输出参数进行组合，实现对于加热炉温度曲线的调节。针对现有技术中加热炉炉温控制精度不高的问题，本发明利用混沌映射使得粒子群克服早熟现象，避免陷入局部寻优，具有响应速度快，稳定性强，抗干扰性好。

技术领域

本发明属于加热炉自动控制技术领域，更具体地说，涉及一种基于改进粒子群优化的加热炉炉温控制方法和系统。

背景技术

在冶金工业中，加热炉是将物料或工件到轧制成锻造温度的设备。加热炉应用遍及石油、化工、冶金、机械、热处理、表面处理、建材、电子、材料、轻工、日化、制药等诸多行业领域。加热炉、各种工业炉、锅炉都是高耗能窑炉，资源耗费量大。所以如何更加精确的控制加热炉的运行，在保证正常生产的情况下，更大效率的降低能耗，是目前社会所普遍关注的问题。

传统的加热炉温度控制选用PID控制(比例、积分、微分控制)，将偏差的比例(P)、积分(I)、和微分(D)通过线性组合构成控制量，故称PID控制器。传统的PID控制对于明确系统能获得较好的控制效果，但对于难以用数学精确描述的系统，控制效果不好。对于被控对象的变化不能自动调整参数提供更好的控制。但随着科技的进步，人们遇到了许多传统PID控制系统不能做得很好甚至无法应用的领域，所以人们将目光看向模糊PID控制系统，人们发现模糊PID控制能够有效抑制控制初期系统超调量，可以减少计算量，系统响应速度快，精度高，可控性好。但是其对控制规则要求高，系统还不够完善，适用范围有限。

粒子群算法是科学家从鸟类的觅食行为中获得启发，研究出的一种群体寻优算法。PSO算法可以与多种控制方式相结合，对所得结果进行寻优，使得控制精度更高。

中国专利申请一种改进粒子群优化模糊PID燃料电池温度控制方法，申请号：201911372127.5，公开日2020年05月08日，公开了一种改进粒子群优化模糊PID燃料电池温度控制方法，包括以下步骤：基于MATLAB/Simulink仿真平台建立燃料电池动态模型，通过该燃料电池动态模型得到燃料电池的输出功率及相应的温度；针对所述的燃料电池动态模型设计模糊PID温度控制器，利用控制器对期望温度值和实际温度值得误差、误差变化率进行控制得到模糊PID温度控制器的参数调整量；采用改进的粒子群算法对模糊PID温度控制器中的量化因子和比例因子进行优化；将优化的量化因子和比例因子赋值给模糊PID温度控制器，从而实时控制燃料电池温度，该发明利用粒子群进行量化因子和比例因子的优化，将超调量和调节时间作为目标函数值，对于燃料电池温度进行调节，对于计算速度和计算精度不够优化，输出结果也不够精确。

发明内容

1.要解决的问题

针对现有技术中加热炉炉温控制精度不高的问题，本发明提供了一种基于改进粒子群优化的加热炉炉温控制方法和系统，可以实现对加热炉炉温的精确控制，大大提高了加热炉炉温的控制精度。

2.技术方案

为了解决上述问题，本发明所采用的技术方案如下。

一种基于改进粒子群优化的加热炉炉温控制方法，输入信号发送至模糊控制模块，模糊控制模块根据模糊控制规则对输入信号进行处理；通过粒子群优化算法对模糊控制模块的输出信号进行优化，输出至PID控制模块，实现对加热炉炉温的温度调节控制。

更进一步的，通过粒子群优化算法对模糊控制模块的输出信号进行优化包括以下步骤：