黄晨 欧小雨 纪倩文 陈君宽 郁剑

摘   要：温度控制在冶金、电子、机械等工业领域的应用相当广泛，其对生产过程和产品质量有重大影响。但由于温度控制系统通常具有非线性、时变、大滞后等特性，而传统的PID（比例、积分、微分）控制参数在整个控制过程中是固定的，这就使得其在较复杂的温度控制系统中作用效果较差。文章提出一种基于BP神经网络的PID控制方法，该方法先通过BP神经网络得到一组基于ITAE指标下最优化的PID控制参数作为初始值，然后对该组PID参数进行在线调整，以达到在不同的情况下都能起到较好的温度控制效果的目的。通过比较采用不同控制器下的仿真实验，结果表明基于BP神经网络的PID控制方法更具有效性和优势。

关键词：温度控制;BP神经网络;PID控制;大滞后

随着我国科技的飞速发展，工业生产对温度控制的要求也不断提高。在工业控制过程中，由于纯滞后的存在，使得被控对象不能及时响应系统的输入或者扰动。为了克服大滞后的影响，现已有不少温度控制方案，如Simth预估控制，比例、积分、微分（Proportion-Integral-Differential，PID）控制、模糊控制、神经网络等，但现有的温度控制方法取得的效果并不是很理想：Simth预估控制虽能减弱纯滞后因素的影响，但其对扰动的抑制能力较差;传统PID控制对拥有大滞后、时变等特性的复杂温度控制系统的作用效果较差;模糊控制适应学习能力较弱，比较依賴人的经验。本文以电阻炉为温控对象，结合PID控制与神经网络，通……