金风涛

（甘肃钢铁职业技术学院，甘肃 嘉峪关 735100）

1 神经网络

复杂神经网络体系基于不同框架、模块以及运行模式下，对目标进行智能化运算的过程，其特定是智能化程度高、选择适用性高，在各大工业体系均具有广泛的应用。本文基于神经网络来优化预测函数，以希在智能化预测模型下实现对系统过程的智能化控制和调控。

图1 预测函数控制原理图

在预测函数模型中，MAC、DMC、GPC均具有良好的发展前景，但在罩式炉温度控制体系中，由于动态阈值区域较大，非线性峰值浮动不定，造成在温度控制中无法实时对参量控制，罩式炉环境参考无法实现精确控制，神经网络和预测函数模型的应运而生，通过基于控制模型构建环境变量模型，实现温度控制的精准控制，此外并入反馈模型还可实现参量的动态控制，实现模型的全域控制。

2 温度控制方式

PID（Proportion Integration Differentiation）作为一种前沿的调控方式，在各行各业均具有发展前景，目前主流市场上的主要有P.PI.PD以及PID，控制方式和模型具体如图2所示。

图2 PID控制系统的结构图

由图2可以看出，控制回路主要包括2大部分，其一是控制目标，其二是控制模型。通过控制系统的输入、输出参量来实现过程的反馈调节。

式中，KP为比例系数；T1为积分时间常数；TD为微分时间常数。

受传统的PID控制算法的影响，参量模型会随着环境变量发生改变，无法实现对过程控制的全域控制和反馈干扰，为提高系统的自适应性，提高系统在非线性环境下系统的调节精度和反馈波长。……