一种基于自适应迭代学习的电阻加热炉温度控制方法

摘要

本发明涉及一种基于自适应迭代学习的电阻加热炉温度控制方法，该方法应用于自动控制领域，该电阻加热炉温度控制方法包括以下步骤：1）将热电偶放置于将要研究的电阻炉内，将电阻炉、电子执行器件、热电偶视为一个广义对象；2）引入自适应迭代学习控制方案，尽可能使电阻炉内温度升温过程和保持恒温过程平稳高效，达到温度控制的目的；3）记录实时电阻炉内温度，并在升温过程和保持恒温过程通过步骤（2）进行电阻炉输入电压的自适应迭代学习调整。4）对获取的温度数据进行散点图绘制，绘制完成后判断自适应迭代学习温度控制是否满足设计要求，得到自适应迭代学习温度控制在电阻炉内温度升温过程和保持恒温过程的稳定性，高效性。

权利要求

1.一种基于自适应迭代学习的电阻加热炉温度控制方法，其特征在于，包括以下步骤:一、将热电偶放置于将要研究的电阻炉内，并将热电偶与电阻炉控制仪表连接；

二、在步骤一的基础上，根据实际要求和控制精度确定时间间隔Δt，总结所有时间点并建立时间节点集合，表示为：T＝{t0,t1,…tj…}，其中tj＝tj-1+Δt；

三、计算电阻炉在各个时间点的期望温度，各个时间节点的期望温度的集合表示为：y(t)＝{y(t0),y(t1),…,y(tj),…}；其中y(tj)表示tj时刻的期望温度；

四、采集电阻炉在各个时间点的温度，各个时间点处实际测量温度的集合表示为：x(t)＝{x(t0),x(t1),…,x(tj),…}，其中x(tj)表示tj时刻测量的温度；

五、对步骤四的测量温度x(t)和步骤三的期望温度y(t)进行处理，得到误差e(t)，表达式为：e(t)＝y(t)-x(t)；

六、在步骤五的基础上，对电阻炉的炉内温度控制进行迭代调整，且所述迭代调整采用自适应迭代学习控制法，其第1次迭代的控制律表示为： x1(t)为各个时间点处第1次实际测量温度的集合，e1(t)为得到的第1次误差，第1次迭代的自适应参数学习律表示为： 其中 为系统参数的估计值，K，q为学习增益，

七、在步骤六的基础上，将第1次迭代的结果u1(t)代入电阻炉控制仪表，控制仪表根据第1次迭代结果控制电阻炉加热功率，然后进行各个时间点处第2次实际温度测量，重复步骤四至步骤六，对电阻炉的炉内温度控制进行迭代调整，如此依次进行则第k次迭代的控制律表示为： xk(t)为各个时间点处第k次实际测量温度的集合，ek(t)得到的第k次误差；第k次迭代的自适应参数学习律表示为：其中 为系统参数的估计值，K，q为学习增益；再将第k次迭代的结果uk(t)代入电阻炉控制仪表，控制仪表根据第k次迭代结果控制电阻炉加热功率；

八、在每一次迭代后，将得到的x(t)绘制成曲线图，与期望温度曲线比较，综合迭代次数和误差曲线，当误差达到要求的范围时停止迭代。

说明书

一种基于自适应迭代学习的电阻加热炉温度控制方法

技术领域

[0001] 本发明涉及自动控制领域，具体说是一种基于自适应迭代学习的电阻加热炉温度控制方法。

背景技术

[0002] 工业加热炉中的电阻炉是工业热处理的常用对象，具有非线性、时变、大惯性大滞后、模型结构具有不确定性的特点。采用传统的PID控制方法需要对对象进行模型识别，控制质量与识别精度直接有关。采用如迭代学习控制的智能控制方法，通过依靠控制经验，设计迭代学习律、专家知识库或者反复学习得到较为理想的控制效果。但是传统的迭代学习温度控制方案依旧需要对模型结构进行识别，实际控制效率与控制质量非常依赖与精确的模型识别，使用自适应迭代学习温度控制方案可以降低迭代学习温度控制方案对于精确模型识别的依赖，只在理论证明和仿真实验阶段需要模型识别的帮助，在实际应用中可以不进行模型识别，研究电阻炉温度自适应迭代学习控制有理论和实际意义。

发明内容

[0003] 本发明的目的在于改善目前电阻炉温度控制方案的效果和质量依赖于精确模型识别的现状，并且提升电阻炉温度控制方案控制效率与控制质量稳定性，提出一种自适应迭代学习的电阻加热炉温度控制方法，降低电阻加热炉温度控制对于电阻炉精确模型识别的要求，提高控制效率与控制质量。

[0004] 为实现上述目的，本发明所提供的技术方案为：一种自适应迭代学习的电阻加热炉温度控制方法，包括以下步骤：

[0005] 一、将热电偶放置于将要研究的电阻炉内，并将热电偶与电阻炉控制仪表连接，并将电阻炉、电子执行器件、热电偶视为一个广义对象；

[0006] 二、在步骤一的基础上，根据实际要求和控制精度确定时间间隔Δt，总结所有时间点并建立时间节点集合，表示为：T＝{t0，t1，…tj…}，其中tj＝tj-1+Δt；

[0007] 三、计算电阻炉在各个时间点的期望温度，各个时间节点的期望温度的集合表示为： y(t)＝{y(t0)，y(t1)，…，y(tj)，…}；其中y(tj)表示tj时刻的期望温度；

[0008] 四、采集电阻炉在各个时间点的温度，各个时间点处实际测量温度的集合表示为： x(t)＝{x(t0)，x(t1)，…，x(tj)，…}，其中x(tj)表示tj时刻测量的温度；

[0009] 五、对步骤四的测量温度x(t)和步骤三的期望温度y(t)进行处理，得到误差e(t)，表达式为：e(t)＝y(t)-x(t)；

[0010] 六、在步骤五的基础上，对电阻炉的炉内温度控制进行迭代调整，且所述迭代调整采用自适应迭代学习控制法，其第1次迭代的控制律表示为：  x1(t)为各个时间点处第1次实际测量温度的集合，e1(t)为得到的第1次误差，第1次迭代的自适应参数学习律表示为： 其中 为系统参数的估计值，K，q 为学
习增益，

[0011] 七、在步骤六的基础上，将第1次迭代的结果u1(t)代入电阻炉控制仪表，控制仪表根据第1次迭代结果控制电阻炉加热功率，然后进行各个时间点处第2次实际温度测量，重复步骤四至步骤六，对电阻炉的炉内温度控制进行迭代调整，如此依次进行则第k次迭代的控制律表示为： xk(t)为各个时间点处第k次实际测量温度的集合，ek(t)得到的第k次误差；第k次迭代的自适应参数学习律表示为：
其中 为系统参数的估计值，K，q为学习增益；再将第k次迭代的结果uk
(t)代入电阻炉控制仪表，控制仪表根据第k次迭代结果控制电阻炉加热功率；

[0012] 八、在每一次迭代后，将得到的x(t)绘制成曲线图，与期望温度曲线比较，综合迭代次数和误差曲线，当误差达到要求的范围时停止迭代。

[0013] 本发明所使用自适应迭代学习控制方法，可以简化实际应用过程中对模型识别的过程，通过自适应参数学习律计算所需参数。

附图说明

[0014] 图1为本发明流程总图。

具体实施方式

[0015] 下面结合具体实施例对本发明作进一步说明。

[0016] 本发明实例所描述的一种自适应迭代学习的电阻加热炉温度控制方法，基本思路依据电阻炉具有非线性、时变、大惯性大滞后、模型结构具有不确定性的特点，提出一种自适应迭代学习的电阻加热炉温度控制方法，降低电阻炉迭代学习温度控制方案对于精确模型识别的依赖性，并且提高控制效率与控制质量，将控制后的温度曲线与期望温度曲线进行对比验证该控制方法的可行性。其情况如下：

[0017] 一、将热电偶放置于将要研究的电阻炉内，并将热电偶与电阻炉控制仪表连接，并将电阻炉、电子执行器件、热电偶视为一个广义对象，此广义对象的特性主要由电阻炉对象本身特性决定；

[0018] 电阻炉不完全特性可以用典型近似一阶惯性环节加滞后模型表示；

[0019] 对电阻炉进行模型识别，可用于证明控制方式的收敛性；

[0020] 二、在步骤一的基础上，根据实际要求和控制精度确定时间间隔Δt，总结所有时间点并建立时间节点集合，表示为：

[0021] T＝{t0，t1，…tj…}，其中tj＝tj-1+Δt；

[0022] 三、计算电阻炉在各个时间点的期望温度，各个时间节点的期望温度的集合表示为：

[0023] y(t)＝{y(t0)，y(t1)，…，y(tj)，…}；其中y(tj)表示tj时刻的期望温度；

[0024] 四、在步骤二的基础上，采集电阻炉在各个时间点的温度，各个时间点处实际测量温度的集合表示为：

[0025] x(t)＝{x(t0)，x(t1)，…，x(tj)，…}，其中x(tj)表示tj时刻测量的温度；

[0026] 五、对步骤四的测量温度x(t)和步骤三的期望温度y(t)进行处理，得到误差e(t)，表达式为：

[0027] e(t)＝x(t)-y(t)；

[0028] 六、利用电阻炉内温度变化的特性，考虑执行器故障，速度延迟，参数不确定及控制输入约束等因素，在步骤五的基础上，对电阻炉的炉内温度控制进行迭代调整，且所述迭代调整采用自适应迭代学习控制法，其第1次迭代的控制律表示为：

[0029] x1(t)为各个时间点处第1次实际测量温度的集合，设x1(t)为0，e1(t)为得到的第1次误差；

[0030] 第1次迭代的自适应参数学习律表示为：

[0031] 其中 为系统参数的估计值，K，q为学习增益，具体增益基于对电阻炉的先验认识，

[0032] 七、在步骤六的基础上，将第1次迭代的结果代入电阻炉控制仪表，控制仪表根据第1 次迭代结果控制电阻炉加热功率，然后进行各个时间点处第2次实际温度测量，重复步骤四至步骤六，对电阻炉的炉内温度控制进行迭代调整，其第k次迭代的控制律表示为：

[0033]

[0034] 第k次迭代的自适应参数学习律表示为：

[0035] 其中 为系统参数的估计值，K，q为学习增益；

[0036] 再将第k次迭代的结果uk(t)代入电阻炉控制仪表，控制仪表根据第k次迭代结果控制电阻炉加热功率；

[0037] 八、在每一次迭代后，将迭代的结果代入电阻炉控制仪表，控制仪表根据第1次迭代结果控制电阻炉加热功率，将得到的x(t)绘制成曲线图，与期望温度曲线比较，综合迭代次数和误差曲线，得到最优的迭代结果。

[0038] 本发明所使用自适应迭代学习控制方法，可以简化实际应用过程中对模型识别的过程，通过自适应参数学习律计算所需参数。

[0039] 综上所述，本发明将自适应迭代学习应用于电阻炉温度控制，克服传统控制方法需要对对象进行模型识别的缺点，并能有效的提高控制效率和控制质量。从技术手段上具有较高的可行性。