Details

В данной выпускной квалификационной работе исследована возможность применения нейросетевых технологий для адаптивной настройки параметров ПИД-регулятора в системе управления температурой нагревательной печи. Актуальность работы обусловлена необходимостью повышения точности и эффективности управления температурными процессами в условиях изменяющихся внешних условий, таких как накапливаемое печью тепло, тепловые потери, а также теплоемкости обрабатываемого материала, различные аварийные сценарии на производственной линии. Целью работы является разработка и анализ системы управления температурой нагревательной печи на основе адаптивного ПИД-регулятора с нейросетевой настройкой, обеспечивающей поддержание заданной температуры с высокой точностью в условиях переменных параметров объекта. Для достижения поставленной цели были решены следующие задачи: 1. Проведен анализ существующих методов управления температурой нагревательных печей, включая традиционные ПИД-регуляторы и адаптивные системы управления. 2. Разработана математическая модель нагревательной печи, учитывающая динамику теплообмена, теплоемкость и влияние внешних факторов, реализованная в среде MATLAB/Simulink. 3. Спроектирована система управления температурой, включающая ПИД-регулятор и нейронную сеть для онлайн-настройки его параметров. Выбрана архитектура нейронной сети и определен алгоритм обучения. 4. Проведено моделирование разработанной системы в различных сценариях, имитирующих изменения внешних и внутренних условий. 5. Осуществлен анализ результатов моделирования, включающий сравнение работы системы с классическим ПИД-регулятором и с нейросетевой настройкой, и проведена количественная оценка эффективности предложенного решения. В ходе исследования было показано, что адаптивный ПИД-регулятор с нейросетевой настройкой обеспечивает более точное и стабильное поддержание заданной температуры в нагревательной печи по сравнению с классическим ПИД-регулятором, особенно при существенных изменениях внешних условий. Нейронная сеть успешно адаптирует параметры ПИД-регулятора в режиме реального времени, компенсируя изменения в параметрах объекта и внешних возмущениях. Результаты работы могут быть использованы для разработки более эффективных систем управления температурными процессами в промышленных и бытовых нагревательных печах, а также в других областях, где требуется точное поддержание заданных параметров в условиях неопределенности и изменяющихся условий. Для достижения данных результатов в работе были использованы следующие информационные технологии: среда разработки MATLAB, среда графического программирования SIMULINK.

This final qualifying work examines the feasibility of using neural network technologies for adaptive tuning of PID controller parameters in a heating furnace temperature control system. The relevance of this work stems from the need to improve the accuracy and efficiency of temperature control under changing external conditions, such as heat accumulated by the furnace, heat losses, the heat capacity of the material being processed, and various emergency scenarios on the production line. The aim of this work is to develop and analyze a heating furnace temperature control system based on an adaptive PID controller with neural network tuning, ensuring high-precision maintenance of a set temperature under variable plant parameters. To achieve this goal, the following tasks were solved: 1. An analysis of existing heating furnace temperature control methods, including traditional PID controllers and adaptive control systems, was conducted. 2. A mathematical model of the heating furnace was developed, taking into account heat transfer dynamics, heat capacity, and the influence of external factors, implemented in the MATLAB/Simulink environment. 3. A temperature control system was designed, including a PID controller and a neural network for online tuning of its parameters. The neural network architecture was selected, and a learning algorithm was defined. 4. The developed system was simulated in various scenarios simulating changes in external and internal conditions. 5. The simulation results were analyzed, including a comparison of the systems performance with a classic PID controller and with neural network tuning, and a quantitative assessment of the proposed solutions effectiveness was conducted. The study demonstrated that the adaptive PID controller with neural network tuning provides more accurate and stable maintenance of the set temperature in the heating furnace compared to a classic PID controller, especially under significant changes in external conditions. The neural network successfully adapts the PID controller parameters in real time, compensating for changes in the plant parameters and external disturbances. The results of the work can be used to develop more efficient temperature control systems in industrial and domestic heating furnaces, as well as in other areas where precise maintenance of specified parameters is required under conditions of uncertainty and changing conditions. To achieve these results, the following information technologies were used in the work: the MATLAB development environment and the SIMULINK graphical programming environment.