基于PSO—GA算法的真空退火系统的解耦控制

汤素丽+董小磊

摘要：真空退火系统是一个多输入多输出、耦合很强的时变系统，耦合会使其控制系统的调节品质降低，严重耦合时将会使系统无法运行。为了对退火温度实现精确地控制，对其顶部、中部和底部的温度进行了解耦控制方案的设计，并利用改进PSO-GA混合优化算法对神经网络的权值和阈值进行优化，为真空退火炉提出一种新的解耦控制方法。利用Matlab对该算法的性能进行仿真验证，并与传统PID及PID神经网络等解耦控制方法进行了对比分析，该解耦控制方法在控制性和抗干扰性上都具有较好的控制效果。

关键词：PSO-GA；混合优化算法；真空退火炉；解耦控制；神经网络

中图分类号：TP273 文献标识码：A 文章编号：1009-3044（2017）17-0180-03

1概述

真空退火炉是在航空、航天、国防工业等尖端领域中广泛应用的热处理设备，常见的内热式、外热式两种类型。文中以内热式真空退火炉控制为研究对象，由于其三个温区的温度输出存在的强耦合现象，而导致控制系统产生波动，严重影响了产品的退火质量，因此对真空退火温度进行解耦控制非常重要。

通过大量实验研究发现：为了获得更为理想的控制效果，采用基于神经网络的解耦控制方法是实现解耦控制的一种有效途径。由于神经网络自身的局限性，单独使用时很难满足系统的要求，所以通常结合其他的算法来实现耦合系统的解耦控制。针对内热式真空退火炉的控制问题，本文提出了基于PSO-GA算法的神经网络解耦控制新方法对多变量系统进行解耦控制，并将此新方法应用于真空退火系统中。

2真空退火炉温度解耦控制的设计

2.1真空退火炉温度解耦控制方案

图1为真空退火炉温度控制系统的结构图，其中G（s）和D（s）分别是温度控制对象和控制器的传递函数矩阵；R（s）和Y，（s）分别是给定值向量和输出向量。

图7、图8和图9分为顶部、中部和底部温区的MATLAB仿真对比图，将多输入多输出的系统解耦为单变量系统控制。仿真对比图显示：稳态下，基于PSO-GA算法的神经网络解耦控制方法可以全解耦，还能实现较精确的跟踪控制，并且速度快，超调量小，控制效果比传统HD控制好很多。

2）与单纯的PSO算法PID神经网络解耦控制结果比较

由图11和图12所示的仿真图可以看出，基于混合算法的神经网络PID控制策略在跟踪速度、控制准确性和稳定性上都比基于單纯的PS0算法的神经网络PID控制方法要好。

4结论

本文对真空退火炉温控系统的解耦控制器进行了设计，通过仿真验证该方法的解耦效果，并与传统PID、基于PSO算法的神经网络、基于GA算法的神经网络解耦控制方法都进行了对比，结果表明，笔者提出的基于混合算法的解耦控制方法的控制性能较好，并且稳定性也较好。