基于DRNN的纸机定量水分解耦控制仿真分析  

Paper Basis Weight and Moisture Decoupled Control Based on Diagonal Recurrent Neural Network

作　　者：周炜[1] 胡慕伊[1] 

机构地区：[1]南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京210037

出　　处：《中国造纸学报》2010年第1期72-74,共3页Transactions of China Pulp and Paper

基　　金：江苏省制浆造纸科学与技术重点实验室开放基金项目(200909)

摘　　要：针对抄纸过程中具有的强耦合、大时滞特点,提出了一种自适应的PID解耦控制方法,利用对角回归神经网络(DRNN)来辨识系统模型,通过对PID控制器参数进行调整,实现多变量解耦控制。对纸机定量、水分控制系统的仿真研究结果表明:该方法具有较快的系统响应和抗干扰能力,较好地解决了定量和水分之间的耦合作用。Considering paper-making process has strong coupling and large time-delay characteristics,and an adaptive PID control method is suggested to decouple the basis weight and moisture.It can perfectly achieve to decouple multi-variable control system by using diagonal recurrent neural network to identify the system model and adjust the PID parameters.Simulation on basis weight and moisture control system shows that it has fine performance on decoupling and fast response

关 键 词：定量 水分 解耦控制 对角回归神经网络(DRNN) 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TS736.4[自动化与计算机技术—控制科学与工程]