微波加熱過程熱點與熱均勻性控制與優(yōu)化研究.pdf

1、面對日益增加的能量消耗以及嚴重的環(huán)境污染，節(jié)能減排已成為我國的基本國策，改變現(xiàn)有的以煤、石油為主的化石燃料加熱方式，使用清潔能源刻不容緩。微波能是一種清潔能源，可以通過使用電能的方式產(chǎn)生，可用于眾多工業(yè)熱處理領域。相較于傳統(tǒng)加熱方式，微波能在眾多工業(yè)領域顯露出卓越的節(jié)能省時特性，受到越來越多研究人員與公司的重視。但微波能應用需要解決兩大問題：熱失控與熱不均，熱失控會導致加熱媒質(zhì)損壞，更嚴重的情況下會導致加熱腔體爆炸，而熱不均會影響最終加

2、熱效果，導致媒質(zhì)不同位置溫度差異很大。本文的研究工作主要針對工業(yè)微波加熱特點，基于微波加熱過程中微波功率分布和媒質(zhì)介電特性等先驗性知識，分析微波加熱過程中溫度場非均勻性、媒質(zhì)溫度辨識、熱點溫度控制以及多目標優(yōu)化問題，改善微波加熱媒質(zhì)溫度場非均勻性，實現(xiàn)熱點溫度控制。
　　增加微波輸入饋口，可以改善加熱媒質(zhì)溫度場均勻性，但現(xiàn)有的研究多關注于微波源在反應腔體外壁饋口位置優(yōu)化選擇，對加熱過程中微波源輸入功率及相位的主動控制實現(xiàn)溫度場均勻

3、性較少研究。加熱媒質(zhì)在兩個輸入源下溫升過程是多輸入源的一種典型情況，本文對兩輸入微波源作用下的加熱媒質(zhì)溫度場均勻性實現(xiàn)進行了分析。通過改變微波源入出功率和相位，可以在媒質(zhì)的任意位置得到希望的功率分布，以此可以得到在時間維度上均勻的微波功率分布，基于此設計了布谷鳥搜索結(jié)合滑模神經(jīng)網(wǎng)絡的控制算法，對兩個微波輸入源的功率和相位進行實時控制，實現(xiàn)均勻的溫升過程。同時，考慮實際情況下，微波源實際輸入功率和相位與控制算法計算值存在誤差，對微波源輸入

4、功率在計算值100±40％范圍內(nèi)隨機變化、相位差在計算值100±20%范圍內(nèi)隨機變化以及溫度傳感器存在0.3±0.3 K范圍內(nèi)隨機變化誤差的情況進行了仿真計算，仿真結(jié)果表明：布谷鳥搜索結(jié)合滑模神經(jīng)網(wǎng)絡算法可以得到媒質(zhì)溫度場均勻的溫升過程。通過與遺傳算法比較分析可知，布谷鳥搜索算法可以在更短時間內(nèi)得到更優(yōu)的輸入功率值。
　　在微波加熱過程系統(tǒng)辨識研究中，一般采用多層前向靜態(tài)神經(jīng)網(wǎng)絡。但由于微波加熱是時變系統(tǒng)，且一種訓練好的模型在媒質(zhì)

5、加熱環(huán)境發(fā)生變化的情況下難以應用，因此需要實時采樣過程數(shù)據(jù)，導致靜態(tài)模型難以準確描述微波加熱過程。本文提出了一種遞歸自進化模糊量子神經(jīng)網(wǎng)絡模型，用以對微波常規(guī)加熱與干燥過程進行系統(tǒng)辨識，該模型通過實時采樣微波加熱過程數(shù)據(jù)，實現(xiàn)神經(jīng)網(wǎng)絡參數(shù)及結(jié)構更新，以得到最佳的辨識結(jié)果。遞歸自進化模糊量子神經(jīng)網(wǎng)絡將微波輸入功率及先前狀態(tài)信息作為輸入層用以預測下一時刻的狀態(tài)數(shù)據(jù)，在溫度辨識中， 辨識誤差可以控制在1K以內(nèi)。將遞歸自進化模糊量子神

6、經(jīng)網(wǎng)絡應用于在動態(tài)系統(tǒng)辨識與混沌模型預測，通過與現(xiàn)有的耦合局部反饋遞歸自進化模糊神經(jīng)網(wǎng)絡與泛函連接交互式遞歸自進化模糊神經(jīng)網(wǎng)絡比較分析，可以得出該模型在相同的訓練周期下，具有更優(yōu)的辨識能力。
　　在微波加熱過程中，在先驗知識可用與不可用情況下，本文設計了兩種不同的控制算法。在先驗知識可用的情況下，提出Lambert定律結(jié)合實時溫度信息算法計算微波功率分布，仿真結(jié)果表明該算法可以得到比Lambert定律準確性更高的計算結(jié)果?；诖怂?/p>

7、法，在過程參數(shù)近似已知情況下，進一步提出了模型預測控制算法，實現(xiàn)媒質(zhì)溫度準確跟蹤預期軌跡。但更普遍的情況是微波加熱過程中無可用先驗知識，在反應腔體內(nèi)部，微波功率通常是非均勻性分布，并且該時變系統(tǒng)過程參數(shù)基本上是未知的?，F(xiàn)有的控制方法有比例積分微分（PID）控制、線性化跟蹤控制、經(jīng)驗公式、自適應神經(jīng)網(wǎng)絡模糊控制器等，但這些算法具有如：誤差大、需要系統(tǒng)參數(shù)、泛化能力差、需要大量訓練等缺點，因此需要研究一種具有更廣應用范圍、參數(shù)容易確定、控制

8、精度較高的控制算法。本文提出滑模徑向基神經(jīng)網(wǎng)絡控制算法對單微波輸入和微波結(jié)合空氣熱對流輸入情況下的控制輸入設計問題進行了分析。針對加熱過程在相同實驗條件下，可以多次重復與難以重復的情況，提出了相應的固定學習速率控制算法及自適應學習速率控制算法。在單微波輸入中，該算法在仿真與實際實驗中，均獲得良好的控制效果，在實際應用中，通過神經(jīng)網(wǎng)絡的學習過程，溫度跟蹤誤差可以逐漸收斂到1K以內(nèi)。在微波結(jié)合空氣熱對流多變量仿真實驗中，該算法可以計算得出合

9、適的微波功率與熱對流控制輸入值，保證媒質(zhì)溫度準確跟蹤預設軌跡。
　　在微波加熱過程中，針對控制目標，如：溫度、能量利用率、含水率等過程變量，為實現(xiàn)多目標優(yōu)化控制，確定最優(yōu)輸入功率，本文研究了一種針對微波干燥過程的多目標預測優(yōu)化算法。根據(jù)微波干燥過程的時變特性，提出了基于遞歸自進化模糊神經(jīng)網(wǎng)絡的多目標預測優(yōu)化控制算法。在紅衫木干燥仿真實驗中，選取溫度和含水率作為控制對象，通過應用遞歸自進化模糊神經(jīng)網(wǎng)絡多目標預測優(yōu)化控制算法，可以實現(xiàn)