毕业论文-还原炉硅棒温度智能控制系统

湖南大学毕业设计(论文)第Ⅰ页HUNAN毕业设计(论文)设计论文题目：还原炉硅棒温度智能控制系统学生姓名：学生学号：专业班级：自学院名称：电气与信息工程学院指导老师：学院院长：2015年5月25日湖南大学毕业设计(论文)第Ⅱ页湖南大学毕业设计(论文)第Ⅰ页摘要由于多晶硅生产目前对于光伏产业的发展具有非常重要的意义，因而在多晶硅生产中对于还原炉硅棒的表面温度控制就显得十分重要。一般工业生产中既要保持硅棒表面的最佳反应温度，又要控制温度稳定。温度控制的关键在于温度测量和温度控制，前者是温度控制的基础，其相关技术比较成熟，而后者则涉及参数大时变、纯滞后大惯性等特点，加热材料、环境温度及电流电压控制都会影响控制效果，因此是一个十分值得深入研究的课题。针对于多晶硅工业生产中的气相沉积反应特性，工业界一般采用开环方式控制硅棒温度，面对工程应用对控制方法的要求不断提高，基于传统控制理论和方法的局限性，本文针对该过程提出了无模型自适应模糊控制器作为主控制器，PI为副控制器的控制方法。这种控制方法对模型的要求低，具有自适应、克服大滞后过程的特点，运用模糊规则在线修正无模型自适应控制器参数，使生产过程温度控制既能保持收敛稳定，又能提高系统的动态性能。本课题首先对多晶硅生产的化学反应过程及其原理进行了阐述，根据硅棒的气相沉积反应特性，确定系统参数大时变特点，无模型自适应控制器作为双闭环控制系统的主控器，而仿真表明仅此能够保证系统的稳定性和收敛性，但并不能满足系统的动态性能要求，所以要采用模糊自适应方法。根据无模型自适应控制器的参数学习因子及步长序列对动态性能的影响，利用误差及其变化率整定上述两个参数。同时本文还介绍了电流、电压及温度采样的元件及PLC选型，并利用step7软件对以S7-300为核心的硬件系统进行了硬件组态。关键词：温度控制，无模型自适应，模糊控制。SiliconreductionfurnacetemperatureintelligentcontrolsystemAbstractBecausepolysiliconproductionatpresenthasveryimportantmeaningforthedevelopmentofphotovoltaicindustry,andthusforreductionfurnaceinpolysiliconproductionsiliconrodsurfacetemperaturecontrolbecomesveryimportant.Bothinthegeneralindustrialproductiontomaintainoptimumreactiontemperatureonthesurfaceofthesiliconrods,andtocontrolthetemperaturestability.Temperaturecontrolisthekeytotemperaturemeasurementandtemperaturecontrol,theformeristhebasisofthetemperaturecontrolanditsrelatedtechnologiesmature,whilethelatterinvolveslargetime-varyingparameters,purelagcharacteristicsofbiginertia,heatingmaterial,environmenttemperatureandcurrentvoltagecontrolwillaffectthecontroleffect,soitisaveryworthstudyingfurther.Forpolysiliconvapordepositionreactioncharacteristicsofindustrialproduction,theindustrygenerallyadoptsopen-loopmodecontrolsiliconrodtemperature,inthefaceoftherequirementofincreasingtheengineeringapplicationofcontrolmethod,basedonthelimitationsoftraditionalcontroltheoryandmethod,basedontheprocessofadaptivefuzzycontrollerispresentedformodelasthemaincontroller,PIasthecontrolmethodofthecontroller.Thiskindofcontrolmethodofthemodelrequirementsislow,hasthecharacteristicsofadaptive,toovercomethedelayprocess,thefuzzyrules,nomodelforonlineadaptivecontrollerparameters,theproductionprocesstemperaturecontrolcanmaintainstableconvergence,andcanimprovethedynamicperformanceofsystem.Thistopicfirstinpolysiliconproductionprocessofchemicalreactionanditsprinciplewereexpounded,accordingtothevapordepositionreactioncharacteristicsofsiliconrods,systemparameterstime-varyingcharacteristics,thereisnomodeladaptivecontrollerasthemastercontrollerofthedoubleclosedloopcontrolsystem,andthesimulationresultsshowthat'sabletoensuresystemstabilityandconvergence,butitdoesnotmeettherequirementsofdynamicperformanceofthesystem,sothefuzzyadaptivemethodmustbeused.Nomodeladaptivecontrollerbasedontheparametersofthesequenceonthepropertiesofdynamiclearningfactorandsteplength,useoftheerroranditschangeratesettingthesetwoparameters.Atthesametimethispaperalsointroducesthecurrent,voltageandtemperaturesamplingdeviceandPLCselection,andbyusingthestep7softwarewithS7-300asthecoreofhardwaresystemfortheconfigurationofthehardware.KeyWords：Temperaturecontrol,freemodeladaptive,fuzzycontrol.湖南大学毕业设计(论文)第页湖南大学毕业设计(论文)第页目录中文摘要 Ⅰ英文摘要 Ⅱ第一章绪言 11.1课题研究领域及其意义 11.1.1光伏产业发展和多晶硅生产概况 11.1.2多晶硅西门子改良生产法 11.1.3温度对西门子改良法的影响 21.2相关技术研究现状 31.2.1温度控制在国内外发展趋势 31.2.2无模型自适应算法 41.2.3模糊控制系统 41.3本文研究内容及安排 5第二章系统机理及建模 62.1化学反应机理 62.1.1恒温加热 62.1.2控制电流方案 72.2数学建模 72.2.1硅棒温度负载数学建模 72.2.2恒温加热源数学建模 82.2.3双闭环控制系统数学建模 9第三章无模型自适应控制及其改进 113.1无模型自适应控制系统 113.1.1无模型自适应控制基本概念 113.1.2泛模型及表述 123.1.3无模型自适应控制律 133.1.4伪偏导数估计算法 143.2MFAC改进方法 14第四章基于模糊控制的无模型自适应控制 164.1控制系统结构 164.2模糊系统 174.2.1模糊化 174.2.2模糊规则建立 194.2.3模糊推理及去模糊化 20第五章硬件设计 235.1电气系统 235.2控制系统硬件设计 235.2.1检测元件 235.2.2主电路 265.3小结 26第六章软件设计 276.1step7硬件组态 276.2控制算法 276.3小结 28第七章总结及展望 297.1本文主要工作 29参考文献 30致谢 31湖南大学毕业设计(论文)第页绪言1.1课题研究领域及其意义1.1.1光伏产业发展和多晶硅生产概况随着人类社会的发展，社会文明进入了一个更高的层次，现代化水平不断提高，人类对于能源的需求会不断提高。随着化石能源开采的深入，人们意识到这些不可再生能源终有枯竭的一天，于是新能源的快速发展迫在眉睫。此外，化石能源的加剧使用对环境造成严重污染，清洁能源的呼声不断加大，需求不断快速增加。太阳能光伏发电产业在这种情形下得到发展，进入到21世纪后，原油进入了疯狂上涨阶段，让各国意识到不可再生能源的稀缺性，近十年间全球累计装机容量增长了将近10倍，自2013年以来，新兴市场发力，全球市场增速回升，市场重心东移，以中日美为代表的新兴市场，在利好政策的驱动下，分别实现了12.9GW、6.9GW和4.8GW的新增市场规模，随着产品价格的上升和生产成本的下降，部分电池组件企业的毛利率已达到17%以上。多晶硅行业得到进一步发展，随着切割技术的进步和太阳能电池转换效率提高，电池硅耗量在逐渐降低，硅晶电池生产环节规模延续增长势头，全球主要十家企业电池片产能达到20GW，约占全球总产的33.3%，产量约达16.3GW，约占全球总产量40.7%。世界各国对于光伏产业依然保持了支持的态度，基于技术的进步和成本降低，各国政府都不同程度地调减了补贴额度。1.1.2多晶硅改良生产目前世界上多晶硅制备的主流技术主要有：1.改良西门子法制硅法。2.流化床制硅法。3.冶金制硅法。本文主要讨论改良西门子制硅法。所谓西门子法制硅是指在硅芯发热体上沉积硅的工艺技术，而改良西门子法是指在此基础上实现闭路循环，利用Cl2和H2先合成HCl，HCl与工业硅粉在一定温度下合成SiHCl3，然后对SiHCl3进行精馏并进行提纯，提纯后将SiHCl3改良西门子法提纯主要步骤：1.的合成：2.高纯硅生产：图1-1改良西门子法提纯多晶硅工艺流程图1.1.3温度对西门子改良法的影响三氯氢硅被氢气还原及热分解反应是吸热反应，理论上来讲温度越高越有利于反应进行，此时硅沉积速率越高，达到反应平衡的时间就越短，趋向平衡的程度越近。但事实上反应温度不能过高，因为随着反应温度的增加，不仅可以增加硅的吸收率，而且可以抑制三氯氢硅变成四氯化硅。温度高对硅转化有利是因为硅棒的生长主要是化学气相沉积。另一方面硅在硅棒表面沉积又是一个物理过程，温度升高会到底解析速率增加，吸附速率降低。温度过高，沉积硅化学活性增强，受到设备材质玷污的可能性增加，造成多晶硅质量下降，而且还会发生硅的腐蚀反应。要保持高的沉积反应速率和好的硅生长质量，温度控制要十分得当。此外还原炉内温度分布均匀度与否对沉积过程中的质量和能耗也有相当大的影响，一般来说还原炉内的温度分布均匀，各处的温度梯度小，沉积速率接近，生长质量会好，能耗也会下降。一般来讲，反应温度越高，硅结晶性越好，表面具有光亮的金属光泽，温度越低，结晶度越小，表面呈灰暗色。还原炉生产多晶硅的过程中很大程度上是控制炉内温场，只有炉内温场稳定时，硅的沉积速率才会越高，相应还原能耗也会最低。1.2相关技术研究现状1.2.1温度控制在国内外发展趋势目前国内外研究使用的温度控制方法很多，许多控制理论及方法已经发展成熟并得到了应用。一般工业温度控制都可以近似为纯滞后控制，惯性时间常数大。常用的控制方法有多种，最常见的为PID控制算法，它具有结构简单、易于理解、便于实现的优点，PID具有比例、积分、微分三种调节作用，它根据给定值与实际输出值构成控制偏差，如果能将三个参数很好都调整，那么控制效果甚佳，但在实际工业生产中，系数的选择不是那么容易。美国IBM提出的Dahlin控制算法克服纯滞后极其有效，它将闭环响应设计为一阶惯性加纯滞后，反过来推出满足该闭环响应的控制器。其参数整定也很困难，由于被控对象的时变和不确定性，使得该算法只能方便对模型参数确定的系统进行有效控制。Smith预估控制是建立在模型基础上的一种控制算法，将PID控制器并接一个Smith预估器作为补偿环节，对纯滞后系统能很好地控制。通过预估对象动态特性使被延迟了的被调量超前反馈到控制量，通过提前作用减小超调并且加速调节。模糊控制算法是一种以模糊数学、模糊语言和模糊理论为理论基础的通过计算机控制的闭环非线性控制系统。其优点是不依赖系统精确数学模型，适用复杂系统和模糊对象，控制结构简单，鲁棒性好，而且模糊规则可以通过学习不断更新。缺点是模糊化处理会导致系统控制精度降低和动态品质变差，无法定义控制目标，对复杂系统的控制存在实现难度。此外还有神经网络控制法，一般也与模糊控制相结合应用于温度控制场合。以上几个温度控制方法都有不同的特点，在实际应用中，由于实际参数的变化，单一控制往往不能应对各种复杂的情况，从发展趋势上看采用先进的数字控制技术和控制算法能取得良好效果，针对于温控被控对象的非线性、时变性、大时滞、强耦合、强干扰多种因素作用下，一般控制方法难以应对。传统PID调节器难以作为，而其他先进控制算法参数整定困难，本文提出的无模型自适应模糊控制算法适用于还原炉硅棒温度控制工业过程。1.2.2无模型自适应算法无模型自适应控制（MFAC）是一种无需建立过程模型的自适应控制方法，它无需精确的过程定量知识，系统中没有包含过程辨识部分，不需因特定过程制作控制器，不需很繁琐的参数整定过程，系统自身闭环稳定。无模型自适应控制器比较适合于解决灰箱问题，而实际上大多数工业过程都是灰箱问题。传统自适应控制如果无法获得确切的控制过程信息，一般要利用某些识别机制获得系统的动态特点，但由此会产生一些问题，例如系统需要线下学习，识别过程中激励信号和系统稳定的矛盾问题等等。而无模型自适应控制系统中因为没有识别机制所以避免了以上问题。一旦运行，无模型自适应控制器可以立刻进行调控，控制器通过缩小给定值与过程变量这意味着当过程出于稳定状态，当偏差近乎于零时，不需要修改无模型自适应控制器的权值。自适应控制器不需要人工整定参数，无模型自适应控制器真正地实现了无需参数整定，能够自适应过程动态特性的变化并克服潜在的扰动以满足新的操作条件。并且保留了一些参数允许用户及时地调整控制效果。然而目前在某些情况下无模型自适应控制器不能很好地根据对象特性自适应调整，例如控制器对前一刻的输入变化量过于敏感，导致系统鲁棒性很差甚至发散。当前无模型自适应控制器只是应用于单变量控制过程，对伺服控制系统无法证明稳定性和收敛性，所以还需进一步改良。1.2.3模糊控制系统模糊控制系统的诞生意义重大，自1965年L.A.Zadeh教授提出了模糊数学理论，模糊理论就开始发展起来。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。一般包括模糊化处理，模糊知识库，模糊推理，去模糊化四个部分组成。模糊控制优势在于它并不需要知道被控对象的精确数学模型，而且鲁棒性强，根据实际系统的输入输出结果数据，结合现场操作人员的运行经验和相关专家知识，使得控制机理和策略易于接受与理解，便可对系统进行实时控制。因此模糊控制广泛地应用于工业届各个领域。模糊控制技术已逐渐成熟完善。例如应用于交流伺服系统模糊控制、机器人控制中的模糊控制、车辆自动驾驶模糊控制、温室温度模糊控制等领域。此外还有全自动洗衣机模糊控制、空调变频模糊控制、微波炉模糊控制等应用。1.3本文研究内容及安排本课题属于应用研究,主要解决多晶硅生产过程中还原炉硅棒表面温度控制的问题,利用无模型自适应控制的稳定性和收敛性,结合模糊控制整定无模型自适应控制器参数以达到符合要求的控制。文章结构安排：主要简介目前世界上光伏产业发展情况及多晶硅生产现状，说明了西门子改良法中硅棒表面温度控制的意义及对生产质量的影响。接着介绍了国内外温度控制领域常用的方法，并介绍了无模型自适应及模糊技术的发展情况。介绍多晶硅生产反应机理，分析了气相沉积反应及几种影响硅棒表面反应温度的因素，确定了加热电源类型并提出交流相控方式控制法，确定电压给定控制作为硅棒电流方式。推导出系统相关数学模型并对参数进行了估计。阐述了无模型自适应控制（MFAC）理论，分析了MFAC控制器受控制器参数影响的因素，针对本课题中温度控制的特殊要求，提出了相应的控制器改进方法。介绍了模糊控制系统，并基于被控对像的数学模型，利用模糊控制在线修正MFAC控制器参数，改进MFAC控制性能。介绍了相关硬件选型实现，并介绍了基于S7-300为核心的控制系统硬件结构。根据系统硬件要求，提出控制算法并设计相关程序框架。总结本课题主要工作方向并提出下一步研究学习方向。系统机理及建模2.1化学反应机理2.1.1恒温加热工业生产多晶硅过程中，加热过程分为预加热、持续加热、恒温加热三个过程，其中恒温加热是生产中最重要的环节，需要将硅棒温度控制在1000~1080℃。硅棒表面温度除了受电源加热影响，还会因炉内混合气体压力、炉体冷却系统作用而产生影响。因此受控对象是一个非常复杂的过程。恒温加热过程阶段，系统将结构4的气源转换为按一定浓度配比的三百摄氏度左右的三氯氢硅和氢气，与此同时把电源调为调压电源。现场操作人员通过DCS上获取温度传感器导出的硅棒表面温度，人工控制通过硅棒的电流强度，控制其外表温度保持在1000~1080℃。当反应逐渐进行，体表反应接触面积增大，硅棒将会越来越粗，此时需要调整通气量和混合气体配比。因为该反应过程为吸热反应，所以要调整通过硅棒的电流强度以达到提供外加热源的作用。改良西门子法主要为三氯氢硅与氢气在高温状态下生成沉积硅和氯化氢，此气相沉积法制硅过程中硅棒表面温度是反应进行的重要影响因素，主要影响方面有：通过硅棒的电流强度影响产热量，进而影响硅棒表面温度，恒温加热阶段电流越大此作用越强。参与化学反应的炉内混合气体在进入还原炉时会吸收一部分炉内热量导致硅棒表面温度下降，此外吸热反应作用下混合气体的成分组成以及浓度影响反应进程速度，进一步影响硅棒表面温度。炉体本身水冷却系统的水流量以及冷却水通过热传导、辐射等作用也会吸收部分热量使硅棒表面温度下降。通入交流电的集肤效应作用下可认为电流集中于一个圆环上，随着反应的进行硅棒不断变粗，体积变大，产热量传导至表面的速度变慢也可影响硅棒温度。以上几个影响硅棒表面温度的因素可总结为：图2-2控制变量选择此外，随着反应过程的进行，虽然在特定温度条件下硅棒的电阻率不会发生变化，但由于硅棒变粗导致硅棒截面积变大，同时意味着消耗的产热量增加。这两个方面与电流与电压有着密切关系，恒温反应过程中硅棒的直径大小与电压呈负相关关系，与电流呈正相关关系。2.1.2控制电流方案对于通过硅棒的电流大小控制，主要方法是工业现场人员在DCS上根据热传感器导出的温度来调整电流大小。实际工业生产中硅棒电流变化很慢，能够实现闭环温度控制，此法是大部分多晶硅生产所采用的方案，但此方案的缺点是需要的人工操作量很大。2.2数学建模2.2.1硅棒温度负载数学建模在气相沉积反应过程中，恒温加热阶段假定硅棒各处温度相同，硅棒形状粗细均匀分布。由能量守恒定律可知，硅棒热量变化为交流电热效应产热量减去硅棒表面反应吸收去的热量和还原炉冷却系统吸收热量之和。整理可得出：硅棒电流—温度传递函数：该式中，为放大系数，为硅棒温度时间常数，为温度延时时间常数，参数说明为：放大系数影响因素：硅棒两端电压大小，但短时间内其数值变化幅度不大可以看作为常数；炉内混合气体与周围介质的热传导系数，由于沉积反应过程中炉内混合气体配比是随时间变化的，所以热传导系数也会随时间变化；硅棒直径大小也会对放大系数产生影响。综上所述为时变参数。时间常数影响因素：炉内混合气体的质量，由于反应的不断进行混合气体总体积不变但配比会发生改变，进而导致密度变化；炉内混合气体与周围介质热传导系数也会对产生影响。延时时间常数影响因素：与硅棒直径有关，但一般认为在高温环境下此参数变化不大，一般取5~12s。2.2.2恒温加热源数学建模硅棒温度控制的几个影响因素中,最直接且重要的就是通过硅棒的电流强度大小。在气相沉积反应中，硅棒在高温环境下热应力较差，对于温度波动变化相当敏感，易发生裂棒等影响生产的现象。因此需要精确控制电流。硅棒加热电源选择一般从三个方面考虑：加热电源的电压电流可实时调控；炉内加热需要大功率电源，因此必须考虑功率因数以及谐波含量；要保证工业上的可实现性和可靠性。本课题采用交流相控加热电源，通过使大功率晶闸管触发角在0~90°范围内移相调节加热电源电压电流。此法需额外增加无功补偿装置以弥补当触发角较大时功率因素变低、电流畸形以及谐波变大的不足。只要配合功率补偿装置就可以很大程度上提高功率因数。图2-3交流相控方式波形图由于交流电的集肤效应作用，硅棒电流密度会集中于接近硅棒表面部分，故电流热效应产热也主要集中于接近表面处，而气相沉积反应也发生于硅棒表面处，故充分利用交流电产热可以减少能耗。本课题采用电压给定控制方式来精确控制，被控对象为交流变送器，在电压给定的条件下，只需对控制器的参数进行调整，电压将会跟随预设值，能够间接地对输出电流大小进行精准控制,此法参数整定较于容易实现。由参考文献【】可知晶闸管交流变送器模型如下：式中，为晶闸管放大系数，为晶闸管惯性时间常数，取晶闸管失控平均滞后时间。2.2.3双闭环控制系统数学建模由于多晶硅生产过程中要求温度和电流波动都不能很大，所以需要抑制各种扰动因素，故本课题选择双闭环控制系统。图2-12总系统框图被控对象1为硅棒两端电压，被控对象2为硅棒温度，副控制器选择PI控制器，其传递函数为：其中为比例系数，为积分系数；对于系统不考虑主控制器的环节，开环函数可写为：其中、和分别表示硅棒两端的电压，电流和电阻。三个参数都会发生时变，而且电流对于开环传递函数影响最大。电流和电压从本质上讲是在气相沉积过程中多晶硅沉积导致电阻发生改变引起的。晶闸管参数和能够确认为常数。对于内环，系统动态特性指标在一定条件下可以对PI控制器的整定参数和优化改进，因此参数和就可以确定。还原炉内部混合气体与周围环境介质的总热传导系数、热容和质量跟混合气体成分相关，在反应过程中一直发生时变。参数D也随时间逐渐增大。第三章无模型自适应控制及其改进由上一章推导的数学模型可知系统的被控对象存在非线性、参数时变及滞后性的复杂特性，模型的参数与硅棒通电电流与混合气体配比有关，且硅棒直径不易测量。故传统的控制理论方法无法解决此种问题，于是需要一种不依赖于系统模型而又具备一定抗干扰性的方法，据此设计的控制器作为双闭环结构的主控制器，控制硅棒温度跟随给定温度。3.1无模型自适应控制系统3.1.1无模型自适应控制基本概念无模型自适应控制(MFAC)是一种基于数学模型的控制方法，但与常规的反馈控制所不同的是自适应控制依据的关于模型和干扰的先验知识比较少，常规的控制系统设计步骤一般是先建立数学模型，再根据精确模型确立控制器模型，把控制系统的设计分为建模与设计控制器两个任务。因此控制器的设计依赖于被控对象的结构和参数，而在实践中往往很难获得被控对象的某些特征参数。尽管在某些情形下可以获得反应系统特性的物理模型，具有符合实际的结构，但往往简化了数学模型以便于对实际对象进行分析和综合。随着环境的变化系统的动态特性也会发生改变，导致偏离设计标准并产生误差。当系统的动力学特性位置或者难以预计时，人们无法建立精确的受控模型，MFAC则是在控制对象的参数位置或者时变的情况下，经过动态的自动在线调整，实现最优化处理。现行阶段在大部分实际系统中一般普遍采用线性控制器，因为人们对其有着深刻认识，同时线性控制器结构简单，易于在工程中实现。但线性控制器无法利用被控过程的某些非线性特征，因此针对非线性系统此类控制器就难以实现良好的控制效果。而MFAC只需利用系统的I/O信息即可完成控制器的设计，并不依赖被控对象的动力学特性，本质上适用于非线性系统。MFAC能够方便地解决非线性、时变、大滞后等一些工业控制过程问题。一般它具备以下特点：能够克服时滞特性并具有对非线性环节的控制效果。拥有很强的自适应能力，能够适应被控对象的动力学特性变化及外界环境变化。能够满足多目标高性能任务要求，具有一定灵活性及主动性。鲁棒性强，系统抗干扰能力强。3.1.2泛模型及表述一般离散时间非线性系统可表示为：yk+1其中y(k),u(k)分别表示系统的输出与输入量，m,n分别表示系统阶数，式(3.1)又称作含输入量的非线性回归模型，为了方便研究无模型自适应控制算法，我们对单输入单输出的非线性系统的假设和定理作以下陈述：假设3.1：非线性系统的输入输出能观测且能控，即对某一系统一致有界的期望输出信号y*(k+1)存在一有界的可控输入信号，使得系统在此控制输入作用下输出等于期望值。【】假设3.2：系统f(...)关于当前的控制输入u(k)存在连续偏导。【】假设3.3：系统3.1是广义Lipschitz的，即满足任意时刻时的k和∆u(k)≠0有：∆y(k+1)其中∆yk+1=yk+1-y(k),对于上述三条假设的解释：假设3.1是一条对受控系统的基本假设，若不满足则系统不可能受控。假设3.2包括一类非线性系统。假设3.3是对有界输入对应有界输出的一种限制。定理3.1：对于非线性系统3.1，当满足上述假设时，当∆u(k)≠0时，必定存在一个伪偏导φ(k)，使得该非线性系统系统可以表示如下：yk+1其中φk≤b，式3.2叫做系统的泛模型，φk为特征参量，其中能够实现自适应部分的就是φk，它实际上是设计控制律问题是给定yk+1=y0，而uykφk-1满足yk上面的模型为系统在k时刻的输入输出等价线性化结果。由历史观测结果求出系统中φk-1的估计值φk-1，再对φk-yk+1-yk于是可用yk+1-yk=上述根据系统输入参数与输出参数求解泛模型的方式的过程称为泛模型方法【】。泛模型在无模型控制律基本形式导出中起了很大影响的作用，引入泛模型是为了避免自适应控制器设计前的建模过程。该模型在反馈过程中会不断得到校正，也会与无模型控制律的基本形式同时存在。特征参量φk为一个时变参数，它与采样时刻k为止输入输出信号有关。泛模型的结构很简单，能够将一个复杂的3.1.3无模型自适应控制律对于下列控制输入准则函数：Ju其中λ是权重因子，y*k+1和y(k+1)是k+1时刻的期望值输出和实际输出，u(k-1)分别表示不同时刻的输入量。其引入可以限制输入的变化，而且能够跟踪误差。整理式子(3.7)可得控制律算法【】：（3.8）该式中为学习因子，其作用与参数有同样作用，可改变变化幅度。3.1.4伪偏导数估计算法由于上述算法中k时刻伪偏导数为未知参数，故要对φkJφ其中y*(k)表示k时刻系统输出，μ为权重因子，对（3.10）μ为惩罚因子，。无模型自适应控制算法结构图：图3-1无模型自适应闭环控制结构图综上所述，无模型控制律由泛模型的辨识算法和基本控制算法交互组成。该方案仅仅利用到受控系统的输入输出量，与系统结构、参数、阶数无关，因此可适用于时变非线性离散时间系统。3.2MFAC改进方法本课题研究的为还原炉硅棒温度控制，所以是时变系统，该设计要求被控量保持稳定，普通MFAC对被控参数时变并不能满足动态性能要求。MFAC仅仅利用输入输出数据驱动控制并不能达到很好的效果，还应对误差及误差变化率加以有效利用，以对MFAC参数进行实时校正，减小系统稳态误差时间。通过对本章的上述参数和对系统动态性能的研究可发现，在线调整和的值可以加速系统响应速度，而且可使系统快速收敛到给定值。第四章基于模糊控制的无模型自适应控制由上章所得模型可知，一般的MFAC不能够很好地满足硅棒温度控制系统，因此在线修正MFAC控制器参数以提高系统稳态性能，提高改进的基于模糊控制的无模型自适应控制器（FSMFAC）对时变非线性系统的性能要求。4.1控制系统结构图4-1FSMFAC结构图由上一章知识可知,通过在线修正自适应控制参数和可以优化系统性能，偏差值较大时加速响应、偏差值较小时减小超调。本章讨论在和不变且系统稳定情况下运用误差及误差变化率通过模糊规则进行MFAC控制器参数和的整定。上图为FSMFAC控制结构图，首先通系统给定输入量与反馈变送量求得误差，其次计算误差变化率=-。将这两组数据送入到模糊控制器中，又模糊推理得出学习因子整定量和步长序列整定量。此外根据、、、四个数据计算出控制律参数，然后将其运用于被控对象上，使其产生新的反馈变送值，依次循环往复即可，算法流图如下：图4-2FSMFAC算法流程图4.2模糊系统4.2.1模糊化由前述知识可知，该模糊系统的输入量可以取由温度传感器所获得的还原炉硅棒表面温度与设定温度之间温度差值和差化率，以学习因子整定量和步长序列整定量作为输出量。、、和基本论域可设定为[-5,+5]、[-10,+10]、[-0.01,+0.01]、[-0.1,+0.1]，但具体数据要根据实际情况而定。类似的可设定、、和模糊域为[-4,-3,-2,-1,0,+1,+2,+3,+4]，一般论域的量化分级越多，控制精度也会相应提高，但过复杂量化准则会使算法变复杂。因此取合适的量化分级也是很重要的。假定、、和的量化因子分别为、、、。则=(4-=(4-=(+0.01-=(+0.1-选取好输入输出量之后，模糊化过程就是将、、和变化区间映射到对应的论域中，再将该论域中的数据变换成语言变量以构成模糊集。由此可通过输入的、量作为模糊控制中的条件经过模糊规则实现模糊推理。通常而言一个语言变量可以对应多个模糊集中的函数，但并不是对应越多个越好。此外每个语言变量的各隶属函数模糊集间无明确界线，即隶属函数间必定存在重合的情形。按照正常的思维习惯来讲一般在描述事物大小时可分为大，中，小三档，每档又可以有正负之分，即模糊变量可以分为许多个子集。在本课题研究中，、、和的模糊变量可以有以下子集定义法：以上定义的变量都采用三角隶属形式表示：图4-2误差隶属函数图4-3误差变化率隶属函数图4-4学习因子变化量隶属函数图4-5步长序列因子变化量隶属函数4.2.2模糊规则建立有了输入输出变量定义及模糊变量论域定义之后，还需要建立模糊规则以便于模糊推理的进行，一般规则的建立是借助于经验性知识或者专家知识描述，所以模糊规则是一系列的IF……THEN……条件语句的集合体，这类规则易于通过模糊逻辑推理来加以实现。本课题利用模糊控制技术自整定无模型自适应控制器的参数，因此有以下模糊规则：当误差及误差变化率同向改变时，此时输出偏离预设值，误差绝对值增大，应让符号为正或者符号为负，以加强MFAC克服误差的能力，使得收敛于预设值。反制有当误差及误差变化率反向改变时，此时输出收敛于预设值，误差绝对值减小，应让符号为负或者符号为正，以使系统输出收敛于稳定值后不会出现大超调。在参数整定初期，输出与预设值有很大偏差，所以需要取较大的值和较小的值以提高系统响应速度。在参数整定中期，应适当减小值或增大值。在参数整定后期要抑制超调，也应减小值或增大值。根据以上模糊规则整定参数，建立出MFAC参数中、、和的规则表：表4-1的模糊规则NBNMNSZOPSPMPBNBPBPMPSZOPBPBPBNMPMPSZONSPSPMPBNSPSZONSNMZOPSPMZOZONSNMNBNMNSZOPSPSPSZONMNSZOPSPMPMPMPSNSZOPSPMPBPBPBPMZOPSPMPB表4-2的模糊规则NBNMNSZOPSPMPBNBNBNMNSZONMNBNBNMMMNSZOPSNSNMNBNSNSZOPSPMZONSNMZOZOPSPMPBPMPSZOPSNSNSZOPMPSZONSPMNMNMNSPSZONSNMPBNBNBNMZONSNMNB4.2.3模糊推理及去模糊化确立模糊规则之后，需进行模糊推理及去模糊化过程。模糊推理法一般有Mandani法及Sugeuo法等，去模糊化方法有最大隶属度法、重心法、加权平均法等等。本课题采用Mandani推理法及重心法去模糊化。重心法简介：通过模糊隶属函数曲线与基础变量所围面积的重心对应的基本变量作为去模糊化输出值，算法为：其中u*为去模糊化输出值，u为输出值，为模糊集隶属函数，为模糊交点集数目。这种方法的优点在于精度高，输出平滑。由以上模糊规则，模糊化处理，去模糊化等步骤，利用MATLAB仿真可得出输入输出量表：表4-3输入输出表-4-3-2-101234-43.5802.7202.0000.9470.0000.0001.2003.5503.5803.2102.3301.7200.9320.0000.0001.4703.0603.060-32.7201.7901.0800.0000.9470.9470.4351.7603.5502.3301.7800.9040.2030.4820.4820.8261.8003.040-22.0001.0800.6661.3301.3302.0000.6661.1802.8501.7200.9040.3170.9730.6551.3000.3171.1802.560-10.9470.0001.3302.0503.4302.7201.4000.0341.8200.9320.2030.9731.5202.9402.2001.2600.0001.47000.0000.9042.0002.7203.5803.5502.8501.7900.0000.0000.4821.3002.2002.9802.9702.4401.3200.00010.9470.4630.2380.9332.7202.7202.0600.8330.9470.9320.7040.0200.9502.2002.2001.5800.4010.93222.0002.0001.3300.2382.0002.0001.3300.2752.0001.7201.7201.0700.0201.3001.3000.9730.4391.72032.7202.7202.0600.8630.9470.9470.2500.9762.7202.3302.3301.9501.1700.4820.4820.0990.9682.33043.5803.5503.5801.8200.0000.0000.6671.7603,583.2103.2003.0402.0500.0000.0000.6551.8003.060说明：上表中每一个方框中的两个数据，其上部的数据为输出量，而下部的为的输出量第五章硬件设计上一章给出了基于无模型自适应的还原炉温度模糊控制方案，对此还需要相应的硬件系统，本章针对上述方案的特点探讨研究了相关硬件元件的选型及整体系统结构的组成。5.1电气系统简介目前多晶硅工业生产中，还原炉内为十二对硅棒控温加热，圆柱形还原炉直径约为160Ccm，高3m，硅