大型低溫制冷系統(tǒng)是相對(duì)于脈沖管制冷機(jī)、G-M 制冷機(jī)以及斯特林制冷機(jī)等小型制冷機(jī)而言的，它是以膨脹機(jī)為核心產(chǎn)冷部件、并形成回路的制冷系統(tǒng)。其中大型氦低溫系統(tǒng)（主要包括氦制冷機(jī)和氦液化器）是指以氦為工質(zhì)采用透平膨脹機(jī)的大型低溫系統(tǒng)。其被廣泛應(yīng)用于散裂中子源、正負(fù)電子對(duì)撞機(jī)和超導(dǎo)托卡馬克等大科學(xué)裝置中，目的是冷卻超導(dǎo)線圈等熱負(fù)載。伴隨低溫超導(dǎo)、核能與高能物理等科學(xué)技術(shù)近年來(lái)的迅猛發(fā)展，相關(guān)學(xué)科對(duì)大型氦制冷系統(tǒng)提出了新的要求，由于這些系統(tǒng)在運(yùn)行中往往會(huì)產(chǎn)生熱脈沖，通過(guò)負(fù)載端傳導(dǎo)給制冷系統(tǒng)，從而對(duì)制冷系統(tǒng)產(chǎn)生熱沖擊，帶來(lái)系統(tǒng)工質(zhì)壓力和質(zhì)量流量的大幅波動(dòng)，進(jìn)而威脅壓縮機(jī)和透平等關(guān)鍵部件的安全運(yùn)行。現(xiàn)有的大型氦制冷系統(tǒng)的控制系統(tǒng)并不能很好的處理類似熱沖擊的較大擾動(dòng)，使得大型氦制冷系統(tǒng)需要面對(duì)熱沖擊的新挑戰(zhàn)。為了應(yīng)對(duì)此類挑戰(zhàn)，本文給出了一種基于模糊神經(jīng)網(wǎng)絡(luò)方法的多變量協(xié)同控制策略。神經(jīng)網(wǎng)絡(luò)控制具有學(xué)習(xí)功能，善于自適應(yīng)自學(xué)習(xí)，能夠適應(yīng)環(huán)境的變化自動(dòng)修改控制參數(shù)，反應(yīng)迅速，但魯棒性不高。而模糊控制具有高魯棒性的特點(diǎn)，因此，本文將兩者結(jié)合，建立了一個(gè)模糊神經(jīng)網(wǎng)絡(luò)控制方法，期望能發(fā)揮出二者各自的優(yōu)勢(shì)。

        整個(gè)多變量模糊神經(jīng)網(wǎng)絡(luò)控制方法的控制結(jié)構(gòu)如圖2所示。測(cè)量值和設(shè)定值比較后得到偏差e和偏差變化率de/dt，通過(guò)模糊化處理后得到相應(yīng)的中間變量o，作為神經(jīng)網(wǎng)絡(luò)的輸入層，通過(guò)神經(jīng)網(wǎng)絡(luò)求解得到相應(yīng)的PID參數(shù)然后通過(guò)PID控制器作用到被控對(duì)象。此策略結(jié)合了模糊控制的高魯棒性和神經(jīng)網(wǎng)絡(luò)在自校正上的優(yōu)點(diǎn)，避免了神經(jīng)網(wǎng)絡(luò)在輸出層參數(shù)過(guò)大時(shí)，輸出層對(duì)輸入層參數(shù)變化不敏感的缺點(diǎn)。

總  結(jié)：

        本文通過(guò)建立大型氦低溫系統(tǒng)的仿真模型，將提出的基于模糊神經(jīng)網(wǎng)絡(luò)的多變量協(xié)同控制策略先后應(yīng)用于仿真和真實(shí)系統(tǒng)上，通過(guò)與普通PID控制在仿真和實(shí)驗(yàn)數(shù)據(jù)上的對(duì)比，得到以下結(jié)論：

(1)驗(yàn)證了本文建立的動(dòng)態(tài)仿真模型具有可用的精度，可以為實(shí)際實(shí)驗(yàn)過(guò)程給出參考。

(2)本策略結(jié)合了神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自調(diào)節(jié)和模糊控制高魯棒性的特點(diǎn)，在仿真和實(shí)際氦低溫系統(tǒng)上都表現(xiàn)出了良好的控制效果，在控制過(guò)程中顯示出了更快的調(diào)節(jié)速度和更小的過(guò)調(diào)量。