改进的一般化学习网络内模控制在CSTR中的应用

摘要：

以连续搅拌反应釜(CSTR)为例,通过对一般化学习网络(ULN)分支上时间延迟的优化训练,提高了CSTR 这类具有滞后环节的复杂非线性系统的建模精度.将一般化学习网络和模糊理论相结合,提出了一种改进的神经网络内模控制方法(改进的ULN-IMC).仿真结果表明,改进的ULN-IMC可有效的提高CSTR的跟踪和抗扰动定值控制过程.

关键词：一般化学习网络、连续搅拌反应釜、时间延迟、神经网络内模控制、模糊理论

所属期刊栏目：36

分类号：TP273.3(自动化技术及设备)

资助基金：北京化工大学青年教师自然科学研究基金QN0625

在线出版日期：2009-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：100-104