10.16526/j.cnki.11-4762/tp.2017.10.022
基于二次逼近神经网络的反应釜预测控制
针对在化工生产过程中使用连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR)时存在的控制方式不便,调节的精确度不高等问题;在对实际问题进行分析建模的基础上,提出了一种基于二次逼近神经网络模型的预测控制方法;该方法首先利用多层前馈神经网络模型去逼近连续搅拌反应釜系统的多步预测值,其次在已创建的预测模型的基础上优化并求解预测控制的二次目标函数,以得到最优的控制参数,最后由通过泰勒展开式的二次逼近得到非线性预测控制器的最优解;通过对控制模型的模拟以及带入相关参数进行仿真实验,对连续搅拌反应釜控制系统的仿真结果进行分析表明:该方法控制精确度较高,并且是可行有效的,能够使生产效率得到显著提高且保证了产品的质量,具有较高的实用价值.
连续搅拌反应釜、神经网络、广义预测控制、泰勒展开、二次逼近
25
TP273(自动化技术及设备)
2018-01-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
81-84