间歇反应釜是精细化工、生物化工中普遍应用的过程设备,其操作上具有较强的非线性,滞后性等特点。一般常规控制很难达到理想的控制要求,本文提出了结合神经网络和遗传算法的基于人工神经网络的内模控制方法。 内模控制是一种基于过程数学模型进行控制器设计的新型控制策略。由于其设计简单,控制性能好和在系统分析方面的优越性,因而内模控制不仅是一种实用的先进控制算法,而且是提高常规控制系统设计水平的有力工具。 神经网络具有对任意非线性映射的理想逼近能力,并能学习和适应未知不确定系统的动态特性,使采用神经网络的控制系统具有更强的适应性和鲁棒性。本文将神经网络和内模控制相结合,提出一种基于神经网络的内模控制方法。该方法利用神经网络对任意非线性映射的理想逼近能力,通过神经网络建立过程的预测模型,取代内模控制方法中所必需的过程数学模型,从而简化内模控制方法的实现。 遗传算法是一种基于自然选择和基因遗传学原理的优化搜索算法。用遗传算法来优化对象,只需要在计算机上模拟生物的进化过程和基因的操作,并不需要对象的特定知识,也不需要对象的搜索空间是连续可微的,而且遗传算法具有全局寻优和快速寻优的能力。本文采用并行遗传算法对神经网络进行训练,该算法的特点是在种群进化过程中保持了种群个体的多样性,缩减了种群规模,从而减少种群进化时的运算量,有效提高了神经网络训练的收敛速度与收敛精度。这有利于提高神经网络模型的精确度和映射能力,提高内模控制方法的性能。 本文将内模控制方法应用于 ABS 树脂聚合反应过程的温度、压力控制中,仿真结果证明,该方法对复杂的 ABS 树脂聚合反应装置的温度、压力的控制效果是比较好的。