论文部分内容阅读
实际工业生产过程中常常含有非线性、滞后环节,特别是在化工、冶炼等生产过程中尤为显著。连续搅拌釜式反应(CSTR)在反应过程中会产生大量的反应热,及时地减少反应热保证生产正常进行是控制的主要目标。本文将采用基于神经网络的预测控制来解决非线性、滞后等环节的影响。本文首先讨论了广义预测控制的基本结构与原理,深入研究了广义预测控制算法的预测模型、反馈校正、滚动优化。在分析了常规预测控制存在的问题的基础上,研究了基于神经网络的预测控制算法。径向基(RBF)神经网络具有计算量小、收敛速度快、无局部极小等特点,本文选取RBF网络建立系统的多步预测模型。为了弥补建模中的模型误差及反应中不确定因素的影响,在线控制时对误差进行补偿。本文对连续搅拌釜式反应过程进行了仿真,仿真结果表明,基于RBF神经网络的广义预测控制器具有良好的自适应性、鲁棒性和抗干扰能力。