基于數(shù)據(jù)驅(qū)動(dòng)的聯(lián)合制堿過(guò)程優(yōu)化控制方法研究.pdf

1、在復(fù)雜工業(yè)過(guò)程控制中，控制系統(tǒng)往往具有非線性、大滯后、強(qiáng)耦合、不確定性等特點(diǎn)。該控制系統(tǒng)難以建立精確的數(shù)學(xué)模型，并且存在響應(yīng)時(shí)間慢和控制精度不足等缺點(diǎn)。傳統(tǒng)的控制方法很難達(dá)到預(yù)期的控制效果。為了克服這些因素對(duì)復(fù)雜工業(yè)系統(tǒng)建模和優(yōu)化控制的影響，本文以RBF神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)，將RBF神經(jīng)網(wǎng)絡(luò)和迭代學(xué)習(xí)算法相結(jié)合，提出了一種新的迭代學(xué)習(xí)優(yōu)化策略。在迭代學(xué)習(xí)控制中，根據(jù)歷史的實(shí)際輸入輸出數(shù)據(jù)，用RBF神經(jīng)網(wǎng)絡(luò)對(duì)下一次迭代的系統(tǒng)輸出進(jìn)行優(yōu)化，從

2、而使得模型和測(cè)量值之間的誤差在迭代過(guò)程中不斷的減小，使得輸出軌跡盡可能逼近理想狀態(tài)，進(jìn)一步達(dá)到優(yōu)化控制的目的。該算法可為解決一類復(fù)雜工業(yè)系統(tǒng)的優(yōu)化控制問(wèn)題提供一條新的有效技術(shù)途徑。
　　 本文詳細(xì)敘述了數(shù)據(jù)驅(qū)動(dòng)的概念、背景及應(yīng)用范圍，并闡述了迭代學(xué)習(xí)控制方法，進(jìn)一步驗(yàn)證了該控制方法的收斂性。文章中具體分析了神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展、學(xué)習(xí)算法、RBF神經(jīng)網(wǎng)絡(luò)模型、訓(xùn)練過(guò)程等。敘述了聯(lián)合制堿生產(chǎn)過(guò)程的發(fā)展和碳化過(guò)程，并介紹了其生產(chǎn)過(guò)程的控