论文部分内容阅读
中和过程是一个典型的非线性、纯时延过程,用常规的线性控制方法不可能对其进行有效控制。在实际应用中,我们采用的是非线性增益补偿控制和前馈控制,本文介绍了这种控制系统的实现和现场控制效果,由于它还不是一种真正意义上的非线性控制方法,因此不可能对系统实现最优控制。 神经网络具有逼近任意连续非线性函数的能力,但常用的多层前馈式反传网络本质上是一种静态网络,不适合动态系统的实时辨识,而递归神经网络能够实现对动态系统状态记忆机制的模拟,因此更适合于作为动态时延系统的模型。本文提出了一种基于Elman神经网络的一步导前预测控制算法。文中详细描述了用Elman网作为中和过程预测模型的训练算法,利用神经网络梯度信息求取过程控制量的“滚动优化、反馈校正”的控制算法。同时,文中还介绍了该神经网络一步导前预测控制的实现过程。给出了Elman神经网络模型的逼近速度和精度,比较了两种控制方法的控制效果。控制效果表明,该神经网络模型具有很好的动态特性和较强的鲁棒性。 本文最后对全文所做的工作进行了总结,并提出了今后进一步研究所需要做的工作。