控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2011年
6期
864-867
,共4页
柴毅%周海林%付东莉%罗德超
柴毅%週海林%付東莉%囉德超
시의%주해림%부동리%라덕초
模型预测控制%回声状态网(ESN)%粒子群优化%反馈校正%CSTR
模型預測控製%迴聲狀態網(ESN)%粒子群優化%反饋校正%CSTR
모형예측공제%회성상태망(ESN)%입자군우화%반궤교정%CSTR
针对传统的控制理论对实际的工业生产过程中的被控系统,特别是具有强非线性的系统控制效果不是很理想,而应用非线性模型预测控制算法能够较好解决非线性系统的控制问题,提出了一种基于回声状态网络(Echo State Network,ESN)模型进行非线性系统辨识和粒子群优化(Particle Swarm Optimization,PSO)进行滚动优化的非线性模型预测控制系统的算法.ESN能够很好地辨证非线性系统,其计算时间、数据训练和稳定性相对于传统递归神经网络有了较太进步,PSO具有全局优化和较快的寻优速度.针对典型化工非线性对象连续搅拌槽反应器(Continue Stirred Tank Reactor,CSTR)的仿真实例表明,此模型在预测控制化于BP和PSO结合的非线性预测控制,以及传统的PID控制,证明了该算法运用于非线性模型预测控制中的有效性.
針對傳統的控製理論對實際的工業生產過程中的被控繫統,特彆是具有彊非線性的繫統控製效果不是很理想,而應用非線性模型預測控製算法能夠較好解決非線性繫統的控製問題,提齣瞭一種基于迴聲狀態網絡(Echo State Network,ESN)模型進行非線性繫統辨識和粒子群優化(Particle Swarm Optimization,PSO)進行滾動優化的非線性模型預測控製繫統的算法.ESN能夠很好地辨證非線性繫統,其計算時間、數據訓練和穩定性相對于傳統遞歸神經網絡有瞭較太進步,PSO具有全跼優化和較快的尋優速度.針對典型化工非線性對象連續攪拌槽反應器(Continue Stirred Tank Reactor,CSTR)的倣真實例錶明,此模型在預測控製化于BP和PSO結閤的非線性預測控製,以及傳統的PID控製,證明瞭該算法運用于非線性模型預測控製中的有效性.
침대전통적공제이론대실제적공업생산과정중적피공계통,특별시구유강비선성적계통공제효과불시흔이상,이응용비선성모형예측공제산법능구교호해결비선성계통적공제문제,제출료일충기우회성상태망락(Echo State Network,ESN)모형진행비선성계통변식화입자군우화(Particle Swarm Optimization,PSO)진행곤동우화적비선성모형예측공제계통적산법.ESN능구흔호지변증비선성계통,기계산시간、수거훈련화은정성상대우전통체귀신경망락유료교태진보,PSO구유전국우화화교쾌적심우속도.침대전형화공비선성대상련속교반조반응기(Continue Stirred Tank Reactor,CSTR)적방진실례표명,차모형재예측공제화우BP화PSO결합적비선성예측공제,이급전통적PID공제,증명료해산법운용우비선성모형예측공제중적유효성.
