化工学报
化工學報
화공학보
JOURNAL OF CHEMICAL INDUSY AND ENGINEERING (CHINA)
2013年
12期
4615-4620
,共6页
催化剂%温度控制%启发式动态规划%人工神经网络
催化劑%溫度控製%啟髮式動態規劃%人工神經網絡
최화제%온도공제%계발식동태규화%인공신경망락
catalyst%temperature control%heuristic dynamical programming%artificial neural networks
针对催化剂生产过程中焙烧窑炉温度控制问题,提出了一种启发式动态规划(heuristic dynamical programming,HDP)控制方法.该方法通过策略评价及策略提升的重复进行逐渐逼近最优的控制策略.采用人工神经网络建立了被控系统和评价指标模型,基于梯度下降原理阐明了控制器各模块的在线学习方法.对某催化剂公司的窑炉温度控制实验表明,与常规PID控制相比,HDP控制方案具有较强的工况适应能力,其控制精度较常规控制提高约70％,加热电流均值减小约5％.
針對催化劑生產過程中焙燒窯爐溫度控製問題,提齣瞭一種啟髮式動態規劃(heuristic dynamical programming,HDP)控製方法.該方法通過策略評價及策略提升的重複進行逐漸逼近最優的控製策略.採用人工神經網絡建立瞭被控繫統和評價指標模型,基于梯度下降原理闡明瞭控製器各模塊的在線學習方法.對某催化劑公司的窯爐溫度控製實驗錶明,與常規PID控製相比,HDP控製方案具有較彊的工況適應能力,其控製精度較常規控製提高約70％,加熱電流均值減小約5％.
침대최화제생산과정중배소요로온도공제문제,제출료일충계발식동태규화(heuristic dynamical programming,HDP)공제방법.해방법통과책략평개급책략제승적중복진행축점핍근최우적공제책략.채용인공신경망락건립료피공계통화평개지표모형,기우제도하강원리천명료공제기각모괴적재선학습방법.대모최화제공사적요로온도공제실험표명,여상규PID공제상비,HDP공제방안구유교강적공황괄응능력,기공제정도교상규공제제고약70％,가열전류균치감소약5％.
