联合制碱过程智能建模与优化控制

《联合制碱过程智能建模与优化控制》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要摘要在工业过程控制研究中，复杂工业过程的建模与优化问题一直是控制领域的热点问题。由于复杂工业过程受许多因素影响，且系统存在滞后以及随机性、模糊性、狄性等诸多不确定性，致使模型难以建立。本文针对BP神经网络算法在用于函数逼近时，存在着收敛速度慢、易陷入局部极小的不足，提出基于粒子滤波的RBF(径向基函数，RadailBasisFunction)神经网络的建模与优化方法，并以典型复杂系统联合制碱工业过程为例进行优化研究。针对联合制碱生产过程模型的建立、模型的优化及RBF神经网络与粒子滤波相结合等若干问题进行了研究。论文主要研究工作包括：1)介绍

2、了复杂工业过程中传统的建模方法和优化方法，指出了它们存在的缺陷和不足。基于神经网络具有极强的处理复杂工业过程所面临的非线性及不确定性问题的能力，提出了一种基于粒子滤波的神经网络控制方案。．2)详细介绍了联合制碱工艺和控制现状，针对联合制碱工业过程的控制现状和发展趋势，提出了建立RBF神经网络模型的设计思路。3)具体分析了粒子滤波算法和神经网络理论的现状及发展趋势，利用RBF神经网络强大的学习能力和粒子滤波算法处理非线性系统的优点，提出了RBF神经网络和粒子滤波相结合的方法处理复杂工业过程的建模与优化问题。·41通过仿真实验，验证了RBF神经网络

3、和粒子滤波结合的可行性和优越性，从实验结果可以看出，神经网络和粒子滤波相结合应用具有广阔的发展前景。51将设计模型应用到典型复杂工业过程——联合制碱煅烧工段，利用MATLAB软件从实验的角度验证了该模型仿真设计思想的可行性和正确性。为解决一类复杂系统的建模与优化控制研究提供一条有效途径。．最后，对论文的研究内容进行了总结，‘对今后的研究方向作了展望。关键词RBF神经网络；粒子滤波；智能建模；优化控制；联合制碱河北科技人学硕十学位论文AbstractModelingofcomplexindustrialprocesscontrolandoptim

4、izationhasbeenahotissueinthefieldofindustrialprocesscontr01．Asthecomplexindustrialprocessisaffectedbymanyfactorsandthesystemhaslagandtherandom，fuzzy，grayandSOmanyuncertainties，modelisquitedifficulttobebuiltup．TheBPneuralnetworkalgorithmusedinapproximationoffunctionhastwoshor

5、tcomings：theoneisitsslowerconvergencerateandtheotherisitsfallingintothelocalminimum．Inordertosolvetheproblems，ailewmethodisproposedinthispaperandiscomplicatedonatypicalcomplexsystem--··-·thesyntheticammoniadecarbomizationindustrialprocess．Andsomesimulationstudieswithcalcinat

6、ionsectionhavebeendone．Thispaperstudiestheoptimizationandmodelingofthesyntheticammoniadecarbornizationandneuralnetworktheoryappliedtoparticlefiltering．1)Summingupthetraditionalmethodsofcomplexindustrialprocessinmodelingandoptimization，andpointingouttheirflawsandshortcomings．

7、Asneuralnetworkhasaverystrongsolvingfunctionofdealingwithcomplexindustrialprocessesfacedbynon—linearanduncertaintyproblem，aneuralnetworkcontrolprogrambasedonparticlefilterisproposed．2)Thesyntheticammoniadecarbomizationiscomprehensiveanalyzed．Totheindustrialprocesscontrolstat

8、usanddevelopmenttrend，RBFneuralnetworkcontrolmodeltobeestablished．3)Thepres