基于Hammerstein-Wiener模型的连续搅拌反应釜神经网络预测控制

• 作者: 满红 邵诚
• 来源期刊: 化工学报
• 关键词: Hammerstein-Wiener模型 最小二乘支持向量机 BP神经网络 非线性预测控制
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2275-2280
• 分类号: TP273
• 语种: 中文
• DOI: 10.3969/j.issn.0438-1157.2011.08.033

摘要

针对化工过程中广泛使用的连续搅拌反应釜(CSTR),提出一种基于神经网络的模型预测控制策略,采用分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法,在此基础上建立线性自回归模式(ARX)结构和高斯径向基神经网络串联的非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现一种基于支持向量机Hammerstein-Wiener辨识模型的非线性神经网络预测控制算法.对CSTR的仿真结果表明,该方法能够更有效地跟踪控制反应物浓度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵诚	大连理工大学先进控制研究所	120	2026	21.0	41.0
2	满红	大连理工大学先进控制研究所	1	20	1.0	1.0