电厂废水中和过程的CPSO-RBF神经网络预测控制

• 作者: 任志玲 孙雪飞
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 废水中和 RBF神经网络 强酸当量 预测控制
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 74-79
• 页数: 6页
• 分类号: TP273
• 字数: 4304字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.10.014

摘要

针对电厂废水中和过程的非线性、时变性和滞后特性,为提高控制的响应速度和稳定性,提出一种基于混沌粒子群(CPSO)优化的RBF神经网络预测控制算法.以强酸当量(SAE)模型作为控制对象,设计RBF神经网络预测模型.引入灵敏度法(SA)修正网络隐层神经元,CPSO算法快速准确搜索粒子信息,实现RBF神经网络辨识模型的最优化.通过在电厂用水加药系统循环控制上的仿真测试,表明该控制策略相比PID控制和基于遗传算法优化的BP神经网络控制,在控制的平稳性和快速性上具有一定优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任志玲	辽宁工程技术大学电气与控制工程学院	51	332	9.0	17.0
2	孙雪飞	辽宁工程技术大学电气与控制工程学院	2	3	1.0	1.0