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

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BD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。

关键词： Hammerstein-Wiener模型 最小二乘支持向量机 神经网络 非线性预测控制

作者: 满红 邵诚

作者单位: 大连理工大学先进控制研究所,辽宁大连 116024;大连科技学院”辽宁大连 116052 大连理工大学先进控制研究所,辽宁大连 116024

会议类型: 国内会议

会议名称: 第二十二届中国过程控制会议

会议地点: 南京

会议语种:中文

页码: 244-249

在线出版日期: 1900-01-01（万方平台首次上网日期，不代表论文的发表时间）