管式加热炉多模型神经网络预测控制
(0) 管式加热炉具有典型的非线性、多变量、大时滞、强耦合和时变特性，传统的控制策略很难获得理想的控制性能。为此，论文提出了基于一类多模型的自适应神经网络预测控制方法，首先基于不同负荷下加热炉的运行情况建立多个自适应神经网络模型，预测变负荷、大扰动时的加热炉输入输出状况，然后通过自适应调整神经网络模型的结构和参数跟踪加热炉由于参数时变或其它干扰引起的系统漂移，最后应用粒子群算法对基于多模型自适应神经网络进行滚动优化，获得加热炉操作变量的次优控制律。此方法可以有效地跟踪多路进料、多燃烧器加热炉的控制指标，提高了加热炉的整体热效率，并且能够节约燃料，减少温室气体排放。所开发的控制系统成功应用于某炼厂常减压加热炉装置，取得了良好的效果。
加热炉 自适应神经网络 预测控制 粒子群算法
李宏光 臧灏
北京化工大学信息科学与技术学院, 北京 100029
国内会议
厦门
中文
1-6
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）