论文部分内容阅读
由于涉及众多物理化学过程,煤气化过程通常具有强非线性及耦合性,采用常规建模方法得到的模型具有很高的阶次和复杂的特性,因此不适合控制器的设计和分析。本文采用一种新型的面向控制的补偿递归模糊神经网络对气化炉进行建模。这种网络的特点在十其补偿递归环节,分为两步的结构参数辨识以及采用ARX模型作为后件,可以进行多步预测,且能方便地与进行基于模型的控制器进行融合。基于该模型,采用一种非最小状态空间模型预测控制方法,采用过程输入输出作为状态量,可以避免传统基于状态空间模型预测控制器设计中的状态估计问题,同时可以成熟的利用基于状态空问模型预测控制器设计的框架进行设计。将本文提出的基于非最小状态空间的预测控制器应用于ALSTOM气化炉摹准测试问题,通过仿真试验表明本文提出的方法具有较高控制品质。