制糖产业作为广西重要的支柱产业之一,其成品糖的质量关系到人们的日常生活,而糖厂澄清工段是白糖生产工艺中的重要环节,因此对糖厂澄清工段的优化控制至关重要。建立控制对象准确、有效的模型是优化控制的基础,由于糖厂澄清工段是一个大时滞、非线性的复杂多输入多输出的过程,基于机理的建模方法很难实现,故本文采用基于数据的神经网络建模方法。回声状态网络(ESN)是一种新型的递归神经网络,具有训练速度快、不会陷入局部极小点的特点,本文采用该网络建立被控对象的模型。首先分析糖厂澄清工段工艺流程,选取模型输入输出参数,然后利用糖厂历史数据对糖厂澄清工段运用ESN进行建模,为验证模型有效性,对建立的模型进行预测仿真,同时将ESN模型与传统的BP网络模型和RBF网络模型对比。仿真结果表明基于ESN的糖厂澄清工段模型精度高于BP网络与RBF网络模型,能够很好的反映被控对象的特性。在建立被控对象的模型后,采用一种智能优化控制算法—启发式动态规划(HDP)对糖厂澄清工段进行仿真控制。为解决传统的BP神经网络实现的HDP算法收敛速度慢、训练中易陷入局部极小点的问题,本文将用ESN实现HDP算法,然后对糖厂澄清工段进行仿真控制。首先根据Bellman最优性原理,推导出ESN实现的HDP算法中各个网络对应的映射关系,然后在MATLAB软件环境中,运用该算法对已建立的糖厂澄清工段ESN模型进行仿真控制,验证该算法的有效性；并与BP网络实现的糖厂澄清工段HDP算法仿真控制对比,仿真结果表明基于ESN的HDP算法能够解决传统的BP网络实现的HDP算法中易陷入局部极小点的问题,收敛速度有了较大的提高。