论文部分内容阅读
神经控制是智能控制的发展方向之一，本文研究了神经控制方法及其在化工过程中的应用，并针对不同的化工对象和过程进行了神经控制方法的仿真实验与结果分析。本文的主要内容如下：1．针对具有严重非线性的pH中和过程，提出了神经元变结构PID控制方法和基于模糊专家模型的神经控制方法。前者将变结构PID控制器与神经元控制器相结合，用一个神经元实现变结构PID控制器中结构变化的部分，同时用另一个神经元实时调整PID控制器的参数；后者将神经网络逆控制器与神经元PID控制器相结合，并利用模糊专家模型所得到的预报结果来调整神经元PID的权值。这两种控制方法设计简单，可以方便地用于实际工业控制中。2．针对严重非线性特性的连续搅拌反应釜(CSTR)化学反应过程，提出了一种基于混合神经网络模型的神经元反馈线性化控制策略。这种方法运用神经网络建立过程中含有参数不精确部分的模型，并将神经元与反馈线性化控制方法相结合，能够根据控制响应来实时调整控制器的系数。仿真试验表明该方法能显著改善系统的控制效果，特别是在模型参数不精确引起模型失配时仍然有优良的控制品质和很强的适应性。3．研究了使用PSO算法的模糊神经元控制器参数的优化整定，并对强非线性的CSTR过程进行了控制器的设计与仿真实验，结果表明，经过优化整定的模糊神经元控制器获得了满意的控制效果，并且具有较强的鲁棒性。4．将神经元控制算法用于多变量化工对象的控制，通过静态解耦减弱变量之间的耦合作用，利用神经元的在线学习能力弥补静态解耦的不足；使用PSO算法对神经元控制器的增益进行离线和在线整定。对精馏塔对象的控制仿真研究，结果表明，所设计的控制系统可以获得满意的动态性能。