论文部分内容阅读
Hammerstein模型是化工过程中最常用的模型之一,它由非线性静态环节和线性动态环节串连组成,适合描述pH过程和具有幂函数、死区、开关等非线性特性的过程.这类模型的控制问题可以分解为：线性模型的控制问题和非线性模型的求根问题.针对Hammerstein模型提出了一种基于神经网络的模型预测控制策略,采用一组神经网络拟合非线性部分的逆映射.这种方法不需要假设Hammerstein模型的非线性部分由多项式构成,并且避免已有研究在无根和重根情况下存在的问题.最后通过仿真试验证明了以上结论.