基于小波网络模型的EPI过程的控制和优化

针对具有强非线性、大纯滞后特性的EPI反应分馏生产过程的废液DOC体积分数控制这一控制难题,应用小波神经网络模型和结合机理分析模型及小波神经网络模型的混合模型结构进行实际EPI反应分馏生产过程的建模控制和优化,提出了基于稳态小波神经网络模型的优化和基于动态小波神经网络模型的非线性预测控制两层结构的整体解决方案,在实际生产过程中获得了成功的应用,不仅使生产过程平稳运行,而且显著地降低排放废液中的DOC体积分数,达到了环保的标准。所提出的技术适合于许多连续反应系统。

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 。