重油分馏塔基于混沌神经网络的Laguerre函数模型自适应预测控制

被引：2

作者：

张海涛

陈宗海

秦廷

王雷

向微

机构：

[1] 中国科学技术大学自动化系

[2] 中国科学技术大学自动化系安徽合肥

[3] 安徽合肥

来源：

信息与控制 | 2004年 / 01期

关键词：

重油分馏塔; 混沌神经网络; Laguerre函数; 预测控制; 自适应控制;

D O I：

10.13976/j.cnki.xk.2004.01.004

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于Laguerre函数模型的自适应预测控制方法中的性能指标 ,在有约束的情况下往往难以达到全局极优 ,而混沌神经网络 (CNN)可以有效地避免优化过程陷入局部极小 .文章简介了Laguerre预测控制策略的基本方法和CNN的特点 ,着重提出了一种利用CNN对控制性能指标进行寻优的新颖策略 .在重油分馏塔Shell模型上的仿真实验结果表明 ,这种混合智能控制策略比原有控制策略在控制品质上有显著提高 .

引用

页码：13 / 17

页数：5

共 4 条

[1] 扩散炉基于Laguerre函数模型自适应预测控制 [J].

张海涛 ;

许自富 ;

李嗣福 .

系统工程与电子技术, 2002, (04) :54-57

[2] 一种增广的Laguerre模型自适应预测控制算法 [J].

李嗣福 ;

李亚秦 ;

许自富 ;

陈忠保 .

中国科学技术大学学报, 2001, (01) :95-101

[3]

最优控制的理论与方法[M]. 国防工业出版社 , 吴沧浦编著, 2000

[4]

Chaotic simulated annealing by a neural network model with transient chaos. Chen L, Aihara K. Neural Networks . 1999

← 1 →