基于模型神经网络预测控制的连续搅拌釜反应器建模与控制
人工智能
2012-08-20 v1 神经与进化计算
适应与自组织系统
摘要
本文提出了一种基于工厂神经网络模型的预测控制策略，并将其应用于连续搅拌釜反应器 (CSTR)。该系统是一个高度非线性过程，因此非线性预测方法（如神经网络预测控制）能更好地掌控系统动力学。文中描述了神经网络模型及其用于在一定预测时域内预测 CSTR 过程行为的方法，并对优化过程进行了评论。该预测控制算法被用于控制连续搅拌釜反应器 (CSTR) 中的浓度，其参数通过利用优化算法求解二次性能指标得到最优确定。只有通过精确模型才能实现对 CSTR 中产物浓度的有效控制。此处尝试利用人工智能技术（如神经网络）来缓解建模困难。仿真结果证明了 NNMPC 技术的可行性和有效性。
引用
@article{arxiv.1208.3600,
title = {Modeling and Control of CSTR using Model based Neural Network Predictive Control},
author = {Piyush Shrivastava},
journal= {arXiv preprint arXiv:1208.3600},
year = {2012}
}