基于IPSO算法的回转窑煅烧带温度D-FNN预测控制

发布时间：2017-10-09 09:46

  本文关键词：基于IPSO算法的回转窑煅烧带温度D-FNN预测控制

  更多相关文章： 回转窑 煅烧带温度 粒子群优化算法 动态模糊神经网络 预测控制

【摘要】：为了提高石灰回转窑煅烧带温度的控制性能,提出一种基于改进的粒子群优化算法(IPSO)与动态模糊神经网络(D-FNN)的预测控制方法。该方法利用动态模糊神经网络建立石灰回转窑煅烧带温度的非线性预测模型,通过输出温度的预测值,引入输出反馈与偏差来校正预测误差,建立偏差与控制量的控制性能指标,通过改进的粒子群优化算法滚动优化得到系统最优控制量。对控制方法的稳定性进行分析。仿真实验结果表明动态模糊神经网络的温度预测误差在±10℃之内,具有较高的预测精度。提出的预测控制方法能使输出煅烧带温度快速稳定地跟踪设定值的变化,同时在系统输出有扰动的情况下也能较好地跟踪设定值。控制量的平均单步滚动优化需0.31 s,可满足实际应用。
【作者单位】： 沈阳工业大学信息科学与工程学院;东北大学信息科学与工程学院;
【关键词】： 回转窑 煅烧带温度 粒子群优化算法 动态模糊神经网络 预测控制
【基金】：国家自然科学基金资助项目(61034005) 辽宁省博士启动基金资助项目(20141070)~~
【分类号】：TQ177.26;TP18
【正文快照】： 石灰回转窑生产能力强,能适应多种工业过程,因而被广泛地应用于冶金、水泥、耐火材料、化工等行业。但石灰回转窑过程存在多变量、强耦合、非线性、关键工艺参数检测困难、难以实现自动控制和优化控制、在很大程度上仍然依赖于人工技巧和经验等问题。由此导致产品质量不稳定、，

本文编号：999533