内部热耦合精馏塔基于混合优化算法的RBF神经网络内模控制策略

作者：蔡坤; 刘兴高

来源：计算机与应用化学, 2012, (10): 1181-1184.

DOI：10.16866/j.com.app.chem2012.10.006

• 内模控制
• 内部热耦合精馏塔
• RBF神经网络
• 混合优化算法 internal model control
• internal thermally coupled distillation column
• RBF neural network
• hybrid optimization algorithm

内部热耦合精馏(ITCDIC)是迄今为止所提出的四大精馏节能技术中节能效果最高,但唯一没有商业化的节能技术,比常规精馏要节能40%以上,没有商业化的主要种类基于减聚类、K-means原因之一在于该过程具有较强的非线性、复杂动态特性以及耦合性,给控制方案的设计带来了诸多困难。由于径向基(RBF)神经网络具有快速学习并能逼近任意非线性函数的优点,本文提出了一种基于RBF神经网络内模控制的混合优化算法,是一种粒子群优化的混合优化算法,以苯-甲苯物系作为研究实例,并与国际公开报道的结果进行了详细比较,研究结果表明基于混合优化算法的RBF神经网络内模控制相比于传统的PID、常规RBF算法和国际公开报道有...

• 单位
  工业控制技术国家重点实验室; 浙江大学