科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对常规控制方法对具有时变性、非线性、强耦合等复杂特征的微波加热过程控制效果不够理想，提出一种基于数据驱动模型的有限时间自适应动态规划微波加热温度跟踪算法，包含模型网络、评价网络和执行网络，算法的实现依赖于ELMAN神经网络和BP神经网络。模型网络实现微波加热过程数据驱动建模，评价网络和执行网络实现对最优性能指标函数和控制功率的逼近，将温度跟踪转化为误差镇定的过程。在理论推导证明所提出算法收敛性及最优性的基础上，进一步开展了微波加热高钛渣温度跟踪实验和仿真研究。结果表明：算法能有效地跟踪高钛渣的加热过程，基于ELMAN神经网络的模型预测误差小于1 ℃，温度跟踪误差小于0.2 ℃，在工业微波加热中具有潜在的应用价值。
-
单位昆明理工大学; 自动化学院
