基于MPSO优化神经网络的隧道窑温度控制

作者：陈香杉; 梁秀满; 赵晓曦

来源：控制工程, 2012, S1: 227-229.

DOI：10.14107/j.cnki.kzgc.2012.s1.049

• 预测控制
• 径向基网络
• 粒子群算法
• 隧道窑温度 predictive control
• radical basis function nets
• particle swarm optimization
• tunnel kiln temperature

隧道窑温度具有非线性、不确定、大时滞等特点,PID控制精度不高,工况变化时难再次达到稳态,为了提高控制精度采用了神经网络预测控制,充分利用神经网络的非线性、自组织、自学习的性能和预测控制的滚动优化、反馈调节的有效性。为了提高神经网络预测控制的性能文中结合了改进粒子群优化算法。结合了改进粒子群算法的神经网络预测控制的进行了隧道窑烧成带的仿真实验。仿真结果表明该方法的有效性和控制的效果的优越性和良好应用前景。

• 单位
  华北理工大学