基于廣義回歸神經網(wǎng)絡的工業(yè)過程優(yōu)化建模.pdf

1、工業(yè)過程的工況（或操作條件）是由控制器進行閉環(huán)反饋控制的。環(huán)境的變動、設備的老化以及原料成分的變動等因素形成了對工業(yè)過程的慢擾動，為此應該根據(jù)某些指標規(guī)定不斷改變控制器的設定值，使工業(yè)過程保持在最優(yōu)工況以增加產量、減少原材料和能源消耗，以及提高產品質量，這是工業(yè)過程優(yōu)化的目的。然而，怎樣建立準確的系統(tǒng)模型和找到一種有效的優(yōu)化算法來完成優(yōu)化設計方案是優(yōu)化的兩個關鍵的問題。 針對工業(yè)過程的復雜性、非線性和不準確性，本文采用人工神經網(wǎng)

2、絡來智能建模。人工神經網(wǎng)絡不僅可任意逼近非線性，且具有大規(guī)模并行處理、知識分布存儲、自學習能力強、容錯性好等特點，其中的多層前向神經網(wǎng)絡可以以任意精度逼近任何連續(xù)函數(shù)，典型的有廣義回歸神經網(wǎng)絡（General Regression Neural Network，GRNN），其結構簡單、訓練簡潔，而且學習收斂速度快?；谏鲜鰞?yōu)點，本文選用廣義回歸神經網(wǎng)絡，并對傳統(tǒng)的廣義回歸神經網(wǎng)絡進行了改進，提出了一種基于粒子群算法的結構參數(shù)優(yōu)化的旋轉廣