基于支持向量機的ABS樹脂聚合溫度控制研究.pdf

1、支持向量機是統(tǒng)計學習領域新興的一種機器學習方法,已經在模式識別等領域得到有效的應用,也成為非線性系統(tǒng)辨識的有力工具.文獻中將支持向量機方法與徑向基函數(shù)神經網(wǎng)絡相結合,所提出的支持向量神經網(wǎng)絡算法被證明對非線性系統(tǒng)的建模是無偏的.但到目前為止,將支持向量機方法用于解決工業(yè)過程控制問題還不多見.ABS樹脂聚合過程具有高度非線性,時變性的特點.其聚合過程對溫度及溫度變化反應靈敏,給系統(tǒng)的建模和控制提出了較高的要求.該文應用支持向量神經網(wǎng)絡算法

2、,對ABS樹脂聚合過程進行建模,并與自適應逆控制方法相結合,提出了基于支持向量神經網(wǎng)絡的非線性系統(tǒng)自適應逆控制方法.該方法利用支持向量神經網(wǎng)絡,根據(jù)現(xiàn)場采集的數(shù)據(jù)訓練網(wǎng)絡,建立ABS樹脂聚合過程逆系統(tǒng)模型,將此逆模型作為控制器,其輸出作用于被控對象.同時根據(jù)期望輸出與系統(tǒng)實際輸出之差,通過PID算法,調整逆模型控制器的輸入,實現(xiàn)對逆模型控制器的在線修正,形成了基于支持向量神經網(wǎng)絡的逆模型自適應控制算法.對非線性系統(tǒng)進行的仿真結果表明,支

3、持向量神經網(wǎng)絡的建模精度高于普通神經網(wǎng)絡,且具有訓練時間短,泛化能力強等優(yōu)點;基于支持向量神經網(wǎng)絡的自適應逆控制方法具有簡捷、可靠、有效、魯棒性強的特點.與一般基于神經網(wǎng)絡的控制器相比,它有能根據(jù)誤差直接調節(jié)控制器參數(shù)以適應模型及環(huán)境變化的自適應能力,具有很強的魯棒性;與傳統(tǒng)自適應控制系統(tǒng)相比,它不需要精確的數(shù)學模型,具有廣泛的適用性.該文工作表明:支持向量神經網(wǎng)絡作為一種高精度建模工具,不僅可以成功應用于解決如ABS樹脂聚合溫度建模等