基于神經(jīng)網(wǎng)絡的熱工過程動態(tài)建模.pdf

1、眾所周知,熱交換器是工業(yè)傳熱過程必不可少的設備,幾乎一切工業(yè)領域都要使用.因此,如果能夠建立其動態(tài)模型,則對換熱器的設計、安全運行、自動控制等方面都有著重要的意義.隨著生產(chǎn)規(guī)模的擴大和生產(chǎn)技術的現(xiàn)代化,要求熱交換器必須滿足各種特殊情況和特殊要求,熱交換器的工作原理越來越復雜,表現(xiàn)為有滯后、時變、非線性及眾多不確定因素影響等等,其動態(tài)特性很難用傳統(tǒng)的數(shù)學建模方法給出系統(tǒng)的精確模型.而神經(jīng)網(wǎng)絡理論具有很強的模式識別和自學習能力,可以實現(xiàn)那些

2、難以用數(shù)學模型表示的復雜的映象關系.針對神經(jīng)網(wǎng)絡的這個特點,本文利用神經(jīng)網(wǎng)絡理論對換熱器系統(tǒng)進行動態(tài)建模,通過利用改進的動態(tài)Elman網(wǎng)絡和靜態(tài)網(wǎng)絡加動態(tài)環(huán)節(jié)兩種不同的方法建立換熱器系統(tǒng)的神經(jīng)網(wǎng)絡動態(tài)模型,分別為黑箱式動態(tài)模型和灰箱式動態(tài)模型.其中灰箱式模型是本文在研究換熱器特點的基礎上,根據(jù)熱工過程運行的特性,而提出的基于工作點的換熱器神經(jīng)網(wǎng)絡動態(tài)建模方法,具有創(chuàng)新性.并推導兩種建模方法的算法,算法推導過程中使用矩陣形式,相對于一般文

3、獻中的針對權值元素的推導算法,矩陣形式易于理解和編程,且具有通用性,同樣可以適用于多輸入、多輸出系統(tǒng).兩種模型建立后,通過對所建神經(jīng)網(wǎng)絡模型的訓練,對灰箱式動態(tài)模型和黑箱式動態(tài)模型的訓練和預測的效果進行了比較分析,得出灰箱式模型經(jīng)過訓練后,在預測的過程中精度高,模型參數(shù)隨工作點和時間發(fā)生變化,真正實現(xiàn)了非線性系統(tǒng)動態(tài)建模.同時,本文針對神經(jīng)網(wǎng)絡理論到目前為止,對網(wǎng)絡的收斂問題還沒有明確的理論指導這一問題,進行了嘗試,提出了自適應變步長調(diào)