基于神經(jīng)網(wǎng)絡的打漿度控制系統(tǒng)的研究.pdf

1、打漿過程是制漿造紙生產過程的重要環(huán)節(jié)，占據(jù)首要的位置，它直接影響成漿質量、生產效率和資源能耗。打漿度綜合反映了打漿作用效果。 隨著當前制漿造紙生產規(guī)模的不斷擴大，紙機車速越來越快，生產工藝要求越來越高，對自動控制的要求也在不斷提高。因此常規(guī)的控制理論及控制方法，在一定程度上已經(jīng)不能滿足某些制漿造紙過程中對測量及控制的要求。隨著當前控制領域中智能控制算法的不斷發(fā)展，神經(jīng)網(wǎng)絡算法、仿人智能控制算法、模糊控制算法、遺傳算法等在過程控制

2、中得到了越來越多的關注和重視，在實際中的應用也越來越廣泛，并解決了不少常規(guī)控制算法無法解決的問題，具有非常廣泛的應用前景。作為人工智能的重要組成部分，人工神經(jīng)網(wǎng)絡有較大的應用潛力。 本文在闡述了神經(jīng)網(wǎng)絡的發(fā)展、現(xiàn)狀、基本原理及其在模型識別與自動控制中的應用的基礎上，主要研究BP神經(jīng)網(wǎng)絡的結構與算法及其在打漿度軟測量及控制中的應用。BP神經(jīng)網(wǎng)絡是目前應用較多的一種神經(jīng)網(wǎng)絡結構。它能以任意精度逼近任意非線性函數(shù)，而且具有良好的逼近性

3、能，并且結構簡單，是一種性能優(yōu)良的神經(jīng)網(wǎng)絡。本文研究了BP神經(jīng)網(wǎng)絡的數(shù)學理論，詳細分析了BP神經(jīng)網(wǎng)絡基本學習算法的優(yōu)缺點。針對一般BP算法收斂速度慢，易陷入局部極小值的缺陷，給出了常用改進算法，并進行了仿真比較。 針對打漿度不能在線測量及控制的特點，在分析了打漿過程的基礎上，運用灰盒(grey-box)辨識技術，采用改進BP神經(jīng)網(wǎng)絡建立打漿度的軟測量模型。并在仿真比較了經(jīng)典PID控制與神經(jīng)網(wǎng)絡PID控制的基礎上，分析了兩種控制的