基于廣義回歸神經(jīng)網(wǎng)絡(luò)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(jìn)行閉環(huán)反饋控制的。環(huán)境的變動、設(shè)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(yīng)該根據(jù)某些指標(biāo)規(guī)定不斷改變控制器的設(shè)定值，使工業(yè)過程保持在最優(yōu)工況以增加產(chǎn)量、減少原材料和能源消耗，以及提高產(chǎn)品質(zhì)量，這是工業(yè)過程優(yōu)化的目的。然而，怎樣建立準(zhǔn)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(shè)計(jì)方案是優(yōu)化的兩個(gè)關(guān)鍵的問題。 針對工業(yè)過程的復(fù)雜性、非線性和不準(zhǔn)確性，本文采用人工神經(jīng)網(wǎng)

2、絡(luò)來智能建模。人工神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)能力強(qiáng)、容錯(cuò)性好等特點(diǎn)，其中的多層前向神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)（General Regression Neural Network，GRNN），其結(jié)構(gòu)簡單、訓(xùn)練簡潔，而且學(xué)習(xí)收斂速度快?；谏鲜鰞?yōu)點(diǎn)，本文選用廣義回歸神經(jīng)網(wǎng)絡(luò)，并對傳統(tǒng)的廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，提出了一種基于粒子群算法的結(jié)構(gòu)參數(shù)優(yōu)化的旋轉(zhuǎn)廣