基于广义预测一碳饱充过程的控制研究

糖厂澄清工段一碳饱充过程是一个具有强非线性、多输入等特点的复杂系统,存在很多不确定因素,所以一直以来都没有很好地解决澄清过程的稳定控制问题.针对上述问题,采用数据的建模方法,对糖厂澄清工段一碳饱充进行BP神经网络建模,然后把模型作为广义预测控制的预测模型,将广义预测控制算法对糖厂澄清工段一碳饱充进行优化控制.在Matlab上进行仿真,结果表明,BP神经网络的广义预测控制算法具有鲁棒性强、控制精度高等优点,并使糖厂澄清工段一碳饱充系统输出很快稳定到设定值,实现了优化控制,减少能耗.     

基于启发式动态规划的固体氧化物燃料电池优化控制研究

固体氧化物燃料电池(SOFC)系统是一个非线性系统,现存的建模方法和优化控制算法很难对其进行精确的建模及优化控制;针对此问题,采用基于数据的建模方法,对固体氧化物燃料电池系统进行BP神经网络建模,然后在此基础上,首次采用启发式动态规划(HDP)算法对固体氧化物燃料电池系统中的各种气体分压、输出电压以及温度进行优化控制;Matlab仿真结果表明,基于BP神经网络的HDP优化算法具有收敛速度快、鲁棒性强、控制精度高等优点,并使固体氧化物燃料电池系统在负载变化时很快稳定输出电压,实现了优化控制,减少能耗。