一种间歇过程产品质量迭代学习控制策略

针对基于迭代学习控制的间歇过程产品质量优化控制算法难以进行收敛性分析的难题，以数据驱动的神经模糊模型为基础，提出一种新颖间歇过程的产品质量迭代学习控制方法。通过在优化算法中加入了新的约束条件，改变了最优解的搜索空间范围，从而使产品质量在批次轴上收敛，并创新性地对优化问题的收敛性给出了严格的数学证明。在理论研究的基础上，将提出的算法用于间歇连续反应釜的终点质量控制研究，仿真结果验证了本文算法的有效性和实用价值，为间歇过程的优化控制提供了一条新途径。