一类间歇过程的优化及非线性预测控制

基于主产物浓度和反应温度的RBF神经网络模型，使用粒子群优化算法(PSO)求解该间歇反应主产物产率最大化问题，进而得到反应温度优化曲线。利用RBF神经网络建立了反应器冷却水控制温度阶段的预测模型，采用非线性预测控制，并引入了模型误差项，增强了控制方法的鲁棒性和间歇过程的抗干扰性能。利用 Lyapunov 原理对该预测控制算法做了稳定性分析，确定了系统稳定条件下的参数的取值范围。同时编制控制程序在多功能过程及控制实验装置(MPCE)装置上实现了算法的控制，并与以升温速率为基准的特殊PID调节器的控制结果比较，结果证明了基于RBF神经网络非线性预测控制方法的有效性。