改进的PSO-RBF神经网络在联合制碱中的应用

联合制碱过程是一类典型的复杂工业过程，具有时变、非线性、不确定性等特征，在线控制模型难以建立。针对联合制碱复杂工业过程控制精度不高、鲁棒性差等问题，提出一种改进的PSO-RBF神经网络控制算法。将粒子群优化算法和径向基神经网络相结合，使用改良的粒子群优化算法对RBF神经网络的隐含层基函数中心、宽度和输出层的连接权值进行寻优，建立基于改进的PSO算法优化后的RBF神经网络模型。将改进的PSO-RBF神经网络控制模型应用到联合制碱的关键工序碳化过程中，并与先前应用的模糊神经网络控制模型进行比较，经仿真研究验证表明，在联合制碱碳化过程中应用改进的PSO-RBF神经网络控制算法，其控制精度和系统鲁棒性得到了有效的提高，为解决一类复杂工业过程的建模与优化控制方法研究提供了有效的技术途径