回轉窯煅燒溫度的模糊神經網絡預測控制.pdf

1、作為煅燒活性石灰的主要設備之一的回轉窯在我國有著廣泛的用途。而且隨著有色冶金工業(yè)和建材行業(yè)的蓬勃發(fā)展，對回轉窯的需求越來越多。煅燒帶溫度是回轉窯能否優(yōu)質、高產、低消耗地生產熟料的關鍵因素，用傳統(tǒng)方法對其進行控制很難達到理想的效果，因此研究回轉窯煅燒溫度的控制有很大的意義。預測控制是從生產實踐中發(fā)展起來的實用控制算法，可以克服受控對象建模誤差和結構、參數與環(huán)境不確定性因素的影響，具有較好的控制效果。模糊神經網絡可以作為萬能逼近器，可以以任

2、意精度逼近非線性系統(tǒng)，而且其學習能力較強，在很多領域中得到成功應用?；谝陨纤?，本文對回轉窯煅燒溫度的模糊神經網絡預測控制進行了研究。
　　首先，本文介紹了回轉窯石灰煅燒的工藝流程，選擇了回轉窯煅燒溫度作為控制對象，通過調整煤氣流量來對回轉窯煅燒溫度進行控制。
　　其次，針對回轉窯大慣性、大滯后、多干擾、時變等特性，用模糊神經網絡建立了回轉窯煅燒溫度的一步預測模型。采用了一種模糊神經網絡，用混合學習算法對其進行訓練，并且用

3、一種窮舉的方法對時滯進行了辨識。
　　然后，在闡述預測控制的基本原理的基礎上，對基于智能預測模型的預測控制方法進行了分析。在這個基礎上，用模糊神經網絡一步模型推導出一種遞推型模糊神經網絡預測模型。采用一種參考控制向量滾動優(yōu)化策略對回轉窯煅燒溫度進行控制，這種方法采用一系列QP問題求解最優(yōu)控制量，求解比較準確。并對其進行改進，得到一種快速一步經驗邊界參考控制向量滾動優(yōu)化方法，可以進一步減輕計算負擔。用混合學習算法在線訓練回轉窯煅燒溫