基于自组织模糊神经网络的烟气脱硫系统预测控制方法及系统

本发明公开了基于自组织模糊神经网络的烟气脱硫系统预测控制方法及系统，涉及人工智能驱动的复杂动态系统模型表征和状态控制领域，方法包括：基于湿法烟气脱硫系统变量演化过程的动力学特性，提出控制方法框架；基于控制方法框架，构建预测模型；利用预测模型，完成烟气脱硫系统的预测控制。本发明针对湿法烟气脱硫系统中SO2和pH状态的强非线性、运行非平稳性及控制困难等问题，提出基于自组织模糊神经网络的预测模型与控制框架。该网络可动态调整结构，适应运行变化，实现SO2和pH的精确建模与预测。还基于预测信息，以滚动优化方式动态求解最优控制律，实现SO2和pH状态的实时跟踪与精确控制，显著提升烟气脱硫过程的控制效果。