摘要
本发明公开了一种高炉炼铁系统的非线性预测优化控制方法,属于高炉炼铁系统优化控制技术领域。针对传统建模误差性能指标无法准确描述建模误差的随机动态特性,且一般的控制方法无法实现对高炉炼铁系统精准控制的问题,通过采集高炉炼铁系统的工艺参数;建立深度神经网络模型,用于描述高炉炼铁系统的复杂动态过程,将高炉炼铁输出与深度神经网络预测输出的误差序列进行联合概率密度函数估计,通过优化建模误差序列联合概率密度函数形状来进行深度神经网络模型的训练,直到性能指标到达收敛状态;然后保存已经训练好的神经网络模型,引入模型预测控制框架,制订二次性能函数,设计相应的控制器,实现高炉炼铁铁水质量的有效跟踪控制。
技术关键词
高炉炼铁系统
预测优化控制方法
深度神经网络模型
建模误差
模型预测控制框架
概率密度函数估计
多层感知机
铁水
非线性
序列
典型关联分析
表达式
模型预测控制器
高炉炼铁工艺
矫正
粒子群优化算法
双曲正切函数
变量
系统为您推荐了相关专利信息
裂纹修复方法
喷涂机械臂
深度神经网络模型
加热器
轮廓信息
深度特征提取
深度神经网络模型
识图方法
图像特征向量
大数据
深度神经网络模型
配置特征
样本
存储设备
特征值组
麦克风阵列信号
语音
计算机程序产品
深度神经网络模型
头戴设备
光功率
注意力机制
深度神经网络模型
长短期记忆网络
LSTM模型