摘要
本发明涉及控制领域,尤其是一种树脂生产用反应釜运行控制方法及系统,获取反应釜的实时运行参数,采用分层协同的混合优化策略迭代训练模糊神经网络模型,模糊神经网络模型的前件隶属度函数由高斯混合模型构成,后件为输入变量的非线性多项式函数,训练以最小化综合目标函数为目的,优化策略为:利用改进的量子粒子群算法进行全局搜索以确定高斯混合模型参数,在每次迭代后使用递归最小二乘算法进行局部搜索以确定后件系数,训练过程中,根据模糊规则的平均激活度及其对预测误差的贡献计算重要性指标,移除重要性持续低于预设阈值的规则,训练完成后,根据实时参数生成并执行用于控制反应釜下一时刻加热系统功率和物料进给速率的控制指令。
技术关键词
模糊神经网络模型
预测误差
递归最小二乘算法
量子粒子群优化算法
高斯混合模型
多项式
模糊规则
隶属度函数
非线性
参数
量子粒子群算法
指标
偏差
物理
策略
控制反应釜
速率
位置更新
系统为您推荐了相关专利信息
协同优化控制方法
数字孪生模型
数据采集网络
浸渍纸生产线
多参数
辊筒表面
层厚度
带式输送机
实时数据
构建预测模型
光伏发电预测方法
光伏发电数据
历史气象数据
机器学习算法
天气