生物发酵技术是经济发展的重要技术之一,在农业、化工等领域发挥着重要的作用。随着生产规模的扩大,发酵工业对自动控制技术的要求不断提高,实现生物发酵过程的高性能控制对提高发酵产物的品质和产量具有重要意义。生物发酵过程涉及生命体的生长繁殖,机理复杂,传统的非线性系统控制方法难以达到满意的控制性能。将逆系统方法与神经网络相结合,提出的神经网络逆控制方法,不依赖系统的精确模型,结构简单,适用于具有不确定性的生物发酵过程控制。神经网络逆控制方法虽已取得许多研究成果,但在复杂工业过程控制中,其解耦控制性能仍有待于进一步提高。为提高发酵过程的神经网络逆控制性能,本文在课题组已有的研究基础上,对神经网络逆控制方法做了进一步研究,主要工作如下1、提出一种在线学习的神经网络逆控制方法。在分析被控系统可逆性的基础上,构造神经网络近似被控系统的逆系统,将离线训练的神经网络连接权值作为在线学习的初值,基于基函数思想,由神经网络逆系统输入与被控系统输出的误差设计神经网络权值参数的在线学习算法,并给出了在线神经网络收敛性的分析。当被控系统参数发生较大变化时,无需重新训练神经网络近似逆系统,通过神经网络连接权值参数的在线调整可减少逆系统建模误差,使控制系统始终保持良好的控制性能,满足了过程控制的实时性。2、提出一种基于神经网络逆的自适应反馈补偿控制方法。将神经网络逆系统与被控系统串联成伪线性复合系统,考虑到神经网络逆系统建模误差对解耦控制性能的影响,设计自适应反馈补偿控制器来消除控制过程中的逆系统建模误差,提高控制系统的稳定性及神经网络逆系统的解耦性能。构造神经网络估计逆系统建模误差,将神经网络的连接权值作为自适应补偿控制器参数的初值,基于Lyapunov稳定性理论设计的补偿控制器参数自适应律,保证了闭环控制系统的稳定性及神经网络参数的最终一致有界性。神经网络逆系统解耦方法结合自适应反馈补偿控制方法,提高了非线性系统的神经网络逆控制性能。3、提出一种基于神经网络逆的无模型自适应控制方法。该方法针对多变量耦合的非线性系统,构造的神经网络逆系统与原系统串联成包含多个独立子系统的伪线性复合系统。将逆系统建模误差及外界干扰等不确定因素看作各子系统的弱非线性项,对各子系统分别设计无模型自适应控制器。无模型自适应控制器的设计仅利用各子系统的输入输出信息,控制器的结构和参数具有自适应性。基于神经网络逆的无模型自适应控制方法结构简单,鲁棒性强,易于实现。4、将神经网络逆控制方法与文中所提出的三种神经网络逆控制改进方法,分别应用于生物发酵过程的解耦控制中,通过数值仿真实验研究,验证了所提出的神经网络逆控制改进方法的有效性。