论文部分内容阅读
针对电厂废水中和过程的非线性、时变性和滞后特性,为提高控制的响应速度和稳定性,提出一种基于混沌粒子群(CPSO)优化的RBF神经网络预测控制算法。以强酸当量(SAE)模型作为控制对象,设计RBF神经网络预测模型。引入灵敏度法(SA)修正网络隐层神经元,CPSO算法快速准确搜索粒子信息,实现RBF神经网络辨识模型的最优化。通过在电厂用水加药系统循环控制上的仿真测试,表明该控制策略相比PID控制和基于遗传算法优化的BP神经网络控制,在控制的平稳性和快速性上具有一定优势。