作　　者： ; ;

机构地区： 北京化工大学自动化研究所

出　　处： 《北京化工大学学报（自然科学版）》 2009年第4期100-104,共5页

摘　　要： 以连续搅拌反应釜(CSTR)为例,通过对一般化学习网络(ULN)分支上时间延迟的优化训练,提高了CSTR这类具有滞后环节的复杂非线性系统的建模精度。将一般化学习网络和模糊理论相结合,提出了一种改进的神经网络内模控制方法(改进的ULN-IMC)。仿真结果表明,改进的ULN-IMC可有效的提高CSTR的跟踪和抗扰动定值控制过程。 Through the training of time delays on the branches of a universal learning network （ULN） to the optimal values, the modeling precision for a continuous stirred tank reactor （CSTR）-a complicated nonlinear system with a large lag-was greatly improved. Furthermore, an improved ULN internal model control method （improved ULN-IMC） based on fuzzy control theory has been proposed. In simulations of a CSTR using this new method, the tracking and fixed set-point control when subjected to an external disturbance showed good performances.

关 键 词： 一般化学习网络 连续搅拌反应釜 时间延迟 神经网络内模控制 模糊理论

领　　域： [自动化与计算机技术] [自动化与计算机技术]