CSTR系统的基于CMFC神经网络的学习控制研究.pdfVIP

维普资讯 ● 7卷2期 控 制 与 决 策 i992年 3月 VO1．7NO．2 CONTROL AND DECISION M ar．1992 CSTR 系统的基于 CMFC神经元网络的学习控制研究 ．1 ／~／I6 (Ⅱ并许秭力．蒋萄静坪i) 可 。 摘 要 CMAC(Cerebe1larModelArticulation Controller或 Cerebellar ModelAriLhmeticComl0u·ter)神经元网络是 由 A1bu8提出的一种 表 达 复 杂 非线性函数的表格查询的 自适应系统．本文将 CMAC 应用到具体的连续搅拌 反应 釜 (CSTR)系统的学习控制研究中，仿真结果表 明，该学习控制策略具有较强的自学 习 能力且容易实现 ，对于改善非线性控制 的性能，不失为一种有益的尝试． 黄t碉 CMAC神经元网络，学习控制．连续搅拌反应釜 (CSTR) 杂凑犏码 神 一 便应蠹 c l 弓『 言 连续搅拌反应釜 (CSTR)是聚合反应工业中广泛使甩的一种反应器，其系统建模、状 态估计和实时控制等问题，受到众多学者的关注 。聚台反应釜的控制性能受到多方面因素的 影响，主要在于[1]， 由于对反应釜的 内部机理缺乏足够清晰的认识，以及过程奉身存在的 严重的敏感性和非线性，使得系统的准确建模变得相当困难。同时，由于复杂非线性系统的 完善有效控制策略的缺乏，就给反应釜系统的实时有效控制造成很大的困难。 目前正在兴起和发展的人工智能和人工神经元网络 i研究，为复杂非线性系统的控制开 辟了一条新路。Barto等 [9 提出一种基于 自适应类神经元 (neuronlike)模型的学习控 制算法，并进行了倒立摆控制的仿真}Rhee等Ⅲ]通过构造一个知识结构 (knowledge sLruc~ure)来学习掌握系统的输入输出关系，从而实现整 个 系 统 的 控 制 。 CMAC 是 AlbusC3，]在 1975年提出的，旨在模拟人脑思维和记忆的人工神经元网络，Mfiler·等￡5] 将该网络应用到具体的机器人控制领域，取得了一系列仿真和实验结果 近几年，我们对 CSTR 系统的基于知识的控制和状态估计开展了一些研究 [11—14J，针 对实际建立的 CSTR 控制实验系统， 本文进行了基于 CMAC 的学习控制的研究。 2 CSTR 系统 图 1所示是我们所建立的 CSTR 控制系统的实验装置。反应物 由进料泵控制，以一定 的速率慌过反应釜，反应所释放的热量 由釜的夹套内的循环冷却剂带走，而已反应或龆分反 应的物料则连续地从l反应釜中流出。 。 本文仿真所用的系统摸型[2]是 · 本谦 赶获得 国家教重博士 点基盘赍驰 收藕 日期，1991-07—26 维普资讯 控 制 与 决 策 19 g 2丰 ～ (莓) (1) 邯 h泅 毒( (2) 在这组非线性状态方程 中 ， 是与浓度相关的转 化率，不可直接在线测量，而只能间断取样，人工分析 滴定获取}状态变量 ：是反应温度 ，的无园次化表 l示，可在线测量。控制变量 ，和 分别对应于物料 的进料流量和夹套内冷却剂的温度。实际运行时，通常 将进料流量固定，而使系统