控制理论与应用

作者：孙剑,蒙西,乔俊飞

单位：北京工业大学信息学部,北京工业大学信息学部,北京工业大学信息学部

关键词：城市固废焚烧; 烟气含氧量控制; 模型预测控制; 自组织长短期记忆网络

基金：国家自然科学基金项目(61890930–5, 62021003, 62273013), 科技创新2030–“新一代人工智能”重大项目(2021ZD0112301)资助.

烟气含氧量的精准控制对城市固废焚烧处理厂的稳定高效运行具有重要意义. 然而, 由于固废焚烧过程固有的非线性和不确定性, 难以实现烟气含氧量的有效控制. 为此, 文中提出一种数据驱动的城市固废焚烧过程烟气含氧量预测控制方法. 首先, 设计了一种基于自组织长短期记忆(SOLSTM)网络的预测模型, 结合神经元活跃度与显著性动态调整隐含层结构, 提高了烟气含氧量的预测精度. 其次, 为了保证优化效率, 利用梯度下降法求解控制律. 此外, 基于李雅普诺夫理论分析了所提方法的稳定性, 确保控制器在实际应用过程中的可靠性. 最后, 基于实际工业数据对所提出的控制方法进行了验证, 结果表明, 提出的数据驱动预测控制方法能实现对城市固废焚烧过程烟气含氧量的稳定高效控制.

来源：2024年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第3期