针对锡化反应过程本身的非线性、不确定性和滞后性,难以实现反应釜中温度的精准控制,提出了一种基于学习网络的锡化反应过程温度预测控制方法。首先,设计了一种基于贝叶斯优化长短期记忆(Bayesian Optimised Long Short-Term Memory...
详细信息
针对锡化反应过程本身的非线性、不确定性和滞后性,难以实现反应釜中温度的精准控制,提出了一种基于学习网络的锡化反应过程温度预测控制方法。首先,设计了一种基于贝叶斯优化长短期记忆(Bayesian Optimised Long Short-Term Memory,BO-LSTM)的温度预测模型,该模型通过最小化目标函数得到最优超参数组合,提高了BO-LSTM的预测精度。其次,引入梯度下降法处理在线优化问题,得到最优控制律。此外,从理论方面给出了BO-LSTM-MPC的稳定性证明,以保证所提方法在实际应用中的可行性。最后,利用实际的工厂数据进行实验验证,实验表明,所提出的控制方法能够实现锡化反应过程中温度的稳定高效控制。
暂无评论