基于改进型神经网络的臭氧发生器模型研究

摘要

介质阻挡放电(DBD)等离子体生产臭氧的过程复杂,是典型的非线性系统。为了更深入研究臭氧发生过程的输入输出关系,提出使用神经网络建立臭氧发生模型。通过200g/h型号的DBD板式臭氧发生器实验平台获取大量实验数据,以遗传算法与BP神经网络相结合的方式建立臭氧浓度预测模型,并提出了模型在线更新的方法。实验结果表明,GA-BP方法相比未经优化的BP神经网络能够更快速建立较准确的模型,在线更新机制有效改善了离线神经网络模型的不足,研究结果为进一步提高臭氧浓度的精确预测和系统闭环控制提供了理论基础。