基于神经网络的工业炉炉温多步预测控制方法

摘要

本发明公开了一种基于神经网络的工业炉炉温多步预测控制方法，获取历史炉温与燃料量数据，计算当前时刻炉温与过去时刻燃料量、炉温的相关系数，选择相关系数大的变量作为输入，训练BP神经网络模型；将BP神经网络模型级联得到多步预测模型；对目标炉温进行柔化处理确定参考炉温；利用预测神经网络模型预测多步炉温，根据预测炉温与参考输炉温误差建立性能指标，基于融合PSO+N‑R方法最小化该性能指标，计算得到燃料量，据此控制炉温；将前一步长对应的燃料量作为下一步长PSO寻优的初始状态，基于融合PSO+N‑R方法计算下一步长的燃料量，不断滚动优化，实现工业炉炉温的多步预测控制。本发明不仅提高了炉温的控制精度，也降低了求解燃料量的时间成本。