一种基于连续时间神经网络的浓密机预测控制方法及系统

摘要

本发明公开了一种基于连续时间神经网络的浓密机预测控制方法及系统，该方法包括：获取实际工业场景中浓密机系统的历史运行参数；基于深度时序网络，构建浓密机系统的连续时间状态空间模型并利用历史运行参数对连续时间状态空间模型进行训练；获取待控制浓密机系统的当前运行参数，基于训练好的连续时间状态空间模型，根据当前运行参数预测待控制浓密机系统的底流浓度变化；基于待控制浓密机系统的底流浓度变化预测结果，对待控制浓密机系统的输入控制序列进行优化，得到待控制浓密机系统的最优输入控制序列。本发明相较于传统建模或控制方法，能够更好地表示浓密机系统的复杂非线性以及连续时间物理特性，因此拥有更高的拟合精度以及控制鲁棒性。