基于自適應(yīng)動(dòng)態(tài)規(guī)劃的水泥預(yù)分解窯控制系統(tǒng).pdf

1、水泥預(yù)分解窯生產(chǎn)工藝，代表了現(xiàn)今先進(jìn)的水泥生產(chǎn)工藝。我國(guó)作為水泥生產(chǎn)大國(guó)，水泥預(yù)分解窯產(chǎn)量已占全國(guó)總水泥產(chǎn)量的60％以上，然而由于水泥預(yù)分解窯參數(shù)眾多、大慣性、大滯后、非線性等特點(diǎn)，目前國(guó)內(nèi)大多數(shù)廠家的生產(chǎn)參數(shù)均是以人工調(diào)節(jié)為主，對(duì)于人工經(jīng)驗(yàn)的依賴(lài)性非常大，生產(chǎn)不穩(wěn)定因素較多，能耗高，難以實(shí)現(xiàn)水泥預(yù)分解窯生產(chǎn)工藝的最大產(chǎn)能。
　　 為進(jìn)一步提高預(yù)分解窯的水泥產(chǎn)量，降低水泥預(yù)分解窯生產(chǎn)的能耗，本文首先針對(duì)水泥預(yù)分解窯難以建立精確有

2、效的數(shù)學(xué)模型的特點(diǎn)，采用具有自學(xué)習(xí)和自適應(yīng)能力的人工神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行建模：分別采用了BP前饋神經(jīng)網(wǎng)絡(luò)與Elman反饋神經(jīng)網(wǎng)絡(luò)兩種方法對(duì)預(yù)分解窯系統(tǒng)進(jìn)行建模，兩種模型均顯示了良好的擬合與泛化能力；其次，介紹了先進(jìn)的自適應(yīng)動(dòng)態(tài)規(guī)劃算法，并針對(duì)執(zhí)行依賴(lài)啟發(fā)式動(dòng)態(tài)規(guī)劃(ADHDP)無(wú)模型網(wǎng)絡(luò)的特點(diǎn)，分別介紹了ADHDP基于BP網(wǎng)絡(luò)與動(dòng)量BP網(wǎng)絡(luò)的兩種實(shí)現(xiàn)形式。論文將執(zhí)行依賴(lài)啟發(fā)式動(dòng)態(tài)規(guī)方法(ADHDP)與啟發(fā)式動(dòng)態(tài)規(guī)劃(HDP)，應(yīng)用于水泥預(yù)分