【摘要】：神经网络控制是一种模拟大脑神经元工作原理的控制思想。神经元网络具有很好的学习能力、泛化能力、容错能力和非线性映射能力，它可以弥补常规方法的局限性，使得非线性、时变性和不确定性多变量系统的解耦控制成为可能。这对于循环流化床锅炉的控制研究非常有利。目前，神经网络在循环流化床锅炉上的研究主要有辨识建模和控制两类。
神经网络控制是一种模拟大脑神经元工作原理的控制思想。神经元网络具有很好的学习能力、泛化能力、容错能力和非线性映射能力，它可以弥补常规方法的局限性，使得非线性、时变性和不确定性多变量系统的解耦控制成为可能。这对于循环流化床锅炉的控制研究非常有利。目前，神经网络在循环流化床锅炉上的研究主要有辨识建模和控制两类。叶海文等人采用多层前进型人工神经元网络对循环流化床锅炉进行了模型化研究，获得了比较精确的模型；Sriniavasa Valaboju采用神经网络技术为循环流化床锅炉建立了主要对象的NN 模型，并进行了控制研究，仿真效果良好；Praveen Koduru 和Asad Davari则对冷态流化床（CF-CFB）进行了类似研究；Santosh Kumar Dasika采用动态反向算法（DBP）训练的方法，采用对角神经网络 （DRNN）实现了CF-CFB 的控制；蒋晓肖对床温进行了神经网络控制研究，首先根据现场数据建立模糊神经网络模型，进而引入RBF控制器实现控制；胡益民采用BP 神经网络对燃烧系统进行解耦，进而使用PID 进行控制[50]，梁庚采用了类似的思路进行了研究，但解耦方法不尽相同，均取得了良好的效果；另外还有一些其他学者作了相关研究。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
