Control Predictivo Generalizado para Procesos Industriales Basado en una Red Neuronal RBF de División y Fusión Adaptativa de Neurona

En este documento se diseña un esquema de control predictivo generalizado (GPC) adaptativo para un proceso industrial basado en una red neuronal de función de base radial (RBFNN) de división y fusión adaptativa de neurona (NASM-RBFNN). La NASM-RBFNN se desarrolla para identificar los comportamientos dinámicos del proceso industrial. Con el fin de proporcionar un modelo de predicción preciso para el GPC, se proponen una estrategia de división y fusión adaptativa de neurona y un enfoque de corrección adaptativa de parámetros ponderados. La estrategia de división y fusión adaptativa de neurona puede agregar o eliminar automáticamente neuronas ocultas en línea, y el enfoque de corrección adaptativa de parámetros ponderados puede actualizar los pesos basándose en el error de la red neuronal. Los enfoques propuestos pueden permitir que la NASM-RBFNN se adapte a las condiciones de producción variables en el tiempo y a las perturbaciones estocásticas. Se presenta el análisis de estabilidad y la convergencia de la estrategia de división y fusión adaptativa de neurona y el enfoque de corrección adaptativa de parámetros ponderados. Finalmente, el GPC basado en NASM-RBFNN (NASM-RBFNN-GPC) se aplica para controlar el proceso de eliminación de hierro en la planta de hidrometalurgia de zinc más grande de China. Los experimentos industriales demuestran que el NASM-RBFNN-GPC tiene un rendimiento de seguimiento y control satisfactorio.