信息与控制

作者：李鑫, 刘海军, 陈薇, 康志伟, 解俊哲, 赵军, 褚彪

关键词：垃圾协同处置, 分解炉温度, Hammerstein-Wiener模型, 两步法预测控制, 极限学习机

针对传统的线性模型不足以描述分解炉复杂系统的问题，结合垃圾协同处置的背景，研究了一种基于极限学习机(extreme learning machine，ELM)的MISO Hammerstein-Wiener (multiple-input single-output Hammerstein-Wiener)模型分解炉温度建模及预测控制方法，用以实现分解炉温度的稳定控制。模型以喂煤量和垃圾衍生燃料流量(refuse derived fuel，RDF)为输入、分解炉温度为输出，并且采用ELM拟合非线性环节，ARMAX (autoregressive moving average with extra input)模型来描述动态线性环节，递推最小二乘法辨识出模型混合参数，奇异值分解得到模型的参数估计。分解炉控制方法采用两步法预测控制。首先，建立非线性环节逆模型；其次，采用广义预测控制算法得到中间变量；最后，中间变量经过非线性环节逆模型输出得到模型的控制量。仿真实验表明，ELM的引入提高了模型的拟合精度。与传统的预测控制相比，所提的控制方法稳定性更强、跟随性更好。

来源：2025年第4期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第4期