成果信息

基于过程神经网络的工业过程控制，具有以下一些特色： (1)过程神经网络以大规模并行处理为主，运算速度快，能迅速对外界事物做出判断和决策。 (2)过程神经网络具有较强的容错性和鲁棒性, 能够进行联想、概括、类比和推广。任何局部的偏差都不会影响整体结果。 (3)过程神经网络具有较强的自学习能力。控制系统可以通过不断的学习补充和完善自己的知识。 (4)过程神经网络对过程建模可达到更高的精度，对过程信息的处理速度也有大幅度的提交，很适合工业过程控制数据。 显而易见，过程神经网络的这些优点对于信息复杂多变, 需要随时监控的工业控制过程是十分适合的。传统的工业控制过程主要取决于人的技艺和经验，经验往往十分抽象，用知识表述十分困难。过程神经网络则可将相关的知识以数学模型的形式用隐式表达出来。在操作中也近似于灰箱操作，对于其中具体的调整无须非常清楚，只需由过程神经网络自身对其权重系数进行调整即可达到比较满意的效果。另外，过程神经网络较好的自学习能力和较高的容错性，使其即使在现场数据不完备的情况下，也能较好地完成控制任务。由此可见，过程神经网络控制能够很好地适应环境变化和控制对象参数变化的复杂控制过程的要求，其可行性是毋庸置疑的。 )

背景介绍

工业过程控制，主要是指使用计算机技术、微电子技术、电气手段，使工厂的生产和制造过程更加自动化、效率化、精确化，并具有可控性及可视性。工业过程控制的出现和推广，极大地提升了工业生产的速度和效率，带来了新的工业界革命。 从20世纪60年代开始，西方国家就依靠技术进步（即新设备、新工艺以及计算机应用）开始对传统工业进行改造，使工业得到飞速发展。20世纪末世界上最大的变化就是全球市场的形成。全球市场导致竞争空前激烈，促使企业必须加快新产品投放市场时间、改善质量、降低成本以及完善服务体系。通过对工业生产过程的信息化自动化控制，能够大大缩短产品投放时间，改善产品质量、降低成本，大大提高企业的竞争力，在全球化的竞争中取得优势。 人工神经网络的出现给工业过程控制带来了新的突破，在工业控制过程中，基于神经元网络建立寻优模型，自动调整优化控制过程参数，得到最佳的控制效果和对应的控制参数。能够极大地改善产品质量，提升生产效率，降低生产成本。特别是我们提出的过程神经网络控制模型，能够针对生产过程数据实现时间和空间不同维度上的建模寻优过程，达到更快的控制速度与更高的控制精度，是工业过程控制中一种优秀的控制模型。)

应用前景

基于过程神经元网络的工业过程控制，目前已在许多领域得到了初步应用，如化工过程控制、自动焊接控制、印染过程控制。可以说，几乎所有工业控制过程都是过程神经网络控制应用的领域。面对工业控制过程中高维数、非线性、强干扰、不确定、难建模等特点，引入过程神经元网络来进行工业过程控制，可以解决经典控制方法中许多难以解决的问题，其应用前景和潜在市场都是十分值得期待的。)