1、間歇聚合反應過程由于具有非線性、時變性、不確定性、反應機理復雜等特點，其控制問題一直是過程控制界具有挑戰(zhàn)性的研究課題之一。應用傳統(tǒng)的控制方法已經(jīng)不能滿足生產(chǎn)過程對控制性能的要求，迫切需要一類合適的先進控制策略。 迭代學習控制是一種新型控制算法，它不依賴于動態(tài)系統(tǒng)的精確數(shù)學模型，是一種以迭代產(chǎn)生優(yōu)化輸入信號，通過重復執(zhí)行同一任務來減少誤差，使系統(tǒng)輸出盡可能逼近理想值的方法。它的研究對那些有著非線性、復雜性、難以建模以及高精度軌跡控

2、制問題有著非常重要的意義。 本文在分析了間歇聚合反應過程特點的基礎(chǔ)上，提出了一種將迭代學習控制與反饋控制相結(jié)合、并通過神經(jīng)網(wǎng)絡對迭代控制器參數(shù)進行約束和優(yōu)化求解來優(yōu)化迭代學習律的綜合控制方案。方案中通過引入反饋控制作用調(diào)節(jié)當前系統(tǒng)存在的跟隨偏差；通過迭代學習控制進行前饋補償。并通過神經(jīng)網(wǎng)絡優(yōu)化擬合迭代學習控制器的參數(shù)，構(gòu)造出下次過程的迭代學習控制律，形成優(yōu)化的迭代學習控制。由于固定增益的學習律將使得算法的學習速度降低，迭代的次數(shù)

3、增加；而神經(jīng)網(wǎng)絡所具有的任意非線性表達能力及完成數(shù)學逼近映射的功能，能克服最小二乘法擬合存在的計算量大且收斂速度慢的缺點，更好的實現(xiàn)系統(tǒng)的最佳控制，所以本文提出用神經(jīng)網(wǎng)絡來優(yōu)化控制器參數(shù)。此方法不僅提高了系統(tǒng)的抗干擾性能和初始魯棒性，而且充分發(fā)揮了迭代學習控制不需要建立精確數(shù)學模型的智能化優(yōu)點。 本文將該方法應用于ABS樹脂聚合反應過程的溫度控制中，并對固定增益的迭代過程和用神經(jīng)網(wǎng)絡優(yōu)化的迭代過程的溫度輸出進行了比較。仿真結(jié)果表