煮糖結晶過程是一非線性、慢時變過程。其內部機理復雜，各變量間相互耦合，建立機
理模型相對困難。隨著人工神經(jīng)網(wǎng)絡的發(fā)展，出現(xiàn)了很多網(wǎng)絡模型及訓練算法，結合煮糖工藝的特點我們采用傳統(tǒng)的BP模型，但原始的BP算法收斂速度慢。為了加快網(wǎng)絡的收斂，我們采用了學習率自適應調整算法。仿真試驗表明此算法完全滿足煮糖控制的要求。
糖廠的煮糖結晶過程是一個非常復雜的化學物理過程，由于煮糖過程中物料的純度和濃度不斷地變化，煮糖的工藝條件如真空度和蒸汽壓力經(jīng)常波動，這些因素都直接的影響了糖液的過飽和度。從制糖工藝學中可知，煮糖質量的好壞關鍵是控制糖液的過飽和度，并保持在適當?shù)姆秶?。制糖的最后一道工序是將糖漿轉變成晶體，為在能耗最小的情況下提高生產性能我們采用分段濃縮法提高糖漿的錘度，這個液 － 固轉化過程是由一組間歇式真空結晶罐完成的。結晶要實現(xiàn)的主要目標是形成尺寸大小基本一致、形狀規(guī)則的晶體，這只能在過飽和度的亞穩(wěn)定區(qū)才能形成。為了保持輸入和蒸發(fā)水之間的平衡，要根據(jù)需要加大蒸汽供應量，控制糖漿的輸入率和蒸汽的流量。
傳統(tǒng)的建模是非常透徹地了解工業(yè)動態(tài)的基礎上，找出過程的輸入 － 輸出函數(shù)關系，但煮糖結晶過程是一非線性、慢時變、多變量控制過程，要建立其機理模型是非常困難的。人工神經(jīng)元的模糊近似性使它能在有噪音干擾和數(shù)據(jù)不充分的情況下建模，它在過程模擬中不需建立模型，只需給定輸入、輸出樣本就能產生智能模塊，人工神經(jīng)元給人們?yōu)楣に嚿a工程尤其是在控制領域提供了一種新的思路和可能。本文章就結合煮糖結晶的實際生產過程建立人工神經(jīng)元網(wǎng)絡模型。