学位论文 > 优秀研究生学位论文题录展示
聚合釜温度优化控制方法的研究
作 者: 李永强
导 师: 曹柳林
学 校: 北京化工大学
专 业: 控制理论与控制工程
关键词: 间歇反应 RBF神经网络 粒子群优化算法 非线性预测控制
分类号: TP273
类 型: 硕士论文
年 份: 2009年
下 载: 129次
引 用: 0次
阅 读: 论文下载
内容摘要
间歇过程(Batch Processes)广泛应用于精细化工、生物制品、药品生产、农产品深加工等领域。近年来,为适应多品种、多规格和高质量的市场要求,间歇过程生产重新受到重视,国外还出现了较大规模的间歇生产。然而,由于间歇反应有着:(1)复杂性、时滞性和非线性;(2)难控性;(3)建模难;等一系列问题,所以间歇反应主产物的产率一直难以提高,造成企业竞争力下降,资料浪费等问题。本课题选择某公司有机厂的硫化促进剂间歇反应为对象,由邻硝基氯苯、多硫化钠和二硫化碳在聚合釜中经夹套蒸汽加入适度的热量后,发生复杂的化学反应生成促进剂M的钠盐及其副产物。物料特性差异大,反应属放热过程,反应过程中有主副反应的竞争,必须设法抑制副反应,然而主反应的活化能较高,又期望较高的反应温度。因此多种因素交织在一起,具有很高的研究意义。针对此间歇反应中出现的以上的问题,本文作了如下的工作:1.分析了在反应过程当中,主产物的浓度跟反应的温度进程和聚合釜内的压力有着紧密的关系,然而进一步分析发现,聚合釜内压力和反应温度又近似的成线性的关系;利用径向基函数(RBF)神经网络建立了主产物浓度和反应温度之间的关系模型,基于此模型的基础上,利用粒子群优化算法(PSO)对温度的进程曲线进行随机搜索求解,获得了能够得到最大主产物浓度的最优温度进程曲线。2.在获得最优温度进程曲线的基础上,再次利用RBF神经网络建立反应器冷却水控制升温阶段的反应模型,并在此模型的基础上,利用非线性预测控制实现了间歇反应器最优升温曲线的跟踪控制,结合VisualBasic与Matlab软件编制控制程序在多功能过程及控制实验装置(MPCE)实现算法的控制,并与以升温速率为基准的特殊PID调节器的控制结果相比,无论是在鲁棒性上还是最终主产物的浓度上都得到了提高,优化效果明显。
|
全文目录
摘要 5-7 ABSTRACT 7-14 第一章 绪论 14-26 1.1 间歇过程中的优化方法 14-16 1.1.1 间歇生产过程综合控制与优化 14-15 1.1.2 间歇过程单元的操作优化 15-16 1.2 间歇反应过程的特点及常用的控制方法 16-21 1.2.1 间歇反应的特点及难点 16-17 1.2.2 间歇反应中常用的控制方法 17-21 1.3 非线性预测控制 21-23 1.3.1 非线性模型预测控制的研究概况 21-22 1.3.2 基于神经网络的非线性预测控制在间歇反应中的应用 22 1.3.3 非线性模型预测控制存在的问题和发展方向 22-23 1.4 论文选题的目的和意义 23-24 1.5 内容安排 24-26 第二章 预备知识 26-38 2.1 神经网络理论 26-28 2.1.1 人工神经元模型 26-27 2.1.2 神经网络 27-28 2.2 RBF神经网络 28-32 2.2.1 RBF神经网络的结构 28-30 2.2.2 RBF神经网络的训练准则和常用算法 30-32 2.3 粒子群优化算法 32-38 2.3.1 算法原理 33 2.3.2 粒子群优化算法的数据模型 33-35 2.3.3 粒子群优化算法的计算流程 35 2.3.4 改进的粒子群优化算法 35-38 第三章 温度优化曲线给定 38-52 3.1 间歇反应过程 38-42 3.1.1 反应过程介绍 38-39 3.1.2 仿真装置介绍 39-42 3.2 浓度与温度的模型 42-46 3.2.1 数据的采集 42-43 3.2.2 数据的归一化与反归一化 43 3.2.3 温度和压力的关系 43-44 3.2.4 主产物浓度与温度的模型 44-46 3.3 搜索最优温度曲线 46-51 3.4 本章小节 51-52 第四章 基于神经网络的非线性预测控制在间歇反应过程中的应用研究 52-66 4.1 基于神经网络的非线性预测控制 52-57 4.1.1 模型预测 53-54 4.1.2 反馈校正 54-55 4.1.3 参考轨迹 55 4.1.4 滚动优化 55-57 4.1.5 神经网络自适应预测控制算法的步骤 57 4.2 李亚普诺夫稳定性分析 57-59 4.3 控制结果分析 59-65 4.3.1 控制程序 59-60 4.3.2 非线性预测控制结果 60-63 4.3.3 以升温度速率为基准的特殊PID控制结果 63-64 4.3.4 控制结果的比较与分析 64-65 4.4 本章小节 65-66 第五章 总结与展望 66-68 5.1 总结 66-67 5.2 展望 67-68 参考文献 68-72 致谢 72-74 研究成果及发表的学术论文 74-76 作者和导师简介 76-77 北京化工大学 硕士研究生学位论文答辩委员会决议书 77-78
|
相似论文
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 制造业绿色产品研发的风险识别与评价研究,F205;F224
- 基于RBF的人工神经网络在PCB钻孔工艺中的应用,TN405
- 网络化控制系统故障诊断与容错控制研究,TP273
- 直线电梯单电磁悬浮导向系统RBF神经网络滑模控制,TP273
- 基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究,TQ325.14
- 无人直升机鲁棒及自适应容错控制技术研究,V249.1
- 基于神经网络建模的聚丙烯牌号切换非线性预测控制,TQ325.14
- 基于神经网络锅炉燃烧系统的模型研究,TK223.2
- 基于回波包络特征的超声波入侵探测方法研究,TP274.53
- 基于神经网络的莫尔条纹信号细分方法及应用,TP274
- 钕铁硼氢粉碎工艺计算机控制系统的研究,TP273.5
- 基于RBF神经网络的手绘电气草图识别研究,TP391.41
- 基于RBF神经网络与蚁群算法的瓦斯预测模型研究,TD712.5
- T-S型RBF神经网络在电解液成分建模中的应用研究,TP183
- 基于模糊推理和神经网络的预想事故自动选择研究,TM711
- 基于负荷预测的变电站电压无功优化控制策略研究,TM761.1
- 基于RBF神经网络的步进电机驱动控制技术研究及FPGA实现,TM383.6
- 优化算法改进的RBF神经网络在电动机控制中的应用,TM32
- 高速公路入口匝道控制研究,U491.54
- 水隔离浆体泵建模与控制,TH38
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 自动控制、自动控制系统
© 2012 www.xueweilunwen.com
|