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

聚合釜温度优化控制方法的研究

内容摘要

全文目录

相似论文