熊莹[1]2004年在《利用RBF神经网络实现聚合反应的内模控制》文中研究指明本文主要针对苯乙烯本体聚合反应分子量分布控制领域，研究基于径向基（RBF）神经网络算法的内模控制策略。主要探讨了几个方面的问题：聚合过程控制的重要性；苯乙烯本体聚合反应机理模型的建立；利用RBF神经网络建立苯乙烯本体聚合反应非线性系统模型；利用RBF神经网络实现对单输入单输出聚合反应模型的内模控制；基于RBF神经网络的多输入多输出聚合反应系统的内模控制策略。本文利用RBF神经网络对非线性系统的逼近能力，对苯乙烯本体聚合反应模型进行学习训练，这里通过使用一种改进的RBF算法对模型进行建模，获得了较好的神经网络结构。同时，内模控制器的实现(也即逆模型的获得)也是通过RBF神经网络对逆模型的学习训练完成的。在完成以上各项训练的基础上，构成一个单输入单输出聚合反应模型的内模控制系统，并通过实验证明，该控制系统具有较强的鲁棒性和抗干扰能力。在用RBF神经网络对系统进行建模时，针对建模过程中存在的稳态误差，在训练数据中增加了部分静态数据，有效的提高了模型的验证精度，从而大大改善了由神经网络构成的内模控制器的控制精度，消除了系统余差。本文还研究了对多输入多输出系统的基于RBF神经网络的内模控制，并扩展到分子量分布控制当中，获得了较好的控制
熊莹, 曹柳林[2]2003年在《利用RBF神经网络实现聚合反应的内模控制》文中指出文中研究基于径向基 (RBF)神经网络算法的内模控制策略在苯乙烯本体聚合反应相对分子质量分布控制领域的应用。利用神经网络对非线性系统的逼近能力 ,把内模控制推广到聚合反应过程质量指标控制这一非线性系统中。针对建模过程中存在的稳态误差 ,在训练数据中增加了部分静态数据 ,有效的提高了模型的验证精度 ,大大改善了由神经网络构成的内模控制器的控制精度 ,消除了系统余差。仿真结果证明 ,基于神经网络算法的内模控制策略达到了较好的控制质量
郭爱卿[3]2008年在《LMBP神经网络内模控制在聚合反应中的应用》文中研究说明本文研究基于LMBP神经网络内模控制在丙烯聚合反应产物组分控制领域的应用。利用神经网络对非线性系统的逼近能力,把神经网络控制推广到聚合反应过程质量指标控制这一非线性系统中。控制策略采用内模控制,内模控制策略是一种新的、很有发展潜力的控制技术技术。选用(LMBP)神经网络作为训练网络,LMBP网络是一种性能良好的前向网络,它不仅能保证全局收敛,而且具有最佳逼近性能。通过反应机理的推导,建立了丙烯聚合反应过程的正模型(内部模型)以及逆模型(控制器模型),实现对组分的有效控制。仿真结果证明,基于神经网络算法的内模预测控制策略达到了较好的控制质量。针对以丙烯聚合反应为对象的基于神经网络的内模控制,本人完成的工作主要有:1.查阅文献资料,了解聚合反应原理,熟悉丙烯聚合反应过程,熟悉了聚合物的各种质量指标;掌握人工神经网络的特点、结构和算法;理解常规内模控制方法和结构,学习和研究基于神经网络的内模控制策略。2.研究带有LMBP神经网络的内模控制在丙烯聚合反应中的应用。这里主要包括以下几方面内容:①利用MPCE建立丙烯聚合反应的试验工程,并获取LMBP神经网络建模时所需要的训练和检验数据,同时对数据进行必要的分析处理。②用LMBP神经网络训练被控对象的正模型(内部模型)以及逆模型(控制器模型)。③研究并编程实现了带有LMBP神经网络训练模型的内模控制方案,并实现对组分的有效控制。
崔杏利[4]2004年在《基于神经网络的ABS树脂聚合过程迭代学习控制方法的研究》文中进行了进一步梳理迭代学习控制是近二十年来发展起来的一种新的智能控制方法。在实际工业过程控制中，很多复杂工业过程都具有某种可重复的特性。迭代学习控制就是根据工业对象的这种特性，通过引进学习机制，不断地积累被控对象的知识，在线完成控制器的设计和改进，即把在线的学习、在线的控制与控制系统性能改善的功能综合在一个算法里，通过工业过程的不断重复加以实现。它在解决由于对象存在非线性或建模不良造成的不确定性问题方面具有得天独厚的优越性，在学习过程中不断弥补缺乏的先验知识，进而使系统性能得到逐步改善。 由于神经网络具有对任意非线性映射的理想逼近能力，并能学习和适应未知不确定系统的动态特性，使采用神经网络的控制系统具有更强的适应性和鲁棒性。本文将迭代学习控制与神经网络相结合，提出了一种新的基于神经元网络的优化迭代学习控制方法。该方法利用了神经网络的计算能力以及对任意非线性映射的理想逼近能力，通过神经网络优化对控制器参数进行约束和优化求解，其基本思想是：在每一次迭代学习过程中，利用迭代学习控制在线地学习被控对象的特性，使得在一定的控制输入下被控对象的输出良好地跟踪期望输出，并且利用RBF神经网络来优化P型迭代学习律的增益，在每一次的迭代学习过程之后，利用神经网络对当次输出的数据进行优化计算，找出本次最优的学习增益并替换原来的学习增益，使得学习算法获得更快的学习速率，在更少的迭代次数下达到控制性能的要求；为了增强被控系统的鲁棒性，在学习控制器的基础上加入反馈补偿控制器——PD型控制器。本文还将该方法应用于ABS树脂聚合反应过程的温度控制当中，仿真结果证明，该方法对复杂的ABS树脂聚合反应装置的温度控制是十分有效的，且能以较少的迭代次数达到满意的跟踪性能。
甄新平[5]2008年在《炼油化工装置先进控制的研究与应用》文中指出先进控制可以给生产企业带来显着的经济效益,这已成为一个世界性的共识,但国内的先进控制投运状况并不理想,很多装置的先进控制难以长期运行。针对目前先进控制应用中存在的问题,本课题以现有工业生产控制系统为基础,利用现代控制理论并结合现场实际,研究基于DCS层面的先进控制,确保装置的平稳运行和获取最大经济效益,同时也为基于DCS层面之上的先进控制和优化控制得以长期稳定运行打下基础。本课题研究目的是在现有装置和工艺不改进的条件下,如何使用先进控制技术提高装置的平稳性和自控率,降低能耗,减少操作人员的劳动强度,提高装置的综合水平,获得更大的经济效益。基于上述目的,本课题以基于IMC的先进控制来解决装置的自控率和平稳性问题,以模糊控制与常规控制相结合来减少前后工序间的负荷波动,以改进的RBF神经网络建模方法提高软仪表的预测精度。IMC是基于对象模型的先进控制技术,模型辨识的准确与否直接影响其控制效果,为提高对象辨识的准确性,针对一些因干扰滞后等原因,其过渡过程较长的对象,本课题研究了非稳态条件下的对象辨识问题。提出对象参数和系统状态方程初值同时辨识的方法。该方法的提出,为控制系统的在线辨识、PID参数整定难于在线进行的一系列问题提供了新的解决方案。工业过程对象一般用一、二阶加纯滞后来表示,针对这类对象的求解,文献上一般使用Pade近似法来解决。但对于一些大的滞后系统,使用这种算法进行对象辨识,会出现误差过大现象。为此本课题进行了纯滞后对象求解问题的研究,提出了移位插值法求解纯滞后项,新算法在不增加计算复杂性的情况下,可获得比Pade近似更为精确的计算结果。现有工业生产装置的控制系统由多家供应商提供,所提供的控制算法有多种。在对象辨识与控制器设计过程,如果对每一种类型的对象或控制器都进行总传递函数计算,就会给工程实施和程序设计工作带来很大困难,为此本课题应用矩阵模块法解决对象辨识的通用性求解问题。应用矩阵模块法进行求解,当系统中的模块参数发生变化时,只需改变相应数值,而无须改变整个系统结构,从而避免了重复性劳动。对于包含纯滞后的环节,使用移位插值法避免Pade近似带来的计算误差。由于辨识时考虑了状态空间方程初值,这样可以方便的使用现场数据进行模型辨识,而不必考虑测试数据的状态,使得辨识工业对象更方便,辨识结果精度更高。为减少因前后负荷变化过大而影响装置平稳性的问题,利用液位允许在一定范围内变化的特点,本课题以模糊控制理论和常规PID相结合,研究了输出缓慢变化的液位非线性自适应区域控制技术。液位非线性自适应区域控制基于DCS操作人员的操作思想,当液位在允许范围内波动时不进行调节,以确保后续系统的稳定操作。液位非线性自适应区域控制在实现上只需调节一个参数——比例系数,参数的调节并不需要掌握模糊控制的知识,只要参考前几次的调节数据,一般操作人员就可容易地进行设定。液位非线性自适应区域控制使前一工序的稳定性大大提高,从而减少了后继工序的操作频次,进而减小操作人员的劳动强度。针对神经网络软仪表在实际应用过程中会出现预测误差过大问题,为提高软仪表预测的准确性,针对原算法的不足之处,本课题经多方分析,找到了影响网络精确度的原因,提出了以K均值和递推下降算法相结合的RBF神经网络建模改进算法,从而提高了软仪表的数据预测精度。最后应用IMC技术,对DCS控制回路的PID控制器进行了IMC-PID控制器改造,解决了IMC的实际应用问题。
杨静[6]2010年在《基于神经网络的聚氯乙烯汽提塔温度的解耦控制的研究》文中进行了进一步梳理聚氯乙烯工业在国民经济中有着重要的地位,聚合之后生成的聚氯乙烯中夹杂的氯乙烯单体是影响聚氯乙烯质量的重要因素之一,且氯乙烯是有毒物质,因此对聚合后的聚氯乙烯浆料进行汽提是十分必要的。提高聚氯乙烯汽提过程的控制精度对提高聚氯乙烯产品质量,节约能源,降低生产成本,减少环境污染都有重要意义。聚氯乙烯汽提过程是一个非线性、耦合、大滞后的多变量系统,采用传统的控制方法会导致产品质量不稳定、控制精度不高和产能低等问题,因此本文对汽提过程的控制进行了深入研究。本文在对汽提过程消化研究的基础上,首先分析了聚氯乙烯汽提工艺特点及其控制要求,基于动态模糊神经网络具有通用逼近和学习能力,需要较少的先验知识,能够在线学习等特点,结合现有的锦化集团汽提过程实际运行数据,采用动态模糊神经网络建模方法建立了汽提塔系统的模型,并仿真验证了该模型的有效性。其次,通过详细分析汽提过程的模型特征,可知汽提过程是有耦合的非线性系统。基于神经网络解耦不需要被控对象精确的数学模型的特点,设计了汽提过程的神经网络解耦器。神经网络解耦器使得汽提过程由一个双输入双输出的耦合系统转化为两个相互独立的单变量系统,仿真验证了神经解耦器具有较好的解耦效果。再次,针对汽提过程解耦后的单变量系统,本文设计了神经网络PID控制器,该控制器在传统的PID控制的基础上增加一个神经网络控制环节,通过神经网络来调节PID控制器的参数。最后将神经网络PID控制器与神经网络解耦器相结合,实现聚氯乙烯汽提过程的神经网络解耦控制。仿真结果表明本文给出的神经网络解耦控制方案具有较好的解耦性与鲁棒性。从仿真结果分析,本文给出的神经网络解耦控制器不仅结构简单,易于工程实现,且具有较强的解耦性和鲁棒性。为有效提高聚氯乙烯汽提过程的温度控制精度提供了种新思路、新途径。
蔺淑倩[7]2010年在《间歇反应过程的最优温度控制研究》文中指出近年来随着激烈的市场竞争和对多品种、多规格、高附加值产品的需求,间歇和半间歇生产方式逐渐成为企业生存的关键。然而国内大部分间歇生产过程的自动化水平却依然偏低,还普遍存在高能耗、高物耗等问题。因此为提高市场竞争力,节约能耗物耗,在间歇生产过程中推行优化算法和先进控制策略已快速成为当前研究热点。本文针对间歇生产过程的温度优化控制,研究和提出了一种面向过程数据的操作轨迹计算方法,目的在于找到一种省时省力的办法解决以往间歇生产的最优操作轨线大多依靠经验人工获取的问题,同时还研究了单批次跟踪和多批次重复学习来实现对间歇反应的温度控制。文中无论是温度曲线的计算,还是温度曲线的跟踪控制,都是以减少计算和控制时间,提高优化控制效果为目的,为实际生产领域的优化控制提供了一种新的参考。本文的主要研究内容如下：1、从连续时变输入的角度研究了间歇反应过程的建模技术,在过程神经网络理论的基础上,提出了一种基于时间函数模型的最优操作轨线自动计算方法。采用傅里叶正交基函数对连续时变输入作预处理,进而利用过程神经元网络独特的时间聚合算子,成功建立了制备橡胶硫化促进剂间歇过程的操作变量与产品质量之间的关系模型；并基于此时间函数模型,通过产品质量性能指标优化计算,获得最佳的控制轨线,作为实际生产的设定曲线。2、以数值求解得到的最优温度曲线作为设定值的单批次跟踪控制系统中,采用普通神经元网络建立间歇过程的对象模型和控制器模型,在内模控制理论基础上,以最优温度轨迹为目标,跟踪控制间歇反应釜温度。3、针对间歇反应温度的严重非线性,在单批次跟踪基础上,利用间歇反应批次之间的重复性,提出了迭代学习控制和反馈控制相结合的综合控制方案,反馈控制作用调节跟踪偏差,利用迭代学习控制进行前馈补偿。该方法实现了最优温度曲线的完美跟踪,为间歇生产的温度控制提供了有效的解决途径。
金鑫[8]2016年在《基于动态PLS框架的鲁棒建模及预测控制方法研究》文中提出现代工业向着复杂化大型化发展,对传统的机理建模和控制策略提出了重大挑战。信息技术的发展使得过程变量的自动化采集程度越来越高,而采集到的数据包含大量的过程信息。对这些信息的有效利用促进了数据驱动方法的发展。偏最小二乘(partial least square, PLS)作为一种多元统计数据驱动方法,已广泛应用于各个领域中。但在过程控制中的应用还处在起步阶段。本文结合PLS方法的去噪、降维、消除共线性和自解耦等特点,研究了动态PLS的建模方法和模型预测控制(model predictive control, MPC)方法。首先提出一种鲁棒动态建模方法,以提高在数据中存在野点的情况下的建模精度。其次设计了一种抗扰动MPC方法以及线性和非线性系统的无静差控制方法。具体工作内容包括：针对建模数据中的野点会影响动态PLS建模精度的问题,提出了一种具有野点检测的动态PLS鲁棒建模方法。野点检测的方法是,首先利用改进的径向基神经网络(Radial basis function network, RBFN)对系统的输出进行预测。根据RBFN的逼近特性可知,RBFN的预测值是逼近系统输出的真实值的。因此该预测值与真实值之差可视为系统的白噪声,应满足正态分布。利用隐马尔可夫模型(Hidden markov model, HMM)对该差值进行检测,判断样本点是否为野点。对于检测出的野点用RBFN的输出进行代替。对处理后的数据进行动态PLS建模。仿真实验表明,该野点检测方法具有较高的野点检测能力。经该方法处理后,动态PLS的建模结果具有更高的鲁棒性。由于动态PLS对数据的压缩和迭代建模机制,其模型会与实际过程存在偏差,这会导致PLS模型的不完全解耦。为抑制由于这种耦合而造成的回路间的扰动,提出一种动态PLS框架下的抗扰动广义预测控制(Generalized predictive control, GPC)方法。该方法将潜变量空间中的多个单输入单输出(Single-input single-output, SISO)子系统作为一种特殊结构的多输入多输出(Multi-input multi-output, MIMO)系统进行控制律的求解。将目标函数中输出跟踪误差的权重重组为根据模型预测值与参考轨迹之间的偏差实时调整的形式,以达到抑制由耦合而造成回路之间扰动的目的。权重调整的基本原则是,每个输出的预测值跟踪参考轨迹的权重由其它回路输出在同时刻偏离其参考轨迹的误差平方加权和构成。两个仿真实验的结果表明,该方法能够起到抑制由耦合而造成的扰动的目的。提出一种将基于状态空间模型的预测控制引入到动态PLS框架下的控制方法。但动态PLS的自动解耦和降维的特点容易导致模型与实际系统的失配,这种MPC方法在控制中引入的是系统状态反馈而不是输出反馈,故容易造成控制系统的静差。为解决这一问题,提出了两种将系统的输出作为反馈纳入到控制器的方法。一种是将状态空间模型改写成增量形式,另一种方法是在状态空间模型中引入扰动模型,并利用观测器对系统的状态进行估计。这两种方法的有效性通过Jerome-Ray的精馏塔模型和聚乙烯反应过程的仿真得以验证。提出一种非线性系统的动态PLS无静差MPC控制方法。首先将动态T-S模糊模型引入到PLS的内模型中来描述系统的非线性动态特性。对于所建立的潜变量空间T-S模糊模型分别设计了无静差MPC控制器,该控制器通过引入扰动模型和观测器的方法保证系统的无静差跟踪性能。在PH中和滴定过程中对该方法进行了仿真实验,结果表明该方法能够使系统的输出无静差的跟踪设定值。
黄滨[9]2007年在《基于径向基神经网络的广义预测控制研究及应用》文中研究说明实际工业生产过程中常常含有非线性、滞后环节，特别是在化工、冶炼等生产过程中尤为显着。连续搅拌釜式反应(CSTR)在反应过程中会产生大量的反应热，及时地减少反应热保证生产正常进行是控制的主要目标。本文将采用基于神经网络的预测控制来解决非线性、滞后等环节的影响。本文首先讨论了广义预测控制的基本结构与原理，深入研究了广义预测控制算法的预测模型、反馈校正、滚动优化。在分析了常规预测控制存在的问题的基础上，研究了基于神经网络的预测控制算法。径向基(RBF)神经网络具有计算量小、收敛速度快、无局部极小等特点，本文选取RBF网络建立系统的多步预测模型。为了弥补建模中的模型误差及反应中不确定因素的影响，在线控制时对误差进行补偿。本文对连续搅拌釜式反应过程进行了仿真，仿真结果表明，基于RBF神经网络的广义预测控制器具有良好的自适应性、鲁棒性和抗干扰能力。
金蓉[10]2000年在《神经网络结构优化及混合建模研究》文中提出本文研究了两种遗传算法设计RBF神经网络的结构的方法：单目标遗传算法与多目标遗传算法。前者的优化目标结合了网络隐含层节点的数目及网络的训练精度，后者的优化目标结合了网络隐含层节点的数目、网络的训练精度和泛化精度，经过最小化上述优化目标，得到优化的网络结构。研究结果表明，单目标遗传算法所得RBF网络比正交最小二乘所得网络结构简单，训练与泛化精度有所提高。多目标遗传算法所得网络比单目标遗传算法所得网络泛化能力得到较大改善，结构同样简单。 本文还研究了RBF神经网络与机理互补建模的方法，提出并联和串联两种混合建模的方案。并行混合模型以神经网络为主，将一些对象的先验知识融入其中，赋予其一定的物理含义，避免了单纯统计模型的缺陷。串行互补模型以机理模型为主，RBF神经网络描述变量间难以用机理精确表示的函数关系。以典型化工对象和天津化纤厂的PET生产终缩聚模型为例，分别建立了混合模型。研究表明，结合两者优势的混合模型具有很大的优越性，是提高建模精度的可行途径。
参考文献：
[1]. 利用RBF神经网络实现聚合反应的内模控制[D]. 熊莹. 北京化工大学. 2004
[2]. 利用RBF神经网络实现聚合反应的内模控制[J]. 熊莹, 曹柳林. 北京化工大学学报(自然科学版). 2003
[3]. LMBP神经网络内模控制在聚合反应中的应用[D]. 郭爱卿. 北京化工大学. 2008
[4]. 基于神经网络的ABS树脂聚合过程迭代学习控制方法的研究[D]. 崔杏利. 大连理工大学. 2004
[5]. 炼油化工装置先进控制的研究与应用[D]. 甄新平. 北京化工大学. 2008
[6]. 基于神经网络的聚氯乙烯汽提塔温度的解耦控制的研究[D]. 杨静. 东北大学. 2010
[7]. 间歇反应过程的最优温度控制研究[D]. 蔺淑倩. 北京化工大学. 2010
[8]. 基于动态PLS框架的鲁棒建模及预测控制方法研究[D]. 金鑫. 浙江大学. 2016
[9]. 基于径向基神经网络的广义预测控制研究及应用[D]. 黄滨. 哈尔滨工程大学. 2007
[10]. 神经网络结构优化及混合建模研究[D]. 金蓉. 北京化工大学. 2000
标签：自动化技术论文; rbf神经网络论文; 模型预测控制论文; 神经网络模型论文; 预测模型论文; 过程控制论文; 系统仿真论文; 系统辨识论文; 网络模型论文; 数据建模论文; 线性系统论文; 系统学习论文; 迭代计算论文; 迭代模型论文; 动态模型论文; 非线性论文; bp神经网络算法论文;