模糊神经网络在精馏过程中的应用研究
本文关键词:模糊神经网络在精馏过程中的应用研究,由笔耕文化传播整理发布。
【摘要】:本文运用模糊神经网络知识,以酒精精馏塔为研究对象。针对酒精精馏塔系统模型复杂、系统具有时变性和系统变量的耦合性问题,研究把模糊神经网络运用到酒精精馏塔的建模和控制中。针对精馏塔系统模型复杂的问题,采取了建立精馏塔的机理-模糊神经网络的混合建模方法。分析机理模型,建立模糊神经网络补偿模型;把机理模型和模糊神经网络模型相结合建立稳态混合模型;MATLAB环境下测试混合模型,得出混合模型与实际系统之间的温度误差在?1℃,得出稳态混合模型能够较好地跟随实际系统稳态状态。针对精馏塔系统时变性的问题,利用模糊神经网络自调整PID控制器对系统进行控制。以酒精精馏塔塔顶温度系统为研究对象,在MATLAB环境下,仿真研究表明模糊神经网络自调整PID控制方法比传统PID控制更能满足精馏塔塔顶温度系统时变性的特点。针对精馏塔系统耦合性问题,利用模糊神经网络自调整PID控制器加模糊神经网络解耦器的控制方案。以精馏塔塔顶温度和塔底温度系统为研究对象,在MATLAB环境下,将模糊神经网络自调整PID控制器加解耦器的控制方案与传统PID控制器加解耦器的方案进行仿真对比,仿真研究表明此方案不仅能解决系统耦合性问题也能解决时变性问题。
【关键词】:模糊神经网络 精馏 建模 时变性 耦合性
【学位授予单位】:辽宁工业大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TQ051.81;TP183
【目录】:
- 摘要5-6
- Abstract6-9
- 1 绪论9-13
- 1.1 选题背景及意义9-10
- 1.2 国内外研究现状10-12
- 1.2.1 精馏过程的研究现状10-11
- 1.2.2 模糊神经网络的研究现状11-12
- 1.3 论文的主要内容12-13
- 2 精馏塔的混合模型13-37
- 2.1 精馏过程的建模方法13-14
- 2.2 机理模型14-26
- 2.2.1 精馏塔机理建模原理14
- 2.2.2 精馏过程分析14-19
- 2.2.3 机理建模的重要性19-20
- 2.2.4 机理模型的简化建立20-21
- 2.2.5 简化机理模型的计算21-26
- 2.3 模糊神经网络补偿模型26-30
- 2.3.1 模糊神经网络的结构原理26-28
- 2.3.2 模糊神经网络的学习方法28-30
- 2.3.3 模糊神经网络的建模步骤30
- 2.4 精馏塔的模糊神经网络-机理混合模型30-36
- 2.4.1 混合模型的建立30-31
- 2.4.2 混合模型的仿真31-36
- 2.5 本章小结36-37
- 3 模糊神经网络在精馏时变控制中的研究37-53
- 3.1 精馏塔系统的特点37
- 3.2 酒精精馏塔塔顶温度控制37-38
- 3.2.1 塔顶温度控制的变量选取37
- 3.2.2 酒精精馏塔塔顶温度研究模型的选取37-38
- 3.3 传统PID在塔顶温度控制中的研究38-41
- 3.3.1 传统PID基本原理38-40
- 3.3.2 传统PID在精馏塔塔顶温度控制中的仿真研究40-41
- 3.4 模糊神经网络在塔顶温度控制中的研究41-52
- 3.4.1 RBF神经网络的结构和学习方法41-43
- 3.4.2 RBF神经网络的辨识效果43-44
- 3.4.3 模糊神经网络自调整PID的基本原理44-49
- 3.4.4 模糊神经网络自调整PID对塔顶温度控制的仿真研究49-52
- 3.5 本章小结52-53
- 4 模糊神经网络在精馏解耦控制中的研究53-67
- 4.1 解耦基本方法简介53-54
- 4.2 模糊神经网络解耦54-55
- 4.3 精馏塔塔顶和塔底温度的控制模型55-56
- 4.3.1 塔顶度和塔底温度控制分析55
- 4.3.2 塔顶温度和塔底温度控制研究模型的选取55-56
- 4.4 模糊神经网络解耦器的设计56-60
- 4.4.1 模糊神经网络解耦的基本理论56-57
- 4.4.2 模糊神经网络解耦器的具体实现57-59
- 4.4.3 精馏塔温度模型对模糊神经网络解耦器的仿真测试59-60
- 4.5 塔顶和塔底温度的传统PID模糊神经网络解耦控制仿真60-62
- 4.6 塔顶和塔底温度的FNN-PID模糊神经网络解耦控制仿真62-66
- 4.7 本章小结66-67
- 5 结论67-69
- 5.1 总结67-68
- 5.2 展望68-69
- 参考文献69-71
- 致谢71
【相似文献】
中国期刊全文数据库 前10条
1 王爽;朱栋华;王家凯;;模糊神经网络的理论与应用[J];江苏环境科技;2007年S2期
2 李恒嵬;;模糊神经网络研究现状综述[J];辽宁科技学院学报;2010年02期
3 宋彬彬;;模糊神经网络的发展与应用[J];煤炭技术;2012年07期
4 刘平,程翼宇;辨识药物定量构效关系的模糊神经网络方法研究[J];高等学校化学学报;2000年10期
5 孙增圻;模糊神经网络及其在系统建模与控制中的应用[J];南京化工大学学报(自然科学版);2000年04期
6 肖文晖,刘亚斌,王思存;燃气小时负荷的模糊神经网络预测[J];煤气与热力;2002年01期
7 刘军;崔红;庞中华;李桂丽;;基于综合算法的补偿模糊神经网络建模方法[J];青岛科技大学学报(自然科学版);2006年01期
8 付家才;石娟;唐旭华;;基于阴阳调和的模糊神经网络[J];黑龙江科技学院学报;2007年03期
9 路永辉;马翠红;;小波模糊神经网络在高炉炉温预测中的应用[J];四川冶金;2008年06期
10 刘灿;;模糊神经网络及其在医学诊断中的应用[J];化学工程与装备;2010年02期
中国重要会议论文全文数据库 前10条
1 李仁发;乜崇义;;一种用模糊神经网络建立模糊模型的新方法[A];1996年中国智能自动化学术会议论文集(上册)[C];1996年
2 舒赛刚;任雪梅;陈杰;;模糊神经网络在混沌预测中的应用[A];第二十届中国控制会议论文集(下)[C];2001年
3 张剑辉;彭力;林行辛;;变结构的补偿模糊神经网络的研究[A];第二十三届中国控制会议论文集(上册)[C];2004年
4 林雄;张福金;黄槐仁;刘煜;;进化模糊神经网络在时序预测的应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
5 谢维信;钱涛;;模糊神经网络研究述评[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 陈一飞;李怀;;模糊神经网络在室内采光控制中的应用[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
7 荣莉莉;;模糊神经网络在项目评价系统中的应用[A];全国青年管理科学与系统科学论文集第5卷[C];1999年
8 孙增圻;;模糊神经网络及其在系统建模与控制中的应用[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 马海峰;李晨光;唐涛;;基于模糊神经网络的列车运行安全控制[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
10 王孙安;杜海峰;;基于相平面的模糊神经网络研究及应用[A];第一届全国流体动力及控制工程学术会议论文集[C];2000年
中国博士学位论文全文数据库 前10条
1 何春梅;模糊神经网络的性能及其学习算法研究[D];南京理工大学;2010年
2 李龙;模糊神经网络学习算法及收敛性研究[D];大连理工大学;2010年
3 翟东海;加乘型模糊神经网络理论和应用的研究[D];西南交通大学;2003年
4 杨洁;模糊神经网络的学习收敛性与阈值可去性[D];大连理工大学;2006年
5 艾芳菊;模糊神经网络的结构优化研究[D];中国科学院研究生院(成都计算机应用研究所);2006年
6 王振雷;模糊神经网络理论及其在复杂系统中的应用研究[D];东北大学;2002年
7 孙海蓉;模糊神经网络的研究及其应用[D];华北电力大学(河北);2006年
8 周志坚;基于遗传算法的神经模糊技术应用研究[D];华南理工大学;1999年
9 朱喜林;模糊神经网络选择机械加工参数的应用研究[D];吉林大学;2006年
10 陈向坚;微型飞行器姿态的智能控制方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2012年
中国硕士学位论文全文数据库 前10条
1 曹甄;基于模糊神经网络的桥梁状态评价[D];天津大学;2009年
2 程冰;模糊神经网络研究[D];广东工业大学;2005年
3 王玉红;基于模糊神经网络的信用风险评级研究[D];哈尔滨工程大学;2006年
4 王雪苗;模糊神经网络优化及应用研究[D];大连理工大学;2006年
5 马秀会;模糊神经网络研究综述[D];吉林大学;2008年
6 徐坤哲;基于区间二型TSK模糊神经网络系统的时间序列预测及应用研究[D];渤海大学;2015年
7 游鑫;基于相似日和动态模糊神经网络的短期电力负荷预测[D];江西理工大学;2015年
8 王荣;基于模糊神经网络的锅炉汽包水位控制系统研究[D];新疆大学;2015年
9 方盼;一类模糊神经网络的参数辨识和结构优化[D];大连理工大学;2015年
10 胡婷;基于模糊神经网络的输油管网泄漏检测技术研究[D];东北大学;2013年
本文关键词:模糊神经网络在精馏过程中的应用研究,,由笔耕文化传播整理发布。
本文编号:272528
本文链接:https://www.wllwen.com/kejilunwen/huaxuehuagong/272528.html