神经网络与内模控制在常减压装置中的应用研究

发布时间：2020-03-19 10:09

【摘要】：常减压装置内部系统复杂,变量多,是具有非线性、大时滞和强耦合等特性的复杂系统,用常规PID控制有较大的局限性。为改善系统的特性,本文将具有设计简单、鲁棒性强等特点的内模控制应用到常减压装置中,并以神经网络辅助建模,提高控制质量。首先,对于常减压装置中单输入单输出的控制回路,选择常压塔塔顶温度和常压炉出口温度为被控对象,分别设计出前馈-反馈控制回路和串级控制回路,并将内模控制设计应用到控制回路中,利用BP神经网络进行辨识,在simulink仿真软件中建立模块进行仿真,并与PID控制进行对比,证明神经网络内模控制具有较好的控制效果。其次,针对精馏塔内强耦合的问题,取塔顶和塔底产品浓度为控制对象,结合内模控制算法设计多变量内模解耦控制器,并分析传递矩阵函数中的时滞和非最小相位零点的设计要求,利用BP神经网络对过程系统模型进行辨识,在simulink中进行仿真与PID前馈补偿解耦控制对比,结果表明神经网络内模解耦控制反应迅速、抗干扰性强,有很强的鲁棒性。最后,用浙江中控研发的JT3000常减压实验装置进行先进控制试验,选取常压塔塔釜液位为被控对象,在DCS集散控制系统中分别进行PID控制和内模控制试验,验证了内模控制在此装置中应用可行性。本课题的另一项主要工作是将实验室一套因测量误差大等各种原因一直未能使用的微小流量精馏实验装置做了设备改造,采用非定常流等效定常流的方法来检测装置中微小变量参数,并对DCS系统中的控制回路和方案进行设计改造,使该实验装置完成了对微小流量的检测和控制,可作为待更新课题投入到实验教学中。
【图文】：

框图,前馈-反馈,控制结构,框图

图 4-2 前馈-反馈控制结构框图前馈-反馈结构如图 4-2 所示， G ( s )和 ( )qG s 分别为塔顶冷凝液回流量对塔顶温度的传递函数：( )10250 1sG s es ( )15245 1sqG s es 设定值， y ( s )为系统温度输出，qK 和tK 分别为常一侧线回流量送器，vK 为调节阀， ( )cG s 为控制器， ( )nG s 为前馈补偿器。根据程，，选取塔顶温度设定值为 90℃，并在 400 秒时加入扰动，扰动节阀为气关阀，调节器正作用。对扰动的传递函数为：( )( )( ) ( ) ( )1( ) ( )q q v nt v cy sG s K K G s G sq s K K G s G s前馈-反馈复合控制与反馈相比较，干扰量对被控量的影响为( ) ( )

框图,前馈反馈,内模控制结构,框图

第 4 章常压塔塔顶温度控制应用研究消除干扰的能力差的缺点。新的控制结构不仅具有内模控制的优系统的抗干扰能力，兼容前馈控制和内模控制的优点，可以在物实际中应用。从图 4-1 及图 3-5 的结构特点出发，可在内模控制回路，具体的前馈反馈内模控制结构如图 4-5 所示：
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP183;TE96;TP273

【参考文献】