SMB色谱分离过程软测量建模方法研究
发布时间：2020-12-25 16:11
针对传统人工检测方法在测量模拟移动床色谱分离过程时存在精度低、实时性差等问题,采用软测量技术来完成对模拟移动床色谱分离关键过程的预测。因此本文提出采用基于模糊神经网络的软测量方法对移动床色谱分离过程的实时控制具有重要意义的。本文具体的工作主要有以下几个方面:首先基于模拟移动床色谱分离过程和自适应神经模糊推理系统的应用特点,采用自适应神经模糊推理系统建立了软测量模型;采用基于网格划分、减法聚类和模糊C均值聚类算法对自适应神经模糊推理系统输入数据空间进行划分;采用Gradient算法、Kalman算法、Kaczmarz算法和Pseudoinv算法对其后件参数进行优化;利用数据空间划分方法和后件参数优化算法相结合的混合算法来优化自适应神经模糊推理系统;建立基于ANFIS的软测量模型对模拟移动床色谱分离过程进行预测。其次采用粒子群优化算法优化自适应模糊推理系统参数,对粒子群的不同惯性权重调整方法进行分组研究,比较其优化后的自适应模糊推理系统的性能;分别建立基于随机惯性权重、迭代次数函数的惯性权重和反馈信息函数的惯性权重的粒子群算法优化自适应模糊推理系统软测量模型;提出了一种软测量建模方法,该方...
【文章来源】：辽宁科技大学辽宁省
【文章页数】：106 页
【学位级别】：硕士
【部分图文】：
SMB各区示意图
辽宁科技大学硕士学位论文3假设我们需要分离A（吸附能力强）和B。D为洗脱液，E为提取液，F为料，R为提余液。整个床体根据每一个区域完成的工作不同，我们可分为四个区（分别记为Ⅰ、Ⅱ、Ⅲ、Ⅳ）。Ⅰ区：Ⅰ区内具有大量的固定相吸附剂。当有洗脱液D进入后，可以与其接触发生反应，进而A组份会被解析出来。得到的混合液体会从提取液口排出，就是我们所说的E；Ⅱ区：本区作用是解析B组份。从Ⅰ区进入的混合液体中含有A组份，通过接触可把弱吸附组份B不断解析出来，通过流动新鲜的进料进入下一部分；Ⅲ区：此区内具有大量可以吸附A组份的吸附剂，混合液体通过后，吸附液体中的A，含有B的液体继续向前从下一口排出，即提余液口获得R；Ⅳ区：本区作用是使D通过吸附，再次回收回来进行再利用。因为本区D的浓度比上一区流进来的浓度高的多（因为在上一个切换周期时，该区为Ⅰ区）。所以再次回收回来进行再利用的D进入下一周期和新鲜进料一起进入工作Ⅰ区。如图1.1所示的各区工作流程来回不断切换液体出入口位置方向，就可以达到和TMB相同的效果。本文所采用的SMB设备核心构造见图1.2所示。图1.2SMB色谱分离单元Fig.1.2UnitofSMBcinematographicseparation
赜泻芏啵??越?⒛Ｄ庖贫?采?追掷牍?套榉执慷热聿饬?模型是十分具有价值的[8]。软测量技术基本思想就是采用自控原理和实际生产过程相结合，对一些在生产过程中难以实现实时测量指标，通过电子技术或者其他相对获得难度较小的测量变量，来构建模型或数学关系进行估计。软测量模型可表示为：Xf(d,u,y,X,t)（1.1）式中：X为模型估计值，d为扰动因子，u为控制输入变量,y为可测输出变量,X为被估计变量的离线采样值或分析计算值。上式中用这些变量建立与X之间的数学联系。本文所建立模拟移动床色谱分离过程软测量模型结构如图1.3所示[8]：图1.3软测量模型结构Fig.1.3Structureofsoft-sensormodel
【参考文献】：
期刊论文
[1]基于人工鱼群的五岔路口交通信号优化控制[J]. 汤旻安,董海龙,程海鹏. 控制工程. 2019(07)
[2]基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型[J]. 李志鹏,张智瀚,王睿,陈堂贤. 电力与能源. 2019(03)
[3]基于IABC-ANFIS的燃气轮机气路故障诊断[J]. 黄伟,景晓宁,高斌. 热能动力工程. 2019(07)
[4]基于改进卡尔曼滤波算法的短期负荷预测[J]. 刘鑫,滕欢,宫毓斌,滕德云. 电测与仪表. 2019(03)
[5]基于KPCA-DFNN海洋微生物发酵过程软测量建模[J]. 孙丽娜,黄永红,蒋星红,冯培燕. 计算机测量与控制. 2018(07)
[6]一种动态调整惯性权重的粒子群优化算法[J]. 董红斌,李冬锦,张小平. 计算机科学. 2018(02)
[7]一种基于S-PSO的无线传感器网络分簇路由算法[J]. 刘洲洲,刘洋. 小型微型计算机系统. 2017(10)
[8]改进的T-S模糊神经网络用于生化需氧量的软计算（英文）[J]. 乔俊飞,李微,韩红桂. Chinese Journal of Chemical Engineering. 2014(Z1)
[9]模拟移动床过程的软测量建模仿真研究[J]. 李凌,袁德成,井元伟. 计算机与应用化学. 2014(11)
[10]改进的简化粒子群算法优化模糊神经网络建模[J]. 周丹,南敬昌,高明明. 计算机应用研究. 2015(04)
硕士论文
[1]基于卡尔曼滤波的商用涡扇发动机气路故障诊断[D]. 顾嘉辉.南京航空航天大学 2018
[2]基于神经网络的聚氯乙烯生产过程的软测量方法研究[D]. 郭秋平.辽宁科技大学 2012
[3]基于ANFIS的酮苯脱蜡结晶过程润滑油收率软测量模型[D]. 李师.华东理工大学 2011
本文编号：2937985
【文章来源】：辽宁科技大学辽宁省
【文章页数】：106 页
【学位级别】：硕士
【部分图文】：
SMB各区示意图
辽宁科技大学硕士学位论文3假设我们需要分离A（吸附能力强）和B。D为洗脱液，E为提取液，F为料，R为提余液。整个床体根据每一个区域完成的工作不同，我们可分为四个区（分别记为Ⅰ、Ⅱ、Ⅲ、Ⅳ）。Ⅰ区：Ⅰ区内具有大量的固定相吸附剂。当有洗脱液D进入后，可以与其接触发生反应，进而A组份会被解析出来。得到的混合液体会从提取液口排出，就是我们所说的E；Ⅱ区：本区作用是解析B组份。从Ⅰ区进入的混合液体中含有A组份，通过接触可把弱吸附组份B不断解析出来，通过流动新鲜的进料进入下一部分；Ⅲ区：此区内具有大量可以吸附A组份的吸附剂，混合液体通过后，吸附液体中的A，含有B的液体继续向前从下一口排出，即提余液口获得R；Ⅳ区：本区作用是使D通过吸附，再次回收回来进行再利用。因为本区D的浓度比上一区流进来的浓度高的多（因为在上一个切换周期时，该区为Ⅰ区）。所以再次回收回来进行再利用的D进入下一周期和新鲜进料一起进入工作Ⅰ区。如图1.1所示的各区工作流程来回不断切换液体出入口位置方向，就可以达到和TMB相同的效果。本文所采用的SMB设备核心构造见图1.2所示。图1.2SMB色谱分离单元Fig.1.2UnitofSMBcinematographicseparation
赜泻芏啵??越?⒛Ｄ庖贫?采?追掷牍?套榉执慷热聿饬?模型是十分具有价值的[8]。软测量技术基本思想就是采用自控原理和实际生产过程相结合，对一些在生产过程中难以实现实时测量指标，通过电子技术或者其他相对获得难度较小的测量变量，来构建模型或数学关系进行估计。软测量模型可表示为：Xf(d,u,y,X,t)（1.1）式中：X为模型估计值，d为扰动因子，u为控制输入变量,y为可测输出变量,X为被估计变量的离线采样值或分析计算值。上式中用这些变量建立与X之间的数学联系。本文所建立模拟移动床色谱分离过程软测量模型结构如图1.3所示[8]：图1.3软测量模型结构Fig.1.3Structureofsoft-sensormodel
【参考文献】：
期刊论文
[1]基于人工鱼群的五岔路口交通信号优化控制[J]. 汤旻安,董海龙,程海鹏. 控制工程. 2019(07)
[2]基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型[J]. 李志鹏,张智瀚,王睿,陈堂贤. 电力与能源. 2019(03)
[3]基于IABC-ANFIS的燃气轮机气路故障诊断[J]. 黄伟,景晓宁,高斌. 热能动力工程. 2019(07)
[4]基于改进卡尔曼滤波算法的短期负荷预测[J]. 刘鑫,滕欢,宫毓斌,滕德云. 电测与仪表. 2019(03)
[5]基于KPCA-DFNN海洋微生物发酵过程软测量建模[J]. 孙丽娜,黄永红,蒋星红,冯培燕. 计算机测量与控制. 2018(07)
[6]一种动态调整惯性权重的粒子群优化算法[J]. 董红斌,李冬锦,张小平. 计算机科学. 2018(02)
[7]一种基于S-PSO的无线传感器网络分簇路由算法[J]. 刘洲洲,刘洋. 小型微型计算机系统. 2017(10)
[8]改进的T-S模糊神经网络用于生化需氧量的软计算（英文）[J]. 乔俊飞,李微,韩红桂. Chinese Journal of Chemical Engineering. 2014(Z1)
[9]模拟移动床过程的软测量建模仿真研究[J]. 李凌,袁德成,井元伟. 计算机与应用化学. 2014(11)
[10]改进的简化粒子群算法优化模糊神经网络建模[J]. 周丹,南敬昌,高明明. 计算机应用研究. 2015(04)
硕士论文
[1]基于卡尔曼滤波的商用涡扇发动机气路故障诊断[D]. 顾嘉辉.南京航空航天大学 2018
[2]基于神经网络的聚氯乙烯生产过程的软测量方法研究[D]. 郭秋平.辽宁科技大学 2012
[3]基于ANFIS的酮苯脱蜡结晶过程润滑油收率软测量模型[D]. 李师.华东理工大学 2011
本文编号：2937985
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2937985.html
