建模与优化相集成的聚氯乙烯生产过程优化控制方法研究
发布时间:2023-05-17 20:10
聚氯乙烯(Polyvinyl Chloride,PVC)生产过程,是一个大规模的工业过程,而且具有非常复杂的化学反应。基于生产过程控制层面考虑,主要具有以下几种特征,其中包括变量之间的强耦合性与非线性、系统参数的大时滞以及慢时变等,是一种十分常见的复杂被控对象。在生产过程中,也会具有很多的不确定性因素,如果仍采用传统的控制方法,则无法使工业指标得到满足,由于先进控制方法的出现,则可以对这些复杂被控对象产生较佳的控制效果。提出一种基于数据降维聚氯乙烯生产过程神经网络软测量建模方法。基于7种数据降维方法,对聚氯乙烯生产过程神经网络软测量模型输入高维数据进行降维,将聚合过程涉及到的现场数据均降至三维数据,即在三维空间中作出所有数据点;采用多种方法实现了氯乙烯转化速率的仿真研究与预测,主要包括梯度方法、动态模糊神经网络软测量模型、聚类方法以及正交最小二乘法的RBF神经网路等。仿真结果标明基于数据降维策略的聚氯乙烯生产过程神经网络软测量建模方法能准确预测PVC聚合生产过程的各项指标,具有一定实际意义。基于聚氯乙烯汽提过程和子空间建模基本原理、多变量耦合系统解耦方法及PID控制器参数整定方法,提出...
【文章页数】:94 页
【学位级别】:硕士
【文章目录】:
中文摘要
ABSTRACT
1.绪论
1.1 课题研究背景
1.2 聚氯乙烯生产过程工艺
1.3 先进控制方法
1.4 PVC生产过程中存在的问题
1.4.1 聚合过程
1.4.2 汽提过程
1.4.3 精馏过程
1.5 本文主要内容和结构安排
2.基于数据降维聚氯乙烯生产过程神经网络软测量建模方法
2.1 引言
2.2 聚氯乙烯(PVC)聚合过程及软测量模型结构
2.2.1 PVC聚合过程工艺
2.2.2 软测量模型结构
2.3 软测量建模所采用的神经网络
2.3.1 RBF神经网络
2.3.2 动态模糊神经网络
2.4 数据降维方法
2.4.1 主成分分析
2.4.2 局部保留投影
2.4.3 核主成分分析
2.4.4 期望最大主成分分析
2.4.5 局部切空间排列
2.4.6 T分布随机邻域嵌入
2.4.7 邻域保持嵌入
2.5 仿真研究
2.6 小结
3.基于子空间建模的聚氯乙烯汽提过程解耦控制
3.1 引言
3.2 PVC汽提过程
3.3 聚氯乙烯汽提过程子空间建模
3.3.1 子空间建模
3.3.2 汽提过程建模
3.4 多变量耦合系统解耦
3.4.1 对角阵解耦
3.4.2 前馈补偿解耦
3.5 PID控制
3.5.1 PID控制策略
3.5.2 PID控制器参数整定方法
3.6 仿真研究
3.7 小结
4.基于智能优化算法的聚氯乙烯精馏过程PID控制
4.1 引言
4.2 PVC精馏过程
4.3 优化算法
4.3.1 BFO算法
4.3.2 PSO算法
4.3.3 PSO-BFO算法
4.4 仿真研究
4.5 小结
5.结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
作者简介
本文编号:3817920
【文章页数】:94 页
【学位级别】:硕士
【文章目录】:
中文摘要
ABSTRACT
1.绪论
1.1 课题研究背景
1.2 聚氯乙烯生产过程工艺
1.3 先进控制方法
1.4 PVC生产过程中存在的问题
1.4.1 聚合过程
1.4.2 汽提过程
1.4.3 精馏过程
1.5 本文主要内容和结构安排
2.基于数据降维聚氯乙烯生产过程神经网络软测量建模方法
2.1 引言
2.2 聚氯乙烯(PVC)聚合过程及软测量模型结构
2.2.1 PVC聚合过程工艺
2.2.2 软测量模型结构
2.3 软测量建模所采用的神经网络
2.3.1 RBF神经网络
2.3.2 动态模糊神经网络
2.4 数据降维方法
2.4.1 主成分分析
2.4.2 局部保留投影
2.4.3 核主成分分析
2.4.4 期望最大主成分分析
2.4.5 局部切空间排列
2.4.6 T分布随机邻域嵌入
2.4.7 邻域保持嵌入
2.5 仿真研究
2.6 小结
3.基于子空间建模的聚氯乙烯汽提过程解耦控制
3.1 引言
3.2 PVC汽提过程
3.3 聚氯乙烯汽提过程子空间建模
3.3.1 子空间建模
3.3.2 汽提过程建模
3.4 多变量耦合系统解耦
3.4.1 对角阵解耦
3.4.2 前馈补偿解耦
3.5 PID控制
3.5.1 PID控制策略
3.5.2 PID控制器参数整定方法
3.6 仿真研究
3.7 小结
4.基于智能优化算法的聚氯乙烯精馏过程PID控制
4.1 引言
4.2 PVC精馏过程
4.3 优化算法
4.3.1 BFO算法
4.3.2 PSO算法
4.3.3 PSO-BFO算法
4.4 仿真研究
4.5 小结
5.结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
作者简介
本文编号:3817920
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3817920.html