基于遗传算法时滞系统的滤波器参数自调整内模控制

对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.     

醋酸乙烯聚合反应过程数学模型的建立

以工业醋酸乙烯聚合反应生产过程为研究对象 ,根据聚合反应动力学 ,建立了完整的醋酸乙烯聚合反应的机理模型。利用现场工况数据 ,模型可以实时预报醋酸乙烯的转化率、各组分物料浓度、聚醋酸乙烯聚合度等重要参数。利用离线的人工分析数据、在线粘度计以及工艺规范等实际操作数据初步验证了模型的可靠性。     

改进的非线性PCA方法及其在过程监控中的应用

针对化工聚合反应过程的特点,结合小波分解多分辨率特性和独立元分析(ICA)提取个数较少的相互独立信号的优点,改进了基于自相关神经元网络的非线性主元分析(NLPCA)方法。在传统的非线性PCA方法中引入了独立元分析模块,不仅解决了自相关神经元网络中确定各层神经元个数的问题,而且以最少的独立元个数捕捉数据的非线性特征。多尺度监控可以识别各种幅值的故障,提高了监控效果。在此基础上,计算I²、I²_e和SPE统计量用于故障检测。贡献图法用于识别故障变量。在聚酯生产过程上的仿真结果表明,改进后的方法比传统的非线性PCA方法更及时地检测到过程故障,运用贡献图可以有效地实现故障变量分离。     

阳离子管式聚合反应过程的实验研究与数学描述（Ⅰ）模型与求解

从典型的阳离子管式聚合反应过程出发，以反应度法和生成函数为工具，建立了描述此类反应过程的反应动力学。热力学及产品分子量分布的数学模型．并介绍了求解此类以偏微分方程为特征的数学模型的方法。     

利用RBF神经网络实现聚合反应的内模控制

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。     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

聚酯工业缩聚过程的微观质量数学模型

介绍了一个工业化聚酯（ＰＥＴ）生产过程中的缩聚模型。模型从聚合反应机理出发,考虑了所有的主反应和主要的副反应,以实测的工艺操作参数为输入,以各反应釜,特别是终端产品的聚工,平均相对分子及相对分子质量分布参数为输出。文章讨论了预缩聚和终缩聚阶段中副产物－－小分子的脱出特点及挥发量的计算,最后介绍了建模方法和模型现场运行结果。     

用动态神经网络解决粘度预测的方法

针对聚酯生产中粘度计测量滞后的问题,报告了用动态神经元网络进行粘度预测的方法,着重讨论了神经网络输入 变量的选择,构成动态神经网络的结构以及实现在线修正的方法。     

回声状态网络的递推训练算法

针对回声状态网络(ESN)传统的训练方法无法解决高维矩阵不可逆时的训练,以及无法应用于需要在线训练的建模当中等问题,提出了两种新的递推训练算法。分别将含遗忘因子递推最小二乘算法（FFRLS）和无先导卡尔曼滤波算法（UKF）应用到回声状态网络输出神经元为线性函数和非线性函数的权值训练中,进而直接对网络的输出权值进行递推更新。与传统的训练方法相比,所提新方法不仅具有在线更新、精度高的优点,而且还可以解决传统训练方法中批量数据构成的向量矩阵不可逆及输出神经元为非线性函数且其反函数不可求的题。通过对连续搅拌釜式反应器（CSTR）浓度和温度的预测仿真,结果证明了所提新方法的有效性。     

一种基于相对主元分析的故障检测方法

通过主元分析方法进行主元提取时协方差矩阵特征值有时会出现变化“均匀”缺陷，并且该方法运用于故障检测时，通常使用单一的性能指标T2指标或SPE指标作为检测判据，容易遗漏一些重要信息，降低故障的检测效果。针对这一状况，本文研究了相对主元分析方法，并且将T2指标和SPE指标有机融合成综合指标，结合TE过程进行故障检测。通过单一指标SPE—时间图和综合指标—时间图的对比，发现综合指标图比SPE图报警时间早、误报少，说明了将综合指标运用于相对主元分析方法进行故障检测的优越性及有效性。