间歇反应过程安全性能与产品质量的控制与优化集成

针对间歇反应动态安全性能控制和产品质量控制的双重目标,本文采用动态规划方法求解间歇反应过程的优化问题,结合通用模型控制算法实现间歇过程的动态优化和集成控制。首先将间歇反应过程分解成动态优化模型及过程控制模型,然后通过动态优化与闭环控制策略集成,同时考虑了不确定参数的影响,以提高间歇过程的产品质量及运行安全性能。将该方法应用于连串放热反应的间歇过程案例,研究结果验证了该方法的可行性和正确性。     

基于小波递归神经网络的间歇过程迭代学习优化控制

针对间歇过程提出了基于小波神经网络的迭代学习优化控制算法,实现产品终点质量指标的控制。小波递归神经网络用于建立提供长期预测的间歇过程模型。由于模型误差以及未知干扰的影响,基于预测模型得到的控制变量在实际应用中得不到期望的终点质量指标。利用间歇过程的重复特性,采用迭代学习优化控制改善批次间的产品质量,根据以前批次的模型预...     

间歇聚丙烯反应温度的一般模型控制方法

为进一步提高间歇聚丙烯反应温度的控制水平，提高产品质量，针对间歇聚丙烯过程的强非线性．直接从模型出发，探讨了控制方案．采用一般模型控制，用一个GMC控制器控制主对象（反应器温度），副对象（夹套水出口温度）分别采用拟稳态假设与GMC控制．比较了2种方案，着重考察了模型／对象失配时拟稳态控制方案的性能；并将拟稳态控制方案与前馈＋PI控制方案做了对比．实验证实了文中提出的一般模型控制方法的有效性．     

基于PLS模型的自适应间歇过程质量预测

间歇生产过程中,很多质量指标不能在线测量,导致过程很难控制。该文应用部分最小二乘(PLS)方法建立软测量模型,通过批次初期在线测量的过程变量对最后的产品质量进行预测。同时,利用过程中得到的中间质量测量值对最后的预测结果进行修正。为了解决过程参数随时间变化的问题,在每个批次结束后利用新数据对原模型进行更新。将该法用于异丁烯酸甲酯(MMA)聚合反应过程,仿真结果显示,该法能够克服过程参数变化的影响,有效地预测最后的产品质量。     

基于过程神经元网络模型的间歇反应优化计算

针对间歇过程中最优操作轨线经常从生产经验中人工获取的问题,提出了一种基于过程神经网络(processneural network,PNN)模型的自动计算方法。利用PNN独特的时间聚合算子特点,建立反应操作变量与产品质量之间的关系。基于此时间函数模型,通过产品质量性能指标优化计算,获得最佳的控制轨线,作为实际生产的设定曲线。最后,MPCE仿真平台的间歇反应实验说明了该方法的有效性。     

苯乙烯悬浮聚合过程的动态建模、操作优化及控制

利用系统辨识方法,建立苯乙烯悬浮聚合反应过程的动态数学模型。在满足产品质量条件下,采用二级优化算法,求出反应时间最短的最优操作条件。计算结果经部分实验数据验证。探讨了该反应器的质量优化控制问题,提出两种优化控制方案。     

芳烃二甲苯异构化反应过程动态模拟

动态模型是化工过程进行控制系统设计和动态优化的基础。本文基于二甲苯异构化反应机理,基于Aspen过程模拟软件平台实现了二甲苯异构化单元的稳态和动态模拟,重点分析了异构化反应过程关键运行指标乙苯转化率、二甲苯异构化率以及芳烃损失在其关键操作变量——反应温度、反应压力以及反应器进料流量等变化情况下的动态响应。模拟结果表明:所建立的动态模型与稳态模型具有较好的一致性;在反应温度、反应压力以及进料流量阶跃变化时,异构化反应过程中的乙苯转化率、对二甲苯异构化率和芳烃损失变化情况符合实际情况;建立的控制方案可满足生产操作过程在不同稳态操作工况之间的切换。仿真结果验证了本文所述方法的有效性,为进一步的动态优化工作提供了可靠模型基础。     

间歇蒸馏最佳回流比的动态分析

阐述了间歇蒸馏塔的工作原理,分析理论板数一定时,改变回流比对产品质量的影响.并从产品纯度、产品质量和能量消耗3个方面综合考虑,控制回流比使总的生产费用最小.通过选择合适的目标函数,建立间歇蒸馏最佳回流比控制的动态规划模型,且给出模型的算法,为精馏塔控制的研究提供借鉴.     

基于非线性因果效应的间歇过程软测量方法

针对间歇过程的最终产品质量只能在生产结束后进行离线测量,质量反馈严重滞后,且需要较高的人力和时间成本问题,为了设计准确性高、解释性强的数据驱动软测量方法,提出了基于非线性因果效应的间歇过程软测量方法．首先,针对间歇过程影响因素较多、多变量关联耦合等问题,提出基于信息论的非线性因果效应度量方法,实现间歇过程因果特征的自动选择;然后,考虑间歇过程的多时段特性,在分时段因果特征选择的基础上,提出多时段模型集成的最终产品质量在线预测方法,在因果和预测两个层面上赋予数据驱动模型可解释性;最后,以注塑成型过程这一典型的间歇过程为例,通过工业现场数据及对比实验,验证了所提出方法的有效性．     

基于参数优化动态GPR的反应釜出料浓度预测

由于釜式反应器内的反应过程是动态过程,故采用静态非线性映射建立预测模型时存在预测精度低和模型泛化能力差等问题.针对上述问题,提出一种基于参数优化的动态高斯过程回归模型预测连续反应釜出料浓度.根据贝叶斯信息准则确定模型阶次,构建动态输入.采用粒子群优化算法对高斯过程回归协方差参数进行优化,以提高模型的预测精度.实验结果表明,该方法能够有效提高模型的预测准确度和泛化能力.