SMB色谱分离过程软测量技术及稳态优化研究

论文摘要

模拟移动床(Simulated Moving Bed,以下简称SMB)色谱分离技术是20世纪60年代发展起来的一种现代化分离技术,具有分离能力强,设备体积小,投资成本低,便于实现自动控制并特别有利于大规模生产等特点,在制备色谱技术中具重要的地位。随着工业过程自动化水平的提高,人们已不仅仅满足生产装置的稳定运行,而对提高生产效率、提高产量和质量以及降低消耗提出了越来越高的要求。本论文以实现SMB色谱分离过程的在线优化、控制为目的进行了SMB色谱分离过程的组份纯度软测量技术及稳态优化方案、优化算法的研究,为实际工业生产的在线稳态优化与控制提供了参考。首先,本文采用BP网络建立了SMB色谱分离过程4区流量与组份纯度的关系模型,以较高的精度实现了SMB组份纯度软测量。解决了目前组份纯度的测量主要依靠人工分析化验或是采用UV检测仪在线测量,前者时间滞后性大,优化控制得不到保证,后者测量精度高但价格昂贵的问题。同时,在软测量建模过程中进行了静态辨识与动态辨识方法的比较研究,得到的结论是,静态建模方法实现简单、快速,但是需要积累大量反映分离过程的历史数据,相对而言,动态建模方法对数据量的需求较小。其次,本文研究了SMB色谱分离过程稳态优化问题。论文以传统的三角形理论优化方法及国外最新研究内容为基础,归纳、总结出两种主流优化方案,即以流量比为基础的优化方案和以无量纲变量β为基础的优化方案。在此基础上分别采用了遗传算法(Genetic Algorithms,以下简称GA)和序列二次规划(Sequential Quadratic Programming,以下简称SQP)算法对两种优化方案进行求解,验证了这两种优化方案的可行性及两种算法的有效性。论文在GA算法的应用中,提出了一种将带非线性约束的GA算法转变为无约束GA算法的简化方法,并以流量比为基础的优化方案进行了寻优搜索,验证了该简化方法能大大降低问题求解的复杂度。论文将SQP算法和GA算法的性能进行了比较,由于SQP算法能快速寻优并能有效处理带约束优化问题,因此在解决SMB色谱分离过程优化问题时比GA算法更为灵活和高效。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 SMB 分离过程介绍
• 1.2.1 SMB 分离原理
• 1.2.2 SMB 应用概述
• 1.3 本课题主要研究的内容
• 1.4 参考文献
• 第二章 基于神经网络的SMB 色谱分离过程组份纯度软测量
• 2.1 引言
• 2.2 神经网络与软测量建模
• 2.3 基于BP 神经网络的SMB 组份纯度软测量
• 2.3.1 BP 网络静态系统辨识模型
• 2.3.2 BP 网络动态系统辨识模型
• 2.4 参考文献
• 第三章 SMB 色谱分离过程优化方案
• 3.1 引言
• 3.2 基于图形的优化方法--三角形理论
• 3.3 SMB 色谱分离过程优化方案
• 3.3.1 以4 区流量比为基础的优化方案
• 3.3.2 以无量纲变量β为基础的优化方案
• 3.3.3 优化方案的解决
• 3.4 参考文献
• 第四章 基于遗传算法的SMB 色谱分离过程优化方案解决
• 4.1 引言
• 4.2 遗传算法
• 4.2.1 遗传算法介绍
• 4.2.2 算法的测试
• 4.3 遗传算法在SMB 色谱分离优化过程中的应用
• 4.3.1 问题的简化
• 4.3.2 仿真结果及分析
• 4.4 参考文献
• 第五章 基于SQP 算法的SMB 色谱分离过程优化方案解决
• 5.1 引言
• 5.2 SQP 算法
• 5.3 SQP 算法在SMB 色谱分离优化过程中的应用
• 5.3.1 分离策略
• 5.3.2 仿真结果及分析
• 5.4 参考文献
• 第六章 结束语
• 致谢
• 符号说明
• 攻读硕士学位期间发表的论文