间歇过程反应釜的软测量与迭代学习控制研究

论文摘要

凭借其灵活柔性、高附加值等特点,间歇过程在现代工业中得到了广泛应用。但间歇过程的自动化水平相对连续过程还是偏低,一方面,对一些变量参数如反应物浓度,缺少经济可靠的传感器对其在线检测,尽管正努力开发这类传感器,但实用性与可靠性仍十分有限,无法满足实际需要；另一方面,间歇过程有大滞后、非线性、时变参数和模型难确定等特点,对间歇过程控制系统的设计带来诸多困难。所以,本文就是针对在化工过程广泛应用的间歇式反应釜存在的浓度测量和温度控制两大难点问题,分别进行软测量和迭代学习控制研究,将对间歇过程的发展有重要意义。主要工作及创新点如下：(1)实现了基于OPC技术的Matlab平台和WinCC组态软件的数据通讯,并成功应用于间歇反应釜的数据采集；研究了提高采集数据质量的数据预处理技术：剔除异常数据、归一化处理、小波滤波和主元分析法。(2)提出了一种基于改进型自适应遗传算法与BP神经网络集成的软测量建模算法。该算法充分保留了遗传算法和BP神经网络各自优势,并改进不足最终得到全局最优解,同时加快了收敛速度。给出了该算法的仿真研究及其在反应釜浓度软测量中的应用,结果表明其精度较高,速度更快。(3)提出了一种自适应切换PD超前型开闭环迭代学习控制策略。该策略适用于存在控制和状态时滞的非线性系统,充分利用沿时间轴和迭代轴的系统信息,引入基于迭代次数变化的PD参数自适应算法,加入遗忘因子并充分利用系统过去和当前信息；通过算子理论做了收敛性证明；最后通过采用本文算法与超前型开闭环PD型迭代学习律进行对比仿真研究,结果表明了算法的可行性和优越性。(4)以典型间歇过程不饱和聚酯树脂生产为研究对象,进行反应釜温度曲线拟合,确立了目标温度控制曲线,采用自适应切换PD超前型开闭环ILC算法对间歇反应釜进行应用仿真研究,仿真结果表明该算法对间歇反应釜的温度控制难点问题能够给予较好的解决,并取得较好的效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景及意义
• 1.2 间歇过程反应釜控制系统概述
• 1.2.1 间歇过程反应釜控制系统的发展背景及研究现状
• 1.2.2 间歇过程反应釜控制系统的特点
• 1.3 软测量技术概述
• 1.3.1 软测量建模方法概述
• 1.3.2 软测量建模步骤
• 1.4 迭代学习控制概述
• 1.4.1 迭代学习控制发展概述
• 1.4.2 迭代学习控制的研究现状
• 1.5 本文研究内容与章节安排
• 2 测量数据的预处理技术研究
• 2.1 引言
• 2.2 基于OPC技术的数据采集系统
• 2.2.1 OPC技术概述
• 2.2.2 基于Matlab与WinCC通讯OPC数据采集系统
• 2.3 异常数据剔除预处理
• 2.4 数据归一化预处理
• 2.5 数字滤波小波处理
• 2.5.1 小波滤波概述
• 2.5.2 小波滤波基本原理
• 2.5.3 小波滤波应用实例
• 2.6 主因子分析
• 2.6.1 主因子分析概述
• 2.6.2 主元分析算法步骤
• 2.6.3 主元分析的应用实例
• 2.7 本章小结
• 3 神经网络软测量方法研究及反应釜浓度模型的建立
• 3.1 引言
• 3.2 BP神经网络概述
• 3.2.1 BP神经网络结构与特点
• 3.2.2 BP神经网络基本原理
• 3.2.3 BP神经网络算法步骤
• 3.3 GA遗传算法概述
• 3.3.1 GA遗传算法研究现状
• 3.3.2 GA遗传算法基本原理
• 3.4 改进型自适应遗传算法
• 3.4.1 改进型自适应遗传算子
• 3.4.2 仿真研究实例
• 3.5 反应釜浓度软测量模型的建立
• 3.5.1 自适应遗传算法优化BP神经网络量算法流程
• 3.5.2 神经网络软测量方法在间歇反应釜浓度中的应用研究
• 3.6 本章小结
• 4 自适应切换PD超前型开闭环迭代学习控制研究
• 4.1 引言
• 4.2 问题描述
• 4.3 自适应切换PD超前型开闭环迭代学习控制算法
• 4.4 收敛性分析
• 4.5 仿真研究实例
• 4.6 本章小结
• 5 迭代学习控制在间歇过程控制系统中的应用研究
• 5.1 引言
• 5.2 不饱和聚酯树脂生产概述
• 5.2.1 不饱和聚酯树脂概述
• 5.2.2 UPR在国内外的生产发展概况
• 5.3 生产过程控制
• 5.3.1 合成工艺流程
• 5.3.2 反应釜温度的控制
• 5.4 迭代学习控制在间歇反应釜温度控制的应用
• 5.4.1 间歇反应釜模型
• 5.4.2 应用仿真实例及其分析
• 5.5 本章小结
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录A
• A.1 BP算法的流程图
• A.2 BP标准遗传算法运算流程图
• 附录B