聚合反应的软测量建模及工程实现

论文摘要

在化工应用领域中,建立准确的系统模型对于实施先进控制是非常重要的。本文以上海某化工厂科研项目“PAN生产过程质量指标软测量及分析管理系统软件开发”为课题,以化工生产中聚合反应过程为对象,建立聚合反应过程质量指标的软测量模型,讨论了基于支持向量机的建模方法,并且重点介绍了软测量系统的工程实现技术。本文的主要研究内容为以下几个方面:1.系统阐述了软测量技术的原理及应用现状,并分析了其现存的问题。同时,从变量的选择、数据处理、软测量模型建立、在线校正与工业应用5个方面系统地介绍软测量技术。2.在了解聚丙烯腈聚合反应工艺机理的基础上,设计一种化工聚合反应过程多类型混合模型。该模型的输出能较好地反映出化工聚合反应过程复杂的动态特性。3.在掌握统计学习理论的基础上,研究了SVM用于函数逼近的具体实现方法,提出并成功运用SVM方法建立混合模型中若干重要子模型,仿真结果表明SVM方法具有学习能力强、泛化能力好、对样本依赖程度低等优点。4.介绍了软测量技术在现场的工程实施情况。采用组态王和Matlab语言相结合的开发模式,并充分利用数据库技术,开发了生产过程软测量系统软件包。另外对工程实施过程中的一些关键问题进行了深入的研究。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 聚合反应过程质量指标软测量
• 1.3 软测量技术
• 1.3.1 软测量技术原理
• 1.3.2 影响软测量性能的因素
• 1.3.3 软测量建模方法概述
• 1.3.4 软测量模型的在线校正
• 1.4 论文的研究内容及安排
• 第二章 聚合反应工艺流程介绍
• 2.1 腈纶生产工艺流程
• 2.2 聚合釜工艺流程介绍
• 2.3 本章小结
• 第三章 聚合过程质量指标估计的混合模型
• 3.1 聚合反应机理模型
• 3.2 聚丙烯腈聚合反应混合模型
• 3.3 本章小结
• 第四章 基于支持向量机的聚合反应混合模型
• 4.1 支持向量机简介
• 4.1.1 统计学习理论与结构风险最小化准则
• 4.1.2 支持向量机与最优分类面
• 4.2 支持向量机建模
• 4.2.1 支持向量机用于函数逼近的研究
• 4.2.2 核函数及其参数选择
• 4.2.3 调整因子C的选取
• 4.2.4 参数ε的选取
• 4.3 基于支持向量机的聚合反应混合模型的实现
• 4.3.1 辅助变量的选择和预处理
• 2SO₃]₀的回归模型'>4.3.2 pH值和[H₂SO₃]₀的回归模型
• 1、k₂、和k₃的支持向量机模型'>4.3.3 过程参数k₁、k₂、和k₃的支持向量机模型
• 4.3.4 总聚合物数[P]的子模块
• 4.3.5 输入输出数据的动态校核
• 4.3.6 在线校正
• 4.4 本章小结
• 第五章 聚合反应过程质量指标软测量的工程实现
• 5.1 软件开发环境
• 5.2 数据处理
• 5.2.1 数据存取方式
• 5.2.2 VB对程序调用的控制
• 5.2.3 系统数据通信总体结构
• 5.2.4 基于PHD的数据读取
• 5.2.5 组态王的数据通信
• 5.2.6 数据通信中的问题
• 5.3 聚合釜算法程序流程图
• 5.4 在线修正
• 5.5 软件设计及人机界面
• 5.5.1 软件包的流程结构
• 5.5.2 聚合过程软测量系统人机界面
• 5.6 系统运行结果
• 5.7 本章小结
• 第六章 总结与展望
• 6.1 本文主要工作
• 6.2 今后工作展望
• 致谢
• 参考文献
• 附录:攻读硕士学位期间的研究成果