基于過程神經(jīng)網(wǎng)絡(luò)的化工過程軟測量研究.pdf

1、產(chǎn)品質(zhì)量控制是工業(yè)過程中至關(guān)重要的環(huán)節(jié)，但是在大量實(shí)際生產(chǎn)過程中質(zhì)量指標(biāo)往往很難在線得到，這給過程的在線監(jiān)控造成了很大的困難，同時(shí)導(dǎo)致難以實(shí)現(xiàn)過程的在線控制和優(yōu)化操作。本文以某工廠的高密度聚乙烯（HighDensityPolyethylene，HDPE）裝置為例，重點(diǎn)研究工業(yè)過程中的軟測量和優(yōu)化技術(shù)。
　　 HDPE是由乙烯單體共聚生成的熱塑性聚烯烴，具有很好的物理化學(xué)特性，因此被廣泛應(yīng)用于國民經(jīng)濟(jì)的各個(gè)領(lǐng)域中。但是國內(nèi)HDPE

2、生產(chǎn)技術(shù)與國外領(lǐng)先的技術(shù)相比仍然存在一定差距，國內(nèi)聚乙烯生產(chǎn)企業(yè)急需利用先進(jìn)的過程軟測量和控制優(yōu)化技術(shù)來指導(dǎo)實(shí)際工業(yè)過程的生產(chǎn)操作。
　　 本文的主要研究工作如下:
　　 首先，闡述了論文研究的目的和意義，介紹了軟測量技術(shù)的研究內(nèi)容及主要的建模方法，其中重點(diǎn)介紹了基于數(shù)據(jù)驅(qū)動(dòng)的建模方法，并綜述了目前國內(nèi)外軟測量技術(shù)的研究和應(yīng)用現(xiàn)狀。
　　 其次，本文先對過程神經(jīng)網(wǎng)絡(luò)(ProcessNeuralNetwork，PN

3、N)的輸出誤差函數(shù)進(jìn)行了改進(jìn)，進(jìn)而提出了基于改進(jìn)后的PNN的軟測量建模方法。首先采用移動(dòng)窗口技術(shù)來確定包含過程穩(wěn)態(tài)運(yùn)行大部分信息的時(shí)間序列，利用PCA算法的Q統(tǒng)計(jì)量表征數(shù)據(jù)間的相關(guān)性，由此確定移動(dòng)窗口的長度;然后利用改進(jìn)后的PNN建立對象的軟測量模型并對主導(dǎo)變量進(jìn)行連續(xù)的預(yù)測;最后實(shí)際應(yīng)用時(shí)對軟儀表進(jìn)行在線校正以實(shí)現(xiàn)對于工業(yè)過程的連續(xù)高精度預(yù)測。
　　 再次，從聚合反應(yīng)的機(jī)理分析入手，選取軟測量的輔助變量，并對其進(jìn)行必要的數(shù)據(jù)預(yù)

4、處理工作。然后利用本文所提出的基于PNN的軟測量建模方法建立HDPE的熔融指數(shù)(MeltIndex，MI)的軟測量模型，并與傳統(tǒng)的動(dòng)力學(xué)軟測量模型和BP軟測量模型的性能進(jìn)行比較。針對HDPE的仿真研究證明，本文所提出的基于PNN的軟測量建模方法具有較高的預(yù)測精度和很好的跟蹤性能，同時(shí)該方法具有的自適應(yīng)特性保證了其在線應(yīng)用的可靠性。
　　 最后，在建立聚合物MI軟測量模型的基礎(chǔ)上，本文利用先進(jìn)的粒子群優(yōu)化算法優(yōu)化聚合反應(yīng)過程的操作