基于過程神經(jīng)網(wǎng)絡的化工過程軟測量研究.pdf

1、產(chǎn)品質(zhì)量控制是工業(yè)過程中至關重要的環(huán)節(jié)，但是在大量實際生產(chǎn)過程中質(zhì)量指標往往很難在線得到，這給過程的在線監(jiān)控造成了很大的困難，同時導致難以實現(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，重點研究工業(yè)過程中的軟測量和優(yōu)化技術。
　　 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特性，因此被廣泛應用于國民經(jīng)濟的各個領域中。但是國內(nèi)HDPE

2、生產(chǎn)技術與國外領先的技術相比仍然存在一定差距，國內(nèi)聚乙烯生產(chǎn)企業(yè)急需利用先進的過程軟測量和控制優(yōu)化技術來指導實際工業(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，介紹了軟測量技術的研究內(nèi)容及主要的建模方法，其中重點介紹了基于數(shù)據(jù)驅(qū)動的建模方法，并綜述了目前國內(nèi)外軟測量技術的研究和應用現(xiàn)狀。
　　 其次，本文先對過程神經(jīng)網(wǎng)絡(ProcessNeuralNetwork，PN

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

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)的動力學軟測量模型和BP軟測量模型的性能進行比較。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測精度和很好的跟蹤性能，同時該方法具有的自適應特性保證了其在線應用的可靠性。
　　 最后，在建立聚合物MI軟測量模型的基礎上，本文利用先進的粒子群優(yōu)化算法優(yōu)化聚合反應過程的操作