学位论文 > 优秀研究生学位论文题录展示

醋酸乙烯聚合率软测量与预测控制方法研究

作　者: 汤琴
导　师: 杨辉
学　校: 华东交通大学
专　业: 电力系统及其自动化
关键词: 醋酸乙烯聚合率软测量 RBF神经网络最小二乘支持向量机增量最小二乘支持向量机隐式广义预测控制算法
分类号: TQ316.33
类　型: 硕士论文
年　份: 2009年
下　载: 102次
引　用: 3次
阅　读: 论文下载

内容摘要

醋酸乙烯聚合率是聚乙烯醇生产过程中重要的质量参数,它对生产过程的安全性、经济性和产品品质具有重要影响,但它目前主要靠人工采样离线检测、操作人员依据生产经验进行调控。本文对醋酸乙烯聚合率的在线检测和优化控制进行了探索性研究,主要探讨了两个方面的问题:采用软测量技术实现聚合率的在线估计以及采用预测控制的方法对聚合率进行控制。本文所做的具体研究如下:1、在了解醋酸乙烯聚合过程工艺机理基础之上,分析了影响醋酸乙烯聚合率的因素,采用了RBF神经网络、最小二乘支持向量机、增量最小二乘支持向量机三种方法建立醋酸乙烯聚合率软测量模型,并利用工业现场的实际测量数据对这几种方法进行了仿真研究和比较。仿真结果表明,增量最小二乘支持向量机方法能根据误差要求调整训练目标,所建模型表现出很高的拟合精度和预测精度,泛化能力强,而且具有在线学习功能,比较适合用于醋酸乙烯聚合率的在线估计。2、针对聚合反应过程具有非线性、时变、有噪声干扰和和滞后等特点,常规控制方法很难得到令人满意的效果,将预测控制中的隐式广义预测控制算法应用到聚合率控制中。这类算法对模型的精度要求不高,另外,由于在优化中引入了多步预测思想,使其抗扰动及时延变化等能力显著提高。因此本文采用了该算法进行醋酸乙烯聚合率控制系统的设计,并用MATLAB对该算法进行了仿真研究。仿真结果表明该隐式广义预测算法动态响应快,跟踪效果好,能够获得较好的控制效果,并通过仿真分析了隐式广义预测控制中的主要参数对系统性能的影响。研究结果对醋酸乙烯聚合率在线测量和优化控制具有重要意义。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-23
  1.1 课题研究背景和意义  9-10
  1.2 聚乙烯醇生产过程简介  10-13
    1.2.1 醋酸乙烯聚合反应机理  10-11
    1.2.2 醋酸乙烯聚合反应工艺流程  11-12
    1.2.3 醋酸乙烯聚合率的影响因素分析  12-13
  1.3 醋酸乙烯聚合率检测控制研究现状与需求  13-14
  1.4 软测量技术  14-19
    1.4.1 软测量的结构原理  14-15
    1.4.2 软测量建模方法  15-17
    1.4.3 影响软测量性能的因素  17-19
  1.5 预测控制  19-22
    1.5.1 预测控制产生背景及算法发展简介  19-20
    1.5.2 预测控制基本原理  20-22
  1.6 本文主要工作  22-23
第二章基于RBF 神经网络的醋酸乙烯聚合率软测量建模  23-36
  2.1 RBF 神经网络简介  23-28
    2.1.1 RBF 神经网络的结构  23-24
    2.1.2 RBF 神经网络的映射关系  24-25
    2.1.3 RBF 神经网络的学习算法  25-26
    2.1.4 RBF 神经网络k-均值聚类算法的实现  26-28
  2.2 RBF 神经网络建立醋酸乙烯聚合率软测量模型  28-35
    2.2.1 主导变量和辅助变量的确定  29
    2.2.2 数据采集和预处理  29-30
    2.2.3 基于RBF 神经网络的VAC 聚合率软测量模型结构  30-31
    2.2.4 基于RBF 神经网络的VAC 聚合率软测量模型仿真研究  31-35
  2.3 本章小结  35-36
第三章基于LS-SVM 和增量LS-SVM 的醋酸乙烯聚合率软测量建模  36-55
  3.1 支持向量机简介  36-40
    3.1.1 支持向量机基本思想  36-38
    3.1.2 支持向量机及核函数  38-39
    3.1.3 支持向量机回归  39-40
  3.2 最小二乘支持向量机回归原理  40-42
  3.3 基于LS-SVM 回归的醋酸乙烯聚合率软测量建模  42-48
    3.3.1 模型最优参数的选择  43
    3.3.2 基于LS-SVM lab 工具箱的具体设计步骤  43-44
    3.3.3 LS-SVM 算法MTALAB 仿真主程序段  44-46
    3.3.4 模型仿真结果及可行性分析  46-48
  3.4 基于增量LS-SVM 的醋酸乙烯聚合率软测量建模  48-53
    3.4.1 LS-SVM 的增量式学习算法  48-50
    3.4.2 仿真分析  50-53
  3.5 三种方法的醋酸乙烯聚合率软测量建模结果比较  53
  3.6 本章小结  53-55
第四章醋酸乙烯聚合率的广义预测控制方法研究  55-75
  4.1 广义预测控制算法  55-58
    4.1.1 预测模型  55-56
    4.1.2 滚动优化  56-58
    4.1.3 反馈校正  58
  4.2 单变量隐式广义预测自校正控制算法  58-61
  4.3 基于单变量隐式GPC 算法的醋酸乙烯聚合率控制系统设计  61-74
    4.3.1 醋酸乙烯聚合率控制系统方案  61-62
    4.3.2 醋酸乙烯聚合率控制系统数学模型的建立  62-66
    4.3.3 隐式GPC 算法在醋酸乙烯聚合率控制中的仿真研究  66-69
    4.3.4 GPC 控制中主要参数对系统性能的影响  69-74
  4.4 本章小结  74-75
第五章总结和展望  75-77
  5.1 论文工作总结  75
  5.2 进一步的工作展望  75-77
致谢  77-78
参考文献  78-81
附录预处理后的样本数据  81-87
个人简历在读期间发表的学术论文  87

醋酸乙烯聚合率软测量与预测控制方法研究

内容摘要

全文目录

相似论文