基于广义回归神经网络的PVC树脂颗粒特性预测的探究.pdfVIP

作为世界化工业十强之一的阿克苏诺贝尔公司始终追求在化学领域精溢求精，通过不断研发和推广 新技术、新产品，从而极大地推动了中国Pvc行业的技术发展和进步。Tel：022 【仪表与自动化】 基于广义回归神经网络的PVC树脂颗粒特性预测研究 郭小萍1’2，王福利2，井元和3 3．沈阳化工股份有限公司，辽宁沈阳110026) [关键词]PVC；预测；广义回归神经网络 、 [摘要]PVC树脂的颗粒特性对聚合物的成型加工具有重要意义，而目前缺少可靠的在线测量传感器件，通 常采用取样离线分析，导致滞后时间太长，影响先进控制技术的有效应用。另外，聚合过程还呈现出高度的非线性 特性。针对这些问题，采用广义回归神经网络对PVC树脂颗粒特性进行预测，应用结果验证了该方法的有效性， 为保证PVC聚合过程先进控制技术的应用提供了有效方法。 前言 过程，机理建模的难度比较大； 在氯乙烯悬浮聚合中，PVC的成粒过程是一个 (2)当不了解工艺机理时，可用回归分析、相关 重要问题，树脂的颗粒形态好、平均粒径适中、粒度 分析等方法统计回归的经验数学模型，该建模方法 分布均匀都有利于聚合物的成型加工。另外，目前 的优点是不必考虑过程机理，只应用统计回归分析 先进控制技术也要求及时得到过程状态和控制结构 便可以建立系统的输入与输出之间的关系。缺点是 的反馈信息，而聚合物性质的在线测量缺少可靠的 要建立一个精度较高的统计模型：①要有准确的、足 传感器件，绝大多数工业聚合反应器的产品质量由 够的操作数据；②要选择合理的模型结构；③由于不 质监中心等部门通过一些特定的仪器采用取样离线 深究过程机理，有时所建立的函数关系不能反映复 分析得到，导致滞后时间太长，而且有时所得到的测 杂的内在机理。 量数据会受到随机干扰和噪声的污染，因此聚合物 聚合反应机理模型通常非常复杂，是很难建立 性质的在线表征已成为先进控制技术能否实现的关 的，因此现在更多研究者在对聚合过程有一定了解 键问题，软测量技术为这个关键问题提供了一种可 的情况下，运用多种数学工具来建立聚合过程的经 行的解决方法¨、2o。 ． 验模型。许多研究者通过研究聚合反应机理和使用 ‘软测量的基本思想是把自动控制理论与生产工 一些状态估计技术(例如卡尔曼滤波器)，对聚合质 艺过程知识有机结合起来，应用计算机技术，对一些 量变量进行预测∞J，但是这些成就的取得需要对聚 难以测量或暂时不能测量的重要变量(称之为主导 合过程有深入的了解，而且通常需要一个机理模型， 变量)，选择另外一些容易测量的变量(称之为辅助 而在复杂的聚合机理模型中，包含许多微分和代数 变量或二次变量)，通过构成某种数学关系来推断和 方程是非常普遍的，因此增大了聚合机理模型的求 估计，以软件来代替硬件(传感器)功能，这类方法具 解难度。 有响应迅速，连续给出主导变量信息，投资少，维护 基于神经网络建模的优点是只需过程数据便可 J。 保养简单等优点b、4 建立一个复杂的非线性过程模型，而聚合过程具有 常用的软测量建模方法有以下两种： 高度非线性，因此为了克服上述困难，本文将采用广 (1)掌握工艺机理时，利用工艺机理确立模型的 义回归神经网络方法，进行PVC树脂颗粒特性预测 形式和结构，采用系统辨识方法，由试验数据进行参 研究，建立PVC平均粒径与主要影响因素之间关