多输出PID神经网络在碳化塔建模中应用.pdfVIP

《冶金自动化》2009年s2 多输出Pm神经网络在碳化塔建模中的应用 曾 莹，程良伦，朱燕飞 (广东工业大学自动化学院，广东广州510006) 摘要：碳化过程是纯碱生产中的关键反应。本文针对碳化过程的反应复杂、机理建模难的特点，提出了一种多输 出PID神经网络的建模方法对碳化塔内温度分布进行非线性建模，并用梯度法训练该网络。文章讨论了多输 出PID神经网络的结构和算法，通过仿真研究得出其良好的实用价值。 关键词：梯度法；碳化塔；多输出PID神经网络(MPIDNN)；系统辨识 氨盐水的碳酸化(碳化)是纯碱生产的中心环 某氨碱法生产纯碱厂为研究对象，通过提取该厂 节，碳化过程的好坏，直接影响到纯碱生产的质量 生产数据，通过仿真建立了具体碳化过程塔内温 和企业的经济效益。在氨盐水中通人浓度不定的 度分布的非线性模型，验证了这一算法的可行性。 CO：气体，在一定的温度、压力和流速下，氨盐水 1 M咖NN辨识器的机理和结构 吸收CO：并与之反应生成重碱(NaHCO，)，从母液神经网络进行系统辨识的实质就是选择适当 中析晶出来。整个过程在碳化塔中完成。过程是 的神经元网络来逼近实际系统。在静态系统辨识 一个具有气、液、固三相参与的，包括吸收、反应、 时，作为输入空间的紧集￡，={“；慨E彤}通过决 结晶、流动等，并有新相产生的多元多温条件下的 策函数P映射到输出空间y={y；I)，。∈尺。}(i=1， 复杂反应过程¨-。 2，…)，其中阮表示与，，；类型对应的模式矢量。 由于过程的反应历程复杂，人们对其反应机 在动态系统辨识中，算子P用于定义一个对象，该 理的认识存在很大的分歧，要建立过程机理模型 对象用输入一输出函数对{M(t)，y(t)}隐含地定 非常困难。以往在非模型条件下，依据工人的经 义。实际系统的动态或静态特性必然表现在其变 验，直接对塔内温度及气液等物料流量进行控制， 化着的输入一输出数据之中，而辨识就是利用数 常常造成出碱流量的大幅波动。针对这一问题， 学的方法从这些数据序列中提炼出系统尸的数学 本文试图建立过程关键参数的非线性模型，提出 模型P。不论哪_种辨识，其目的都是要使 一种基于多输PID神经网络(MPIDNN)的建模方 P(Ⅱ)一P(Ⅱ)0≤占，Ⅱ∈u(1) Il多一，，0=0 法，为过程的优化控制提供有利的帮助。 式中，占O，预先由辨识准则给定；』O0是空间y MPIDNN是一种新的多层前向网络，它除了具 上一范数；户(1‘)和尸(u)分别为辨识模型和被辨 有一般多层前向网络的特点，如逼近能力、并行计 算、非线性变换特性等外，其隐层单元分别具有比 识对象对于“的输出响应。即通过辨识确定P 例、微分和积分等动态特性，特别适合于多变量非 (M)，使得下式成立。。·， E (2) 线性系统的控制与辨识雎]。 min0 6=min6 P(u)一P(u)lI 本文介绍MPIDNN的结构和算法，并以广州 设多变量非线性离散时间动态系统可表示为： ，，I(后)=正[yI(||}一1)，··?，，，。(座一n。)，·^，靠(后一1)，…，，，。(后一万。)]+ gl[口l(五一dlI)，…，Ml(露·dt。)，…，u．(盂一d。1)，…，n。(J}一d。)]