润滑油脱蜡过程的神经网络方法建模及其仿真.pdfVIP

润滑油脱蜡过程的神经网络方法建模及仿真+ 刘喜梅 于飞 青岛化工学院自动化系青岛：26d042 摘要：本文论述了神经网络技术在复杂生产过程建模中的应用，并针对某—化工过程润滑油生 产过程．采用了该建模方法建模。仿真表明了该建模方法完全可咀应用到机理复杂、难以用传统 建模方法建模的过程． 关键词：神经网络建模仿真 1引言 从经典控制到状态空间以及许多高级控制方法是以数学模型为前提的。随着产品的进一 步深化、机理的进一步复杂，系统所呈现出的非线性、时滞性、强耦合、以及无法预知的干 扰使得对生产过程的建模交得愈来愈困难。采用机理的方法建模，有些过程建模十分困难， 即使建立起来也由于模型过于复杂丽难以用于控制，因而不得不对模型做降阶处理，即利用 设计线性控制系统的方法进行控铷系统的设计，结果使得模型的精度大大降低，控制的正确 性得不到保证。采用统计回归的方法建模，变量的选择有一定的局限性，参数尚不完整，物 理意义不明确。对于一类非线性离散系统可以用非线性自回归滑动模型来表：示 NARMAX ， 即用多项式函数的NARMAX模型建模。但这些描述实际系统的函数可能极为复杂，其确切 的形式一般未知，在实际建模中往往依赖于人为选定的某些函数，并且要求函数具有足够的 精度近似实际系统的性质。在具体实篪时，往往又是极为困难的。因而建立准确有效的数学 模型用于过程的控制是多年以来人们一直致力于的目标。本文正是在这种背景下．论述了基 于神经网络的建模方法并将这一方法应用到了某大型炼油厂润滑油的生产过程，取得了良好 的仿真结果。 2神经网络建模方法 神经网络模型： 对于SISO系统 MIMO系统类似处理 ，系统的动态性能由下式描述 “k产f[y k-1 ．…，Y k——n ，U k一1I．．一，U k—m 】 y k-D y k-2 Wji y k-n ≥归 yoc utk-D u k-m 图l神经网络模型 ‘山东省自然科学基金赍助课题 Q98G04153 其中njrl为系统的输出、输入的阶次，f · 为描述过程输入输出关系的非线性函数。 神经网络具有映射任意复杂非线性关系的能力，用它来建立过程数学模型，其网络结构为如 图1所示。 网络的训练： 网络的训练是指依据输入输出样本对来确定wjil，wjiz，…，wji。以及神经网络的层数 和各层神经元的个数。对于一个神经元来讲 e】 n y 训练的指标： n 去∑e； 一 2．1 ‘J 2．2 ej∞ ds n 一yj n 神经元的激发函数 yj n 为第j个神经元的输出，N鸽 n、为第j个神经元的净输入 为中 。 。 设有N个训练样本，其平均误差为： 善2专善洳 2．3 2．4 Net， ，? ∑％ 九 y肋 2．5 y， n p，[Ⅳe0 H 】 第n+1次迭代的权值为： ％0+1 ％ n +△％ ” 2．6 权值的修正量为： 峨㈤叫器 2．7 对于输出层： 器 器·鬻·盟An Oe a珂0 ” 。 。 a矿“ Ⅳ ， 月 印， 月 ONet／ n·鬻1 嘲咖 △矽“ 阿 一吁d， n y。 H 2．8 2．9 占，印 -es n p，伽 对于隐含层： k n y yj n 羔盟：旦盟．盟．堂塑! a％ n 砂』 n aNetfln aWj, 丽a4 n 弘囔器·器·糟 一∑‰仇 H ·％ 一∑瓯 H ·％ 瓯 H ％ n ·吼O 2．10 2．11 2．12 3实际应用 某大型炼油厂润滑油生产过程中一个重要的工序是酮苯脱蜡，即以酮、苯混合剂作为脱 蜡的稀释剂，将油与蜡分离。为了更有利于蜡的形成，生产工艺上采用多次加入溶剂冷却结 晶的方式。 在图4所示的生产流程图l，原料经换热器与滤液、氨换冷后分五路冷却结晶，最后得 到润滑油产品。由于润滑油生产过程中干扰成分多，机理复杂，建立过程的数字模型极为困 难。论文[1]讨论了依照机理建立该过程的稳态数学模型，论文[2]讨论了用统计回归的方法 建立了该过程的数学模型。 结晶器1 结晶器2 结晶器3 —]厂]r．一 —’r’卜舡 、A 、0 、厂、 、I ～ 蜡 7 l 7个 展抖 —节—f一 ———必卜——争o——j必 ．一 一次溶剂二次溶剂 图4脱蜡工艺流程图 在论文E1]中建立了过程的稳态数学模型，系统的动态特性无法体现．依照机理建的模 型因过于复杂而做了简化处理，这就必然使模型的耩度下降。而论文[2]采用的统计方法， 在模型的变量及结构的选择上都带有试探性，因而对于以此为模型的先进控制镱略的实施就 无法保证其准确性和有效性。 本文采用神经网络技术建立该过程的动态数学模型。由于脱蜡过程是分五路同时进行， 这五路的生产状况是完全相同的，因而取一路分折。 结品器l T