基于神经网络的炭黑吸碘值质量控制系统辨识及应用.pdfVIP

维普资讯 计算机应用 石 油 化 工 自 动 化 ，2006，2：52 AUT0MAT10N IN PETRo—CHEMICAL INDUsTRY 基于神经网络的炭黑吸碘值 质量控制系统辨识及应用 钟红权 ，王 煤 (四川大学 化学工程学院，四川 成都 610065) 摘要 ：针对炭黑生产的非线性，机理模型的不确定性，提出利用神经网络实现炭黑吸碘值的系统辨识，实际证明：该模型 具有 良好 的预测精度和应用前景。 关键词 ：炭黑；吸碘值；系统辨识；人工神经网络 中图分类号：TP273 文献标识码 ：B 文章编号：1007—7324(2006)02—0052—05 TheIodineAbsorbanceValueIdentification inCarbonBlack Prod uctionandApplicationUsingArtificialNeuralNetwork ZhongHongquan；W angM ei (SichuanUniversity，ChengDu，610065，China) Abstract：Onemethodofcarbonblack iodineabsorbancevalueidentificationbasisonANN theoryiSpro— videdtoovercomethecarbon black prodcution non-linearity andmechinalmodeluncertainty．Conclu— sionsaredrawnthattheANN modelhasgoodforecastaccuracyandapplicationability． Keywords：carbonblack；iodineabsorbancevalue；system identification；artificialneuralnetwork 1 问题的提 出 因此不再要求建立实际系统的辨识格式，即可以省 炭黑吸碘值控制是 目前炭黑生产技术的主要 去系统建模这一步骤 ，对非线性静态系统而言，由 研究课题之一。作为炭黑的主要质量指标，它直接 于BP算法可 以通过误差反 向传播来 自动学习网 反应 了炭黑在橡胶应用中的补强性能，同时它也是 络的内部表达 ，因此可将设计测得待辨识系统的输 划分炭黑品种的主要指标 。目前国内炭黑行业 已 入输出数据作为样本送入结构一定的多层网络进 逐步在向装置规模化、批量化、精细化发展，相应的 行学习，以确定 网络各节点的连接强度 ，学习完成 对炭黑吸碘值的质量控制要求也越来越高，但是 由 后 ，多层网络结构 的权值 即可确定下来 ，而充当系 于炭黑生成机理 的复杂性 ，炭黑生产过程 的非线 统的一个模型。2)可 以对本质非线性系统进行辨 性 ，以及炭黑质量检测的局限，决定 了炭黑质量控 识 ，而且辨识是通过在网络外部拟和系统的输入输 制不能用现有的简单机理模型来描述 ，因此长期以 出数据 ，而在 网络 内部归纳隐含在输入输出中的系 来炭黑吸碘值的控制都是靠操作人员的经验决定 ， 统特性来完成 ，因此这种辨识是 由神经网络本身来 产品质量往往得不到保证 。人工神经 网络 ANN 实现的，是非算法的。3)辨识的收敛速度不依赖于 (ArtificialNeuralNetwork)由于具有对任何非线 系统的维数，只与神经网络本身及其采用的