应用篇--智能控制在过程控制中应用.ppt

应用篇智能控制在过程控制中的应用 一、概述 二、复杂工业过程控制的研究现状 三、氧乐果合成反应温度智能控制 1、氧乐果合成反应过程简介 2、氧乐果合成反应对象模型分析 3、氧乐果合成反应温度智能控制 8.4.4 控制效果及总结 本文观看结束！！！ 系统在第一阶段的试运行期间对氧乐果合成反应已采集了近百釜的合成反应数据，我们从这些数据中挑选出控制效果比较好的27釜反应数据，然后在这27釜数据中选取32组数据作为学习样本对网络进行训练。利用MATLAB仿真工具对网络进行训练。网络的初始权值由MATLAB仿真工具随机给定。 经过4187步学习后网络收敛，误差平方和达到0.02。学习后的网络权值如下： 从挑选出的27釜反应数据中选取16组作为测试样本对训练好的网络进行测试，网络的输出结果与实际基本吻合。 Ⅲ 平稳反应阶段控制策略 由于氧乐果合成反应对一甲胺投料工艺要求在保证温度不超标的情况下，应尽可能快的完成一甲胺投料，因此，本阶段理想的控制效果应该是让反应釜温度曲线沿着设定温度 呈水平直线走。对该反应阶段必须进行比较精确的控制。根据经验，仍然对该反应阶段设定一个一甲胺流量的基本值 ，在该流量值的基础上进行调节。 该反应阶段由于温度允许变化的范围尤其是向上变化的范围比较小，因此，当温度贴近 并处于上升情况时，不但要考虑曲线的变化率，还要考虑曲线的二次变化率。比如说，当 ℃（假定 ℃）时，曲线的斜率为 ，那么当 和 这两种情况下对一甲胺流量的调节是不一样的，对于前者显然调节的幅度要大一些。当温度处于下降趋势时，也会遇到类似情况。因此，与温升阶段相比较，该反应阶段除了考虑反应釜温度 ，温度的一次变化率 ， 一甲胺累积已投料量 外， 还应该考虑反应釜温度的二次变化率 。 控制器的输入为 输入输出的映射关系为 可以看出，该映射关系比温升反应阶段更为复杂，要求出其精确解更为困难，因此，我们依然决定采用神经网络技术对该映射关系进行逼近，从而实现对该反应阶段的一甲胺投料控制。构造的神经网络结构如图7所示。 图7 平稳反应阶段神经网络示意图 神经网络采用4×5×1结构，网络的输出依然为一甲胺的控制流量 与该阶段流量基本值 的比例系数 ，即 学习后网络的权值为 控制器的输出与实际流量基本吻合。 Ⅳ 反应结束阶段控制策略 在该阶段，由于氧乐果的合成反应已经接近尾声，反应釜内的精酯大部分已被消耗掉，因此一甲胺的投料速度对反应釜温度的影响不太敏感。可以以较快的速度进行投料。对该阶段的投料控制只需要考虑反应釜温度 和温度的一次变化率 的大小。因此可以采用基于专家的控制方法，实现该反应阶段的投料控制。 至此，已经完成了对氧乐果合成反应的一甲胺投料控制。控制系统的实际运行效果与人工控制相比较，如图8所示。图中各曲线的意义：①反应釜温度曲线；②一甲胺流量曲线；③冷却盐水温度曲线；④计量罐内一甲胺液位曲线；⑤一甲胺投料阀开度曲线。系统的控制软件既能进行自动控制，又能进行人工控制，人工-自动控制还可以随时切换。 图8a 人工控制反应曲线 T0=-32.6℃ TL=-35.3℃ ① ② ③ ④ ⑤ 图8b 人工控制反应曲线 T0=-23.5℃ TL=-31.5℃ 图8c 自动控制反应曲线 T0=-22.0℃ TL=-33.6℃ 图8d 自动控制反应曲线 T0=-24.1℃ TL=-29.5℃ ⑤一甲胺投料阀开度。 ④计量罐内一甲胺液位； ③冷却盐水温度； ②一甲胺流量； ①反应釜温度； T0是反应釜初始温度值，TL是冷却盐水温度值。 水平线代表反应釜温度设定值TSD，图中为-12 0C。 自动控制是由控制软件根据设计好的控制算法对氧乐果的合成反应进行投料控制，不需要人的干预。人工控制则是由操作工观察计算机采集到的反应数据和反应釜温度曲线的变化趋势，根据自己的经验，通过键盘输入控制量，对合成反应的一甲胺投料进行控制。图8a、b是由操作工进行人工控制的反应曲线图。可以看出，在8a中，由于操作工过于保守，曲线还未上升到设定温度就拐弯了，这势必会延长投料时间。在8b中，则由于操作工初始投料过快，没有及时减慢一甲胺流量，造成温度超标。而在8c、d所示的自动控制曲线中，显然克服了上述不足，取得了良好的控制效果。 在氧乐果的合成反应投料控制中，反应初始阶段由于反应釜温度较低和投料工艺的规定，可以对其进行粗调。