用动态神经网络解决粘度预测的方法解析.PDFVIP

第 26 卷第 3 期 北 京 化 工 大 学 学 报 Vol. 26 ,No. 3 1999 年 JOURNAL OF BEIJ IN G UNIVERSITY OF CHEMICAL TECHNOLOGY 1999 用动态神经网络解决粘度预测的方法 张国萍 　曹柳林 (北京化工大学自动化系 , 北京 , 100029) 摘 　要 　针对聚酯生产中粘度计测量滞后的问题 , 报告了用动态神经元网络进行粘度预测的方法 , 着重讨论了神 经网络输入变量的选择 ,构成动态神经网络的结构以及实现在线修正的方法 。 关键词 　聚酯 ; 神经元网络 ; 粘度 分类号 　TQ 27122 ; 27162 ( ) 　　聚酯 PET 监控生产过程中 , 动力粘度是熔融 行了研究 。 态 PET 质量的重要 目标 , 必须及时而准确地测量 。 11 　工艺介绍与分析 在工艺设计中常采用反应釜真空度和动力粘度串级 聚酯生产包括酯交换和缩聚两个阶段。原料 调节的方式以提高粘度的控制精度 。但由于 目前使 ( ) ( ) DM T 对苯二甲酸二甲酯 和 EG 乙二醇 及添加剂 用的动力粘度计存在不可忽视的测量滞后 , 使得上 连续定量地供应到酯交换釜 , 反应生成的单体被送 述串级调节方式难以真正实现 。如果能准确地预估 入缩聚工序中。缩聚工序由四个串联的卧式圆柱型 粘度值 , 则可消除测量滞后带给质量控制的影响 。 反应釜组成 , 每釜由堰板分隔成 6～8 个小室 。末釜 ( ) 人工神经元网络 ANN 在粘度预测方面已得到应 ( ) 反应器的出口处安装一动力粘度计 VM 。由于在 用并取得良好的效果[1 ,2 ] 。 线粘度计 VM 含有约 3 min 的测量滞后 , 使得原 ( ) 目前常用的是前向神经网络 FNN , 如误差反 VM 给出的粘度值实质上是当前粘度的时延值 。本 ( ) 向传播网络 BP 。但是 BP 网络本质上是静态的 , 文采用的神经网络就是通过当前可测的工艺参数预 而实际生产过程中的系统多为动力学系统 。近几年 测 3 min 后的粘度值 。从 PET 粘度变化特点考虑 , 具有动态特性的神经网络正逐渐引起人们的重视 , 粘度值与第 四反应釜的操作参数 , 如真空度 、温 越来越多地应用在软测量和软仪表技术中[3 ] 。 度 、搅拌机电流等有直接的关系 , 而前几时刻的粘 本文以某聚酯厂的连续聚酯工艺为研究对象 。 度值则反映出它们的历史影响 ,即反应釜的状态 。 经实验分析发现 , 该厂使用的动力粘度计存在 3 1 . 2 　用统计分析方法确定输入变量 min 的测量滞后 。本文探讨使用含动态特性的神经 第四釜的可测数据有真空度 p 、第 8 室液位 网络预测粘度的方法 , 以便提前采取措施进行质量 L 、第 4 室温度 T4 、第 7 室温度 T7 、搅拌机 电流 监控 , 从而改善控制品质 , 着重讨论神经网络输入 I 、出口泵转速 n 和 VM 测得的粘度值 V 共七个参 变量的选择 , 构成动态神经网络的结构以及实现在