2592【宋老师61215】神经网络在化工应用中的研究进展.docxVIP

神经网络在化工应用中的研究进展摘要：人工神经网络（简称ANN）是一个极为复杂的网络系统，它是由很多的简单的处理单元连接在一起构成的，其优点有很多种，比如说高容错、自学习及高度非线性描述能力等等，这就使得它的应用涉及到了很多的化工领域。比如说过程控制、专辑系统及故障诊断等都应用到了人工神经网络。对此，笔者根据对自己多年工作经验的总结，对神经网络在化工应用中的进展进行了研究与探讨，希望对其日后的发展能够有所帮助。关键词：神经网络化工应用进展研究前言：化工行业有着复杂的生产过程，多变的对象特性、有很多的半连续或间歇的生产过程、在一定的程度上会造成环境污染和存在着危险性，这就需要有一个技术及环境来改善化工领域，而神经网络的出现，为化工以后的发展提供了极为有利的支撑环境，进一步的促进了化工领域的发展。对此，笔者进行了一系列的研究，具体如下：过程控制我国的化学工业在不断的进步和发展，但对其的要求也是越来越高。如果使用的控制系统还是传统、常规的，那么会显得很力不从心，而使用神经网络系统，在进行控制的过程中，可以满足它的很多要求，具有很多的优点：面对日益复杂的系统需要可以有效的处理，可以满足日益增高的过程设计的需要，对不确定的因素和环境的要求的需要可以有效的减少，而神经网络的出现和应用正好可以满足这些需求。随着对ANN不断深入的研究，在控制领域的不同方面都有神经网络的广泛应用，从过程控制到决策支持都有神经网络的应用。流程和控制参数间的非线性关系及构造相关的数字模型的建立通过利用ANN可以保证顺利的完成，还可以跟踪瞬息过程和具有稳健功能等，所以在化工过程最优化和控制中可以有效的应用。ANN在1986年被Rinehart首次应用到了控制界。神经元网络用于控制有两种方法，一种是用来构建模型，主要是利用对象的先验信息，经过校正和反馈误差，将网络权值修正，最终得到的函数具有因果关系，将状态估计实现，从而对控制进行推断；而另一种则是直接充当控制器，进行实时控制，例如PID控制器那样。在控制中应用神经元网络，不仅对精确知识可以处理，对模糊知识也可以处理的。Husain认为在化工过程控制领域中应用神经网络，主要有以下三个方面：预测控制、反向模型基础控制和适应控制。而神经网络在控制工艺中所使用最多的就是对控制艺术进行预测。Edwards和Groh对优化控制中应用ANN相对其它传统的线性参数模型的一些优点进行了阐述。模型是这种预测控制算法的基础，与此同时，也包含了预测的原理，可以将输入输出这些约束的问题灵活方便的解决。在下图1中对神经网络的预测控制策略有所展示：图1 神经网络预测控制策略关于预测控制工艺的早期报道中，利用神经网络模型在连续搅拌反应器中对产品的组分组成进行控制，在设置时可以得到稳态的偏移量。神经网络作位自适应器，在控制生物反应器的过程中，得到的效果是很好的。二、物性估算在解决估算物质的性质时，应用神经网络就必须要将三个基本的问题解决，一个是物质的表征，一个是采用哪种神经网络和算法，另一个则是将神经网络输出和输入的数据归一化。在处理数据的时候不管使用的是哪种方法，当物性估计所应用的神经网络是经过训练的时候，网络直接的输出值是不能作为物性预估值的，而是徐亚对数据进行反归一的处理，也就是说，将神经网络的输出值和一个系数相乘，这个系数其实就是对数据进行归一化处理的除数，物性估算值就是相乘以后所得的数值。在物性估算中BP网络的应用是比较成功的，有很多的学者针对于网络的收敛策略提出了很多不同的改进方法，进而促进了该方法的收敛速度；而Hopfield神经网络，如果可以将类似于拟合偏差最小问题转化成网络的能量函数这样的问题有效的解决，就很有可能在物性估算中得到应用。在物性估算中应用神经网络，在现阶段所使用的就是BP网络或者是这种基础上的其他的改进形式。既然已经确定了网络形式，那么其他的问题就是BP网络自身的问题了。各层的神经元数目是训练BP网络时所需要解决的问题，至于其它的问题，计算机都可以处理解决的。在估算有机物的物性参数时应用ANN在最近几年中已经有了一些研究，在预测有机物的一些基础物性的时候使用ANN，表征分子使用的是一些较为特殊的参数，例如分子片、描述码及分子距离边数矢量等，其报道的预测结果和数学回归法的预测结果基本是接近和符合的，不过，这些表征分子的特殊参数具有复杂的表征方式，而且通常还会需要其他精确地不容易获得的物性参数；有机化合物通过使用神经网络对其物理性质进行了预测，并和传统的基团贡献法进行了对比，神经网络所得的物性参数要更为准确一些。因此，在物性估算中神经网络的应用是具备一定的潜在前景的，为其日后的发展提供了更为良好的工作平台。专家系统ANN的逼近任意复杂的非线性的能力是较为良好的，在最近的几年中，化学化工过程的预测和模拟都其应用都是较为广泛的