关于鲁棒神经网络应用于间歇聚合反应控制器的学术报告汇.ppt

甲基丙烯酸甲酯聚合反应器 控制系统是一个典型的串级闭环系统包含有1个主PID控制器，2个次级PID控制器。 可以通过改变冷热水的流量比来控制水温！当然系统也可以改进！ 系统可以用S7-300的PLC在执行器、控制阀和软件程序的协同作用下实现。 PS:控制温度的精度要求很高，又要保证控制成本的基础上。可以在CW HW的控 制阀前的位置分别加入流量控制和温度控制，保证系统温度调节更加稳定可靠。 但是这样也是有一定的局限性：各个主次PID控制器参数整定是有一定难度！ 展望：对于大型的工业控制领域为了节能减排还要适当的引用变频器来提升效率。 应用实例：批次聚合反应的预测 神经网络用于从初始的预测分子单体转换轨迹、平均分子质量和它的加权量。 一个批次的持续的时间大概是2，3小时。 利用这样的神经网络系统在反应的60，80，100，120，140，160和180分钟对反应的品质变量进行预测。 品质就是也就是分子单体转换轨迹、平均分子质量和它的加权量。 工程数据的生成 利用Monte-Carlo（蒙特卡罗 ）模型生成30组间歇批次的数据。 为了保证贴近实际，人为的加入一些噪声。 一部分用于训练，一部分用于神经网络的系统验证。 训练应用’early stopping’rule 以保证系统的鲁棒性 应用实际情况 对聚合品质在100分钟内的预测 出现异常时的图形 聚合品质从160分钟开始的预测 可以明显看出：系统预测和置信区间选定是不合理的（偏差很大，失去了指导意义），可以直接说明当时的聚合反应系统。处于不正常状态，工程人员对这样的情况要加以留意。 对于故障的识别还可以借助PCA的方法！ 即，依据贡献图轨迹的走向来确定异常的类型，进而指导系统去进行相应的调整。 基于PCA的故障识别 可以看出对于列出的几种不同的故障类型可依据图示上走向，可以得到 很好的区分，实际应用的时候就可以这样 实现故障的识别和监视工作。 神经网络前景展望 ●神经网络可以用在很多领域 建模与识别、优化计算、故障诊断、预测控制等。 ●BP网络的不足 1.使用推广的BP学习算法时，网络的学习速度非常慢，无法满足实时性。 2.学习是基于非线性的，所以局部极小点会影响模型的性能。为了克服这样的缺点可以用多层BP网络进行递推学习。 神经网络前景展望 ●目前来看，大部分的控制策略都采用的是BP网络进行学习和逆学习，这使它在工作的时候要多次往复学习，故速度是很慢的。 因而，怎样选择理想的模型和怎样选择网络的规模是现在研究工作所面临的任务。 ●目前所研究的只是非线性系统最简单的特征，故针对性太强，适用性不好。 ●现在许多研究工作都是在PC上进行，这会影响神经网络优势的充分发挥，故，人工神经网络的硬件实现研究具有更广泛的意义！ 学术报告结束 谢谢老师给我机会和大家交流！ 谢谢大家的支持！！ * 关于鲁棒神经网络应用于间歇聚合反应控制器的学术报告 姓名：XXX 2011年10月1日 1.Prediction of polymer quality in batch polymerisation reactors using robust neural networks 2.Process monitoring using non-linear statistical techniques 3.Nonlinear principal component analysis based on principal curve and neural networks 4.The process chemometrics approach to process monitoring and fault detection 5.智能控制理论与技术 Main Reference 文献样例 推荐一个网站 全英文的网站，可以找到许多专业文献!!!!!!!FREE 学术演讲的主要目的和希望 研究鲁棒神经网络应用于间歇聚合反应控制来解决实际运用中的问题以及优化生产流程。 和同学们一起学习相关的知识，也许不能精通，但可以作为大家的知识储备。 希望同学和老师给我挑出原则错误，只要是与内容相关。大家可以随时打断我！ INTRODUCE 几种常见反应类型： 在工程上，聚合流程可以是间歇式的。间歇操作反应器系将原料按一定配比一次加入反应器，待反应达到一定要求后，一次卸出物料。 而连续操作反应器系连续加入原料，连续排出反应产物。当操作达到定态时，反应器内任何位置上物料的组成、温度等状态参数不随时间而变化。 半连续操作反应器也称为半间歇操作反应器，介于上述两者之间，通常是将一种反应物一次加入，然后连续加入另一种反应物