《应用篇--智能控制在过程控制中的应用》课件.pptVIP

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 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 * * 工业生产过程的自动控制在很多工业领域占有重要位置，控制效果的优劣直接影响到产品的质量、产量和生产设备的运行寿命，影响到生产的安全、稳定和工人的劳动强度，先进控制方法的研究具有明显的经济和社会意义。对于简单过程系统，采用传统的经典或现代控制理论方法，可以获得满意的控制效果。而对于复杂过程系统，由于其具有非线性、时变、纯滞后、不确定等特性，采用传统的控制方法难以取得好的控制效果，因此，其智能控制方法成为研究热点。 在集成大系统中，神经网络可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架。神经网络和模糊系统均属于无模型控制器和非线性动力学系统，但神经网络适合处理非结构化信息，而模糊系统对处理结构化的知识更有效。 模糊控制和神经网络二者各自的优势在于：模糊控制易于获得由语言表达的专家知识，能有效的控制难以建立精确模型而凭经验可控制的系统，而神经网络则由于其仿生特性更能有效利用系统本身的信息，并能映射任意函数关系，具有并行处理和自学习能力，容错能力也很强。 专家系统是符号逻辑人工智能中一个最重要、最活跃的分支，但存在知识获取的困难，而神经网络方法具有很强的自学习能力和自适应能力，能够实现快速推理。因此将专家系统和神经网络方法集成应用，将能发挥他们的综合优势。 在一些大型复杂系统中，采用单一的某种智能控制方法往往不能满足控制要求，这时应考虑综合应用模糊控制、神经网络控制和专家系统控制等方法的集成智能控制方法。 按系统科学理论，工业过程有多种分类方法：若组成工业过程系统的子过程或元部件比较少且其关系比较单纯，则称为简单的工业过程；若组成工业过程系统的子过程或元部件很多或非常大且其关系复杂，则称之为大系统工业过程；若在其中子过程的种类不太多且关系又比较简单，一般可用线性或易于表达的非线性关系描述，则称为简单大系统工业过程；若在其中子过程种类很多且关系复杂，递阶层次结构复杂，子过程间又耦合很紧，一般又不可用线性或易于表达的非线性关系描述，则称为复杂大系统工业过程。 传统的经典控制或现代控制理论在解决复杂工业过程的控制方面，有很大局限性，主要表现如下： (1) 不确定性问题 (2) 高度非线性问题 (3) 半结构化与非结构化问题 (4) 不可确定性的问题 (5) 可靠性问题 从现阶段发展趋势看，在工业过程控制中控制策略的智能化，决策支持的“专家”化已成