基于SVM的聚氯乙烯汽提过程预测控制方法研究

摘要

聚氯乙烯工业在国民经济中有重要的地位,而氯乙烯单体是聚合生产聚氯乙烯的原料。在聚合反应后,从保护环境和降低成本出发,对聚合后的聚氯乙烯浆料进行汽提以降低其中的氯乙烯含量是十分必要的。但正如大多数工业过程,汽提过程有很强的非线性等特点,简单的控制方法已不能胜任。支持向量机是新兴的一种统计学习方法,已经在很多领域得到应用,也是非线性系统辨识的有力工具,采用支持向量机进行非线性建模提供了一种实现复杂非线性系统建模与控制的新方法。广义预测控制是预测控制中的一种算法,因其良好的控制性能及抗干扰性和鲁棒性而被广泛应用于实际工业控制。本文在经过了多次现场调研和阅读了大量的支持向量机和预测控制文献基础上,主要进行了以下工作:首先,经过对锦化集团的现场调研,深入了解聚氯乙烯汽提工艺过程,并根据实际情况对存在的问题进行了分析,总结工艺中的主要控制问题,并在理论和实际上分别提出了解决方案。其次,在支持向量机原理基础上,重点讨论了支持向量机用于回归建模以及如何在MATLAB中实现,并利用现场采集的数据对聚氯乙烯汽提过程进行了建模,经仿真验证了模型的有效性。然后,针对工业中普遍存在的非线性系统,提出了基于支持向量回归预测模型的广义预测控制隐式算法,分别结合了非线性模型的实时线性化和广义预测控制隐式算法,在利用已建汽提模型验证该算法的有效性基础上,通过仿真讨论了影响该算法的主要参数。最后将该算法应用到聚氯乙烯汽提过程当中,并将模型在线校正和误差反馈校正相结合,根据实际进行了多种情况下的仿真,仿真结果表明了方法的有效性。

目录

摘要

Abstract

第1章 绪论

1.1 课题研究的背景和意义

1.2 聚氯乙烯工业控制现状

1.2.1 控制技术的应用

1.2.2 存在问题

1.3 支持向量机概述

1.4 预测控制概述

1.5 本文的主要工作

第2章 聚氯乙烯汽提工艺

2.1 聚氯乙烯工业

2.2 聚氯乙烯汽提工艺

2.3 聚氯乙烯汽提工艺的控制问题

2.3.1 主要参数

2.3.2 主要问题及解决方案

2.4 本章小结

第3章 基于支持向量机的聚氯乙烯汽提过程建模

3.1 机器学习与统计学习

3.1.1 机器学习及其基本问题

3.1.2 统计学习理论

3.2 支持向量机理论

3.2.1 最优超平面

3.2.2 支持向量机

3.2.3 核函数

3.3 支持向量机回归建模

3.3.1 系统建模

3.3.2 支持向量回归建模

3.3.3 支持向量机回归原理

3.3.4 支持向量回归实现

3.4 聚氯乙烯汽提过程建模

3.5 本章小结

第4章 基于支持向量机的广义预测控制

4.1 预测控制基本原理

4.1.1 预测模型

4.1.2 滚动优化

4.1.3 反馈校正

4.2 广义预测控制

4.2.1 GPC预测模型

4.2.2 GPC滚动优化

4.2.3 GPC在线辨识与校正

4.3 基于支持向量机的广义预测控制

4.3.1 基于支持向量机的预测模型

4.3.2 预测模型的线性化

4.3.3 隐式算法的引入

4.4 仿真研究

4.5 本章小结

第5章 聚氯乙烯汽提过程控制仿真研究

5.1 动态建模

5.2 控制器设计

5.3 仿真研究

5.4 本章小结

第6章 结论与展望

6.1 本文总结

6.2 工作展望

参考文献

致谢