超临界CO2染色装置神经网络预测控制的研究

摘要

超临界二氧化碳染色技术是采用超临界二氧化碳流体作为染色介质对布料进行染色的一项崭新的技术。此项技术不但缩短了染色时间，而且消除了环境污染，节约了大量的水资源，属于绿色生产过程。此项绿色工艺将给纺织品染色带来一场革命。
　　 但是，由于超临界技术涉及到30MPa以上的压力和精确的温度控制，使得系统的复杂性大大增加。传统的控制器满足不了染色工艺高精度参数控制的要求，无法提高染色质量和效率。而且对象的复杂性表现在高度的大延时、非线性、高噪声干扰、动态特性随着运行工况的变化而大幅度变化等，这些复杂性都难以用精确的数学模型来描述。对于这样的被控对象，对控制系统的要求很高，迫切需要提高控制系统的智能化水平，才能很好解决问题。
　　 本文针对大连轻工业学院纺织专业重点实验室中GM40-5超临界染色装置的控制问题进行了大量研究。通过查阅大量相关文献，引入了神经网络预测控制算法，进行建模与仿真及深入的研究和讨论。首先，本文研究超临界CO2和超临界CO2染色装置的特性和工艺流程，了解对象的动态特性和控制要求，以及各个工艺参数对工艺的影响。其次，对超临界染色装置温度对象神经网络建模，并深入研究了神经网络预测控制算法。最后，通过使用MATLAB对控制系统的仿真研究，并通过与常规PID控制算法分析比较，验证了本文所提出的控制算法应用在超临界染色装置温度控制中能够达到理想的效果。
　　 本文所设计的控制器具有良好的动态性能、抗扰动性、鲁棒性与跟踪性能，这种新型的控制器一旦应用于实际当中，将使超临界二氧化碳染色技术达到工业化应用，并带来巨大的经济效益与社会效益。

目录

文摘

英文文摘

第一章 绪论

1.1 课题背景

1.2 神经网络预测控制研究概况

1.2.1 预测控制研究概况

1.2.2 神经网络技术概况

1.3 课题的研究意义

1.4 课题主要工作内容

第二章 超临界CO2染色工艺及控制要求

2.1 超临界流体的基本性质

2.2 超临界CO2染色装置染色工艺

2.2.1 系统的构成

2.2.2 染色装置工作流程

2.2.3 被控对象参数对染色品质的影响

2.2.4 工艺对被控对象参数控制要求

2.3 本章小结

第三章 染色釜温度对象的神经网络的辨识

3.1 神经网络的基本要素

3.1.1 人工神经元

3.1.2 人工神经元之间的连接形式

3.1.3 神经网络的学习

3.2 线性神经网络对染色温度对象模型参数辨识

3.2.1 辨识方法

3.2.2 对输入数据的处理

3.2.3 对象参数的确定

3.3 本章小结

第四章 染色釜温度控制算法研究

4.1 预测控制的基本原理

4.2 广义预测控制算法

4.3 基于BP神经网络的预测控制

4.3.1 多层前向神经网络及误差反向传播(BP)算法

4.3.2 神经网络预测控制的一般结构

4.3.3 BP神经网络预测控制模型建立

4.4 本章小结

第五章 超临界CO2染色温度控制器仿真研究

5.1 PID控制器

5.2 仿真对象

5.3 仿真实验

5.4 仿真结论

5.5 本章小结

第六章 总结与展望

参考文献

致谢