优化控制在纸浆洗涤过程中的应用

摘要

纸浆洗涤过程是制浆造纸生产中非常重要的一环，其洗涤效果直接影响到后续工段的顺利进行。而洗浆过程属于大时滞、非线性、变参数系统，由于无法建立起精确数学模型，从而使得传统控制理论很难给出一个较好的控制效果，甚至不能控制。近些年来，智能控制理论(神经网络、模糊控制、专家系统)异军突起，其控制算法不需要被控对象的精确数学模型，只要有足够的样本数据或专家经验即可，因而受到广泛青睐。 根据生产工艺条件的分析，确定以上浆流量、上浆浓度、清水流量、清水温度为神经网络模型的输入变量，残碱量、波美度为神经网络模型的输出变量，隐层数为1，隐层节点数为9的三层网络模型。采用BP神经网络对纸浆洗涤过程进行建模，并对此网络模型进行仿真。仿真结果表明：该模型能够较好的描述过程的行为，各操作变量对过程输出的影响符合实际的工艺情况，网络模型的验证也说明模型的记忆能力和泛化能力都比较不错。 遗传算法是一种基于在生物进化过程中，优存劣亡的原理基础上发展起来优化、搜索技术。是一种采用了统计启发式搜索技术的组合优化算法。在利用遗传算法求解问题时，问题的每个可能的解都被编码成一个“染色体”，即个体，若干个个体构成了群体。在遗传算法中，pc和pm的选择是影响遗传算法行为和性能的关键所在，直接影响算法的收敛性。自适应遗传算法在保持群体多样性的同时，保证遗传算法的收敛能力，能够有效地提高了遗传算法的优化能力。并且由于模拟生命进化机制的遗传算法与传统的优化算法相比具有更强的全局搜索能力，因此本文采用自适应遗传算法对模型的优化问题进行探讨研究。即对清水加入量和纸浆产量进行双目标优化。 最后结合这些理论从建模与控制的角度对洗浆过程进行了研究，包括洗浆原理、洗浆影响因素的分析，洗浆过程神经网络模型建模和基于自适应遗传算法的模型优化探讨研究。

目录

文摘

英文文摘

声明

1 绪论

1.1课题的目的与意义

1.2纸浆洗涤过程控制的现状和趋势

1.3神经网络、遗传算法的背景与发展

1.3.1遗传算法、神经网络及与人工智能的关系

1.3.2遗传算法的发展概况

1.3.3神经网络的发展概况

1.4本文内容安排

2人工神经网络

2.1神经网络简介

2.2神经网络的应用及研究方向

2.3人工神经元结构

2.3.1神经细胞的结构

2.3.2人工神经元的基本构成

2.3.3激活函数

2.4人工神经网络模型

2.5人工神经网络的学习与训练

2.6人工神经网络的仿真

2.7线性神经网络的局限性

2.8 BP神经网络

2.9本章小结

3洗浆过程工艺分析

3.1引言

3.2洗浆原理和洗浆影响因素分析

3.2.1洗浆原理

3.2.2洗浆影响因素分析

3.3水平带式洗浆机介绍及洗浆的工艺流程

3.3.1水平带式洗浆机介绍

3.3.2洗浆的工艺流程及控制要求

3.3.3洗浆控制系统常用方案

3.3.4人机交互系统

4洗浆过程BP神经网络模型的建立

4.1 BP网络设计分析

4.1.1样本数据的处理

4.1.2神经网络拓扑结构的确定

4.1.3神经网络的训练

4.1.4网络模型的性能和泛化能力

4.1.5合理网络模型的确定

4.2神经网络在纸浆洗涤过程中的应用

4.2.1纸浆洗涤过程网络模型的确定

4.2.2网络训练和测试

5遗传算法

5.1遗传算法简介

5.2遗传算法的基本原理

5.2.1编码策略

5.2.2遗传操作

5.2.3遗传算法参数的选择

5.3自适应遗传算法

5.4本章小结

6自适应遗传算法优化探讨

6.1优化问题描述

6.2优化问题求解

7结束语

致谢

参考文献

附录

攻读硕士学位期间发表的学术论文及主要研究成果