基于神经网络的炭黑质量控制系统辨识及应用分析

摘要

炭黑是一种重要的化工原料，由于其特殊的补强性，黑度和导电性，广泛的被应用于橡胶轮胎，油墨，涂料，制革和化纤工业中。炭黑是由许多烃类物质(固态，液态或气态)经不完全燃烧或裂解生成的，至今，其生成机理没有一个合理的解释。炉法炭黑特别是油炉法炭黑生产是目前炭黑生产最现代的工艺过程。吸油值和吸碘值是炭黑生产中最主要的两个控制指标，由于炭黑自身生成机理的复杂性，炭黑生产过程非线性，以及炭黑质量检测手段的局限，决定了碳黑质量控制不能用现有的简单机理模型来描述，因此长期以来炭黑生产质量指标的控制都是靠操作人员的固定经验来实现的，产品质量不能够连续和稳定。随着现代炭黑工业的规模化，批量化，精细化的发展，炭黑生产的在线质量控制成为了目前现代炭黑工业生产技术的主要研究课题之一。系统建模和辩识是现代控制系统设计的基本前提，对于线性系统，人们已经建立和总结出了一些成熟的建模和辩识算法，并取得了一定的成果。但是相对于现实生活中大量存在的非线性系统，特别是非线性严重的系统，传统的辨识算法就显得无能为力。智能控制技术包括专家控制，模糊控制和神经网络控制是现代控制理论中的重要研究课题之一，也是当今过程生产领域最为活跃的应用技术之一。相比传统的系统辨识理论，基于人工神经网络(ArtificialNeuralNetwork简称ANN)理论的系统辨识由于具有的对任何非线性系统映射能力，自学习能力适应能力，联想记忆能力，并行信息处理能力极其优良的容错性能，使其在控制领域中特别是非线性系统建模和辩识中得到了人们的极大重视和应用。本文主要对神经网络理论在炭黑生产吸碘值系统辨识中的应用，以及炭黑生产质量控制作了深入研究和分析。同时结合某工厂的实际生产数据，运用MATLAB软件，对该炭黑生产的主要质量指标-吸碘值建立了炭黑生产吸碘值的神经网络模型，并进行了测试和验证。可以得下结论：(1)神经网络特别是多层前馈网络用于不易用机理模型描述的吸碘值的系统辨识是完全可行并大有作为的，同时对于其他质量指标也具有实际理论指导意义；(2)BP神经网络虽然具有较强的自适应性，但是毕竟是类似于数据回归的概率模型，对数据的依赖性不能忽略，网络训练数据的筛选直接会影响预测的精度质量；(3)降低空气和天然气的流量，或者提高预热后进反应炉之前的空气的温度都能提高吸碘值，存在一个适宜的原料油流量值使得吸碘值最高。

目录

文摘

英文文摘

1引 言

1.1选题的背景及意义

1.2本文的主要内容

2炭黑的生成机理和生产工艺

2.1炭黑的性质

2.2炭黑的生成机理

2.3炭黑的生产方法

2.4油炉法炭黑的工艺流程介绍

2.5炭黑生产主要质量指标

2.6当前炭黑生产质量控制的现状及有待解决的问题

3神经网络系统辨识BP算法的介绍

3.1系统辨识基本原理

3.2系统辨识的应用及神经网络的可行性

3.3人工神经网络

3.4神经网络处理信息的特点[13]

3.5神经网络的应用

3.6神经网络的分类

3.7 BP算法的网络结构和算法的流程

3.8 BP算法的数学描述

3.9改进的BP算法

3.10神经网络辨识的特点

3.11非线性系统神经网络辨识的方法

4建立炭黑生产的吸碘值BP网络模型

4.1网络输入参数的选择

4.2数据样本的筛选

4.3建立BP神经网络模型

4.4运用BP网络预测吸碘值

4.5炭黑吸碘值的影响因素分析

5结论及进一步工作

5.1结论

5.2进一步的工作

参考文献

致谢

声明