复杂系统模糊逻辑控制器设计和参数优化及其在线性低密度聚乙烯装置中的应用

摘要

五大通用合成树脂之一的聚乙烯(PE)，由于其便宜的价格及优秀的性能，被广泛应用于工业、农业及日常生活中，在塑料工业中占有举足轻重的地位。聚乙烯生产是典型的聚合反应过程，具有高度复杂性、强关联性和非线性的特征，建模过程复杂，而且一些重要参数无法在线测量，因此目前的控制手段以PID控制结合人工经验为主，缺乏先进的控制手段。如何在现有基础上改善控制品质，提高产品质量，是亟待探索的问题，具有重要的社会经济价值。 本文尝试对部分关键参数进行模糊逻辑控制。模糊逻辑控制是建立在操作经验和专家知识上的先进控制方法，在处理模型的非线性，模型结构和干扰的不确定性，模型的时变特性以及面临复杂模型时具有独特的优势。而聚乙烯在实际生产中是一个复杂、时变、大时滞的非线性模型，因此模糊逻辑控制在实际的生产过程中具有较好的应用前景。模糊控制规则的选取、模糊变量的隶属度函数参数的选择主要依靠经验，因此有必要对原有的模糊控制器进行优化。考虑到模糊控制器的优化涉及到大范围、多参数、复杂和不连续的搜索，适合遗传算法的特点。此外，遗传算法的运行仅由适应度数值驱动而不需要被优化对象的局部信息，和模糊控制类似，对模型的依赖度低，因此遗传算法应用于模糊控制器的优化设计是合适的。 乙烯生产过程建模问题非常复杂。本文以美国联合碳化物公司Unipol低压气相流化床线性低密度聚乙烯生产工艺为基础，针对现阶段生产中所面临的参数测量问题，在定性研究的基础上，结合反应机理方程、反应动力学方程及实际生产数据，建立了聚乙烯产品的半机理、半经验熔融指数及密度的质量性能指标模型。并对比传统PID控制方案，尝试多种模糊逻辑控制，运用改进的模糊控制器，在matlab环境下对模型作出仿真评估。本文最后应用遗传算法优化模糊逻辑控制模型，并且对遗传优化算法从交叉算子、变异算子等方面进行了优化改进。仿真结果表明，改进的遗传优化算法在收敛速度，收敛性等方面取得了明显的改善。

目录

文摘

英文文摘

致谢

第1章绪论

1.1模糊逻辑控制简介

1.1.1应用及研究现状

1.1.2模糊控制设计改进方向

1.1.3基于线性低密度聚乙烯装置的应用前景

1.2遗传优化算法

1.2.1遗传优化算法现状及改进

1.2.2遗传算法在模糊逻辑控制中的应用

1.3聚乙烯生产参数控制

1.3.1聚乙烯生产现状

1.3.2聚乙烯生产参数控制

1.4本课题的研究内容及意义

第2章聚合物质量性能指标的建模研究

2.1流化床机理的简化

2.2动力学模型

2.3瞬时熔融指数模型的推导

2.4瞬时密度模型推导

2.5累积熔融指数，密度模型的推导

2.6模型的简化与参数校正

2.6.1模型简化

2.6.2参数检验

2.6.3参数校正

2.7本章小结

第3章模糊逻辑控制器设计

3.1模糊控制器设计基础

3.1.1模糊控制的特点

3.1.2模糊数学基础

3.2模糊控制器设计

3.3基于LLDPE质量性能指标模型的仿真及控制

3.3.1常规PID控制

3.3.2二维模糊逻辑控制

3.3.3三维模糊逻辑控制

3.3.4改进模糊逻辑控制

3.3.5并联模糊逻辑控制

3.4本章小结

第4章模糊逻辑控制器参数优化

4.1遗传算法基础

4.1.1算法流程

4.1.2遗传算法的特点

4.2遗传算法的实现

4.2.1参数编码

4.2.2适应度函数

4.2.3选择算子

4.2.4交叉算子

4.2.5变异算子

4.3遗传算法用于优化LLDPE质量性能指标模糊控制器参数

4.4遗传算法的改进

4.5本章小结

第5章结论和展望

参考文献

作者读研期间参与的科研项目