基于管式反应器温度分布的动态建模与控制

摘要

本文以实验室规模的阳离子管式反应器为背景，研究了管式反应器温度分布的神经网络建模与控制问题。沿管长的温度分布是聚合反应分子量分布最接近的替代参数，并且可以在线测量，故建立聚合反应器沿管长的温度分布的动态模型，并对其进行控制，对于研究聚合分子量分布具有重要的意义。
　　 本文首先应用B样条神经网络与递归神经网络相结合的混合神经网络，建立了管式反应器沿管长的温度分布的动态模型，同时针对这一分布参数系统，对该类问题的建模进行了总结。所谓的分布参数系统，与普通的函数关系不同，必须用一维或多维空间变量的函数来描述。
　　 其次，以实验室规模的管式反应器为背景，基于该模型，将时间和空间进行了有效的分离，改进了经典PI算法，并针对该系统，提出了一整套的PI参数的整定方案。基于模型以及系统存在随机干扰的情况，进行控制，取得了良好的控制效果。
　　 再次，证明了管式反应器具有可控性，应用最优线性二次型调节器方法对该系统进行控制，将分布参数系统这一特殊的、复杂的系统的控制问题简化为一般线性系统的控制问题，同时，提出了一种将分布参数系统这种非线性系统的控制问题转化为一般线性控制理论进行控制的方法。由此推广到其他经典线性控制方法，简化了控制的过程。对解决该类系统的控制问题具有普遍意义。
　　 本文采用混合神经网络建立了管式反应器温度分布这一分布参数系统的动态数学模型，为分布参数系统的建模提供了新的方法和实例。结果表明混合神经网络可以很好的拟和该温度分布。之后采用改进的PI算法、将时间变量与空间变量有效地分解，控制达到了预期的效果；同时采用最优线性二次型调节器方法对温度分布进行控制，由此简化了控制过程，并推广到其他经典线性控制方法对该系统进行控制。

目录

文摘

英文文摘

学位论文数据集

第一章 绪论

1.1 分布参数系统

1.2 混合神经网络

1.3 样条神经网络

1.4 本课题的研究内容

第二章 管式反应器聚合反应

2.1 管式反应器

2.2 管式聚合反应过程的数学模型

2.2.1 基元反应

2.2.2 反应动力学方程

2.2.3 热量衡算方程

2.3 建立管式聚合反应数学模型的意义

2.4 实验方案

第三章 B样条神经网络的理论基础

3.1 单变量B样条神经网络

3.1.1 单变量B样条函数定义

3.1.2 单输入B样条网络

3.2 多变量B样条神经网络

3.2.1 多变量B样条函数定义

3.2.2 多输入B样条神经网络

3.3 B样条网络训练

第四章 基于管式反应器温度分布的动态混合神经网络建模

4.1 混合神经网络建模算法概述[45]

4.2 神经网络建模步骤

4.3 动态神经网络建模结果

4.4 建模方法的推广

4.5 混合神经网络建模结论

第五章 基于动态网络模型的PI控制

5.1 研究背景的介绍

5.1.1 数学描述

5.1.2 控制可实现的依据

5.2 PI算法的数学描述

5.3 PI参数整定

5.4 基于模型的控制

5.4.1 控制过程描述

5.4.2 仿真研究

5.5 控制算法的可行性

5.6 总结

第六章 存在随机干扰的PI控制

6.1 实际控制背景描述

6.2 控制过程描述

6.2.1 控制框图描述

6.2.2 控制流程图描述

6.3 控制算法描述

6.4 反馈系数β的选择

6.5 仿真结果

6.6 加入柔化滤波器

6.6.1 控制框图

6.6.2 仿真结果

6.7 总结

第七章 存在随机干扰的最优线性二次型调节器设计

7.1 最优线性二次型调节器设计

7.2 模型可控性[53]研究

7.3 最优线性二次型调节器[54]

7.3.1 控制框图

7.3.2 控制过程描述

7.4 仿真结果

7.4.1 比例增益矩阵L

7.4.2 比例积分矩阵L

7.5 其他控制方法讨论及推广

7.6 总结

第八章 结束语

参考文献

致谢

研究成果及发表的学术论文

作者及导师简介

北京化工大学 硕士研究生学位论文答辩委员会决议书