关于鲁棒神经网络应用于间歇聚合反应控制器的学术报告

1、关于鲁棒神经网络应关于鲁棒神经网络应 用于间歇聚合反应控用于间歇聚合反应控 制器的学术报告制器的学术报告 1.prediction of polymer quality in batch polymerisation reactors using robust neural networks 2.process monitoring using non-linear statistical techniques 3.nonlinear principal component analysis based on principal curve and neural networks 4.the

2、process chemometrics approach to process monitoring and fault detection 5.5.智能控制理论与技术智能控制理论与技术 文献样例文献样例 推荐一个网站推荐一个网站 全英文的网站，可全英文的网站，可 以找到许多专业以找到许多专业 文献文献! freefree 学术演讲的主要目的和希望学术演讲的主要目的和希望 和同学们一起学习相关的知识，也许不能 精通，但可以作为大家的知识储备。 希望同学和老师给我挑出原则错误，只要 是与内容相关。大家可以随时打断我！ introduce 几种常见反应类型： 在工程上，聚合流程可以是间歇式的。间

3、歇 操作反应器系将原料按一定配比一次加入反应器， 待反应达到一定要求后，一次卸出物料。 而连续操作反应器系连续加入原料，连续排 出反应产物。当操作达到定态时，反应器内任何 位置上物料的组成、温度等状态参数不随时间而 变化。 半连续操作反应器也称为半间歇操作反应器，介 于上述两者之间，通常是将一种反应物一次加入， 然后连续加入另一种反应物。反应达到一定要求 后，停止操作并卸出物料。 聚合反应和反应器简介 间歇的聚合反应器适用于生产高附加值 的特殊化学品，如：特种聚合物、药物、 生物化学制剂。这里要研究是甲基丙烯酸甲基丙烯酸 甲酯甲酯 的聚合反应器的控制问题 它在现代很多化工企业有很重要的应用，

4、这种类型的间歇反应器的最优化控制最优化控制 研究 现在有很多人从事。 聚合反应器图示 传统控制的局限性 传统控制是以建立精确的数学模型为基础的， 但对于复杂的聚合反应模型来说，建模是一件 很困难的事情。实际运用的种种不便让学者们 开始寻找新的出路。由于现代控制理论的应用 中遇到的坎坷，智能控制应运而生，神经网络 作为其中的代表在聚合反应器控制应用中获得 了令人满意的性质。 ps 神经网络闪亮登场 神经网络的精髓（自己的理解）： 用复杂的输入变量间的相互关系来表达更复杂的 函数关系乃至函数表达式都无法表达的繁杂关系。 利用这样的技术可以实现抛开系统的建模过程对 对象进入深入了解！这样的过程类似计

5、算机：本 身只能处理0和1之间的运算，但是有了一定的复 杂性后就可以处理看似不可能的事情。 当然在我了解的神经网络的时候我更想要知道的是 它的硬件实现方式，故我查得许多信息。 神经网络模型 tip:tip:神经网络的硬件实现神经网络的硬件实现 局限性 (1)fpga上实现的神经网络大多数是计算结构，而不是认知结构(虽然 现在有些人试图在fpga上实现bp算法。但是整个的结构和时序控制变 得很复杂，并且无法达到计算机软件那样的计算精度)； (2)在fpga上实现的神经网络通用性差。目前fpga的使用者大多数都 是在rtl级(寄存器传输级)编写vhdlveriloghdl实现数字系统，而 正在兴起

6、的handel-c y(t)=g(x(t) 当然，这里的u(t)是由处方决定的。也是整个系统中 最大的主元！ 若用如上的模型，控制的实现是极端复杂不可想像 的。而且有些快速状态是不能检测到。误差的不 精确模型下积分一段时间就会很大，使控制失步。 因此，我们选取处方和聚合品质变量为网络 的io。 通过神经网络找出其间的关系。 y=p(u). ps:y=p(x)这个函数就是网络要去预测的 非线性函数。 针对反应杂质的问题 杂质类型：反应溶剂、未反应的分子、反 应催化剂和氧气。 问题产生根源：过程不可避免的要把一些 没有反应的物料重新送回反应器。 危害：反应杂质消耗自由基使聚合反应变 慢甚至停止。严

7、重影响生产效率。 杂质估计的必要性：精确的杂质估计建立 在完备的杂质估计之上！ 杂质估计 初始反应物静含量 ia=i0+i0（ia易知） ia初始反应物重;i0有效反应物重;i0杂质重量 zhang et al.提出如下网络模型 i0=f(t,x(t1),x(t2),x(t3),.,x(tn)（f(x)为待估计网络函数）为待估计网络函数） t为反应器温度；x(ti)为间歇反应初始阶段单体转换 轨迹上的离散点。给出多个离散点可以让神经网 络估计出i0进而i0可以估计出。进而可以有一个 很理想的聚合反应品质的估计，来指导生产。 控制系统是一个典型的控制系统是一个典型的 串级闭环系统包含有串级闭环系

8、统包含有1 1 个主个主pidpid控制器，控制器，2 2个次个次 级级pidpid控制器。控制器。 可以通过改变冷热水的可以通过改变冷热水的 流量比来控制水温！当流量比来控制水温！当 然系统也可以改进！然系统也可以改进！ 批次聚合反应的预测批次聚合反应的预测 神经网络用于从初始的预测分子单体转换轨 迹、平均分子质量和它的加权量。 一个批次的持续的时间大概是2，3小时。 利用这样的神经网络系统在反应的60，80， 100，120，140，160和180分钟对反应的 品质变量进行预测。 品质就是也就是分子单体转换轨迹、平均分 子质量和它的加权量。 工程数据的生成 利用monte-carlo（蒙特

9、卡罗 ）模型生成30 组间歇批次的数据。 为了保证贴近实际，人为的加入一些噪声。 一部分用于训练，一部分用于神经网络的系 统验证。 训练应用early stoppingrule 以保证系统的鲁 棒性 应用实际情况 对聚合品质在100分钟内的预测 出现异常时的图形 基于pca的故障识别 。 神经网络前景展望 神经网络可以用在很多领域 建模与识别、优化计算、故障诊断、预测 控制等。 bp网络的不足 1.使用推广的bp学习算法时，网络的学习 速度非常慢，无法满足实时性。 2.学习是基于非线性的，所以局部极小点会 影响模型的性能。为了克服这样的缺点可 以用多层bp网络进行递推学习。 神经网络前景展望 目前来看，大部分的控制策略都采用的是bp网络 进行学习和逆学习，这使它在工作的时候要多次 往复学习，故速度是很慢的