纯碱碳化过程建模研究

1、纯碱碳化过程建模研究朱燕飞程良伦曾莹(广东工业大学口动化学院，广东广州510090)yanfei_zhu 摘要:提出一种基于t-s模型的口适应神经模糊推理系统(anfis)以解决纯碱碳化过程的复杂建模 问题。运用该方法提取碳化过程出碱流量与塔内温度分布及进塔物料的实测数据，建立反映过程 出碱流量变化的两种非线性模型。文章讨论了 anfis网络的结构和学习算法，通过仿真对两种模 型进行了对比，从反应机理上给出了模型优劣产牛的原因，最后对出碱流量进行了参数预估。 关键词：anfis纯碱碳化建模非线性中图分类号：tp274modeling research of the soda carboniza

2、tion processyan-fei zhu, liang-lun cheng, ying zeng(faculty of automation, guangdong university of technology, guangdong, guangzhou, 51(x)90)yanfei_zhu abstract: the paper introduces a kind of adaptive neural-fuzzy inference systems (anfis) based on t-s model to deal with the modeling problem of the

3、 complex soda carbonization process. with the measured soda-output flux, temperature and input material data, two nonlinear models which explain the variety of the soda-output flux are built. the paper discusses the system's structure and its learning algorithm. the comparison between two models

4、 and the inducing reason are represented in simulation process at last, the paper gives the estimation approach.keywords: anfis, soda carbonization, modeling, nonlinear1引言纯碱生产的工序中，碳化过程是直接影响到纯碱生产的质量和企业经济效益的重要环节。 以广州某氨碱法生产纯碱厂为例，其氨盐水的碳酸化(碳化)是在氨盐水中通人一定浓度的0)2气 体，在一定温度、压力和流速下，氨盐水吸收co?并与之反应生产重碱(nahcoj,从母液中

5、析晶出 來。过程是一个具有气、液、固三相参与的，包括吸收、反应、结晶、流动等，并有新相产牛的 多元多温条件下的复杂反应过程。山于过程的反应历程复杂，要建立过程的机理模型非常闲难，目前，国内外还没有能提出一 种良好的方法建立此过程的机理模型。以往，在非模型条件下，依据工人的经验，直接对塔内温 度及气液等物料流量进行控制，常常造成出碱流量的大幅波动。针对这一问题，文章从黑箱模型 的建模上考虑，运用口适应神经模糊推理系统(anfis)在复杂系统建模上的优点阴，建立过程出 碱流量随塔内温度及进塔物料的非线性模型，为过程的优化控制提供预测服务。基于ts (takagi-sugeno)模型的anfis网络

6、通过对模糊辨识系统的结构辨识和参数辨识， 能自组的初始化模糊规则，并自适应调整前提隶属度参数和结论参数。通过对输入空间的模糊聚 类有效的防止了误差反传算法陷入局部极小点的可能性。文章首先介绍了 anfis网络的建模算法，然后对网络输入空间的模糊聚类做了进一步的阐 述，通过仿真建立反映具体碳化过程岀碱流量变化的两种非线性模型，并对比了两种模型的优劣，专业文档，值得下载!最麻对出碱流量参量进行了数据的预测。2自适应神经模糊推理系统(anfis)建模算法2.1网络结构及辨识过程anfis网络是一种基于ts模型的多层前馈网，其模型结论部分由线性函数组成，在学习算 法上同cm ac网络一样，同属于局部逼

7、近网络由于其局部逼近能力，使其每次修正的权较 少，学习速度快。anfis网络结构如图1所示卩。其中，x = xx2,-xnr为系统输入，每一输入分量兀的模糊语言变量集合为： 八心)=如，码，九/, z = 1,2,相应隶属函数川如(£ = 1,2,加)表示，加为模糊规 则数。t-s模型的第k条规则描述如下：rk : ifxjs a x2is ak2 a. a xththen y is fk (xk)(1)其中，厂(心)=休0 +如內+纭肿心模糊化层对各输入分量兀，采用gauss函数进行模糊化，求取各兀属于模糊集合的隶属 函数"，如公式(3)：_1(土鱼)2血：2 %(3)节

8、点规划层根据公式(4)计算前提部分每条规则的隶属度函数：pk w (小)心2(兀2)人a “如(兀心)归一化激励层对各条规则的隶属度函数进行归一化计算，使得节点输出层各节点输出儿(j = 1,2,r)为每条规则输出的加权平均，如公式(5),(6)所示。加m川儿=/=x，a /工从=工“心k=lk=l"1网络参数的辨识分为前捉参数的辨识利结论参数的辨识两部分。系统结论部分网络输出与各参数妃仃= 1,2,仇，k = 1,2,加）为线性关系，采用最小二乘方法辨识，而前提参数以，%（i = 12®, £ = 1,2,加）的辨识则采川基于梯度下降的误差 反传算法。2.2模糊

9、聚类t-s模型对输入空间的划分是线性的，对于较复杂的非线性空间，要获得较好的辨识效果， 会使规则数目成倍增加。因此，寻求好的聚类，对输入空间进行合理的非线性划分，是进行网 络学习的一个重要前提，即模糊结构辨识问题。文章以数据周围密度大小作为判断聚类中心的依据呼i将输入数据标称在0,1下，聚类中心与各数据点间灰离采用：dkx(center)-x_4:1ratio(1)其屮，x（center）表示第r次聚类后，处于聚类屮心的数据点，“伍。川于调节每一聚类屮心的影 响范围。此种聚类方法对输入数据的处理非常迅速、有效，而且依据实际需要，通过调节“力。值大 小可控制数据聚类的规模。3碳化过程建模研究3.

10、1模型1出碱流量随塔内温度变化的非线性模型碳化塔内温度分布的稳定是维持碳化塔良好运行的关键，是操作条件的综合性指标。因此, 选取塔内5圈（几5）、12圈（打2）、17圈（久7）、23圈（笃3）温度及岀碱流量（0好）的实测数据，应川anfis网络，建立出碱流量随各温度变化的非线性模型，其模型结构可表示为:数据采样时间为2007-7-27 11:34:08至12:10:28,数据每2秒采样一次,剔除异常数据,取得 数据800组，取前而400组数据作为辩识数据。通过模糊聚类，确定前提模糊规则数为8, ratio =0.5.经200步学习训练，网络收敛。图2 显示了出碱流量為 的网络学习输出与实际输出

11、对比关系。最大逼近误差error = 0,7312.图2中，实际出碱流量数据未经数据平滑处理，但网络学习输出波动较小，仍然具有良好的 稳定性。6763 11111111050100150200250300350400样本点数图中：1实际输出（实线）2网络学习输出（点线）图2模型1网络学习输出与实际输出对比6665643-2模型2 出碱量随中段气量.下段气量.中和水量变化的非线性模型碳化塔出碱量人小是结晶反应质量的直接指标。在结晶转化率一定的情况下，要求出碱童越 大越好，以获得较高的产量；但实际出碱量太大，会导致反应不完全，结晶质量反而下降役 因 此，从反应前后产物平衡考虑，建立岀碱量（qj与中

12、段气量下段气量（q爾）、中和水量（2加j之间的罪线性模型，其模型结构可表示为:=fanf1s63111111>-050100150200250300350样本点数图中：1实际输出（实线）2网络学习输出（点线）图3模型2网络学习输出与实际输出对比666564同样应用上述采样的400组数据，模糊聚类后，确定前提模糊规则数为9, ration.经300步学习训练，网络收敛。图3显示了岀碱流量0的网络学习输出与实际输出对比关系。最人逼 近误差 error = 1.3774。67400从图2和图3的辩识结果及逼近谋差上看，模型2的逼近效果较差于模型1,从化学反应过 程机理上讲，这主要是由于中段气、

13、下段气及屮和水进入碳化塔后，需较长的一段反应过程，才 能产生碱液输出，因此出碱流量必然造成一定的吋滞，必然也造成模型的辨识谋差。但考虑塔内 反应前后产物平衡的重要性，可将此模型作为参数预估参考。在后续的研究中，将进一步考虑模 型的时滞问题。33模型1对出碱流量的预测取上述采样数据的后400组数据，运川辨识的模糊模型1进行出碱流量参量尙的预测，得 出了出碱流量0/的网络预测输出与实际输出对比关系如图4所示。预测误差不超过±1.8 m3/h, 而且，从图中对看出，预估输出反映了实际出碱流量稳定部分的变化趋势，波动小，达到了很好图'i'： 1实际输出(实线)2网络学习输出(

14、点线)图4模型1网络预测输出与实际输出对比4结论纯碱碳化过程内部气、液、固各相反应较复杂，模型结构很难确定。文章应ju anfis网络， 解决了这类复杂系统的建模问题，从工程上，为过程参数的预估、指导控制系统的设计都帶来方 便；从理论研究上，也为类似复杂系统的建模研究提供了新兴的出路。仿真结果得出其良好的辨 识及预估粘度和稳定性。在建模过程屮，模型参量的选择对辨识结果产生较人影响。模型2未考虑过程时滞问题，因 而辨识结果存在较大误差。今后，还需进一步结合整塔反应机理，建立能反映碳化过程更多参量 变化的非线性模型。参考文献：1 尚建壮.我国纯碱工业现状分析j,现代化工，2007,3(3): 63

15、-652 广东南方制碱有限公司.重碱午间碳化岗位作业指导书r,广东南方制碱有限公司技术资料, 2007, 11朱燕飞，蔡永昶，毛宗源.基于ts型的锌顿白干燥熾烧过程anf1s建模j.信息与控制 2004,33(4):472-4754 jang. j.-s. r. anfis: adaptive network-based fuzzy inference systemsj. ieee transactions on systems, manal and cybernetics, 1993, vol.23(5): 605-6845 takagi. t, sugeno. m fuzzy identi

16、fication of systems and its application to modeling and control j. ieee transactions on systems, manal and cybernetics, 1985, vol. 15(1): 116-132朱燕飞，李春华，蔡永昶，毛宗源.anfis建模的人工免疫聚类算法应用研究j.哈尔滨工 业大学学报 2006, 38(3):495-4987 li. l, hou. c. z. the study of application of fcmac neural network in the industrial proces