化工过程分析与合成5

概述

机理模型法

统计模型法智能模型法9/17/2023化工过程操作工况调优9/17/2023概述

寻找最佳操作方案目的和意义回目录页下一页适应

操作环境的变化

获得显著经济效益适应经济技术条件的变化9/17/2023离线调优调优方式回目录页下一页模型与装置分离计算数据取报表记录调优结果指导生产在线开环调优模型与装置相连计算数据为实时检测数据调优结果指导生产在线闭环调优模型与装置相连计算数据为实时检测数据调优结果直接返回控制系统概述9/17/2023模型描述方法特点机理模型过程的物理、化学本质和机理结果精确机理不清或复杂时建模难统计模型输入－输出关系模型关系式简单外延性差智能模型输入－输出关系寻优快，自学习、自适应能力强适于多目标函数调优方法回目录页概述9/17/2023智能模型法－基于人工神经网络的智能模型法智能模型法回目录页人工神经网络概述BP网络建模依据BP算法及BP网络的应用过程系统优化模型建模实例乙苯脱氢反应器操作工况的模拟与调优9/17/2023人工神经网络概述神经元x1x2xnyjx1x2x3123123121234y1y2神经网络回目录页下一页智能模型法9/17/2023建模依据神经元数学模型下一页x1x2xnyjBP神经网络w1jw2jw3j回目录页9/17/2023建模依据下一页区间线性型x1yx阶跃型1-1y1yxx1-1ySigmoid型回目录页9/17/2023建模依据神经网络数学模型下一页x1x2x3123123121234y1y2层数1234输出[Oj]1[Oj]2[Oj]3[Oj]4=yj第1层回目录页Wji2,1Wji3,2Wji4,3建模依据神经网络数学模型下一页x1x2x3123123层数1O1O2O3第1层第1个第2个第3个O1O2O3[Oj]2[Oj]12回目录页9/17/2023建模依据神经网络数学模型下一页x1x2x3123123层数12O1O2O3第2层第1个第2个第3个O1O2O3[Oj]1[Oj]2回目录页9/17/2023建模依据神经网络数学模型下一页x1x2x3123123层数12O1O2O3第2层O1O2O3[Oj]1[Oj]2回目录页9/17/2023建模依据神经网络数学模型下一页x1x2x3123123121234y1y2层数1234输出[Oj]1[Oj]2[Oj]3[Oj]4=yj第3层回目录页9/17/2023建模依据神经网络数学模型下一页x1x2x3123123121234y1y2层数1234输出[Oj]1[Oj]2[Oj]3[Oj]4=yj第4层回目录页9/17/2023建模依据下一页第4层第3层第2层第1层回目录页9/17/2023建模依据黑箱模型x1yBP神经网络xn统计模型多元线性回归ANN模型回目录页9/17/2023BP算法下一页BP神经网络算法原理1.选取样本数据3.用梯度法迭代计算w2.设置

w的初值一组xy

数据BackPropagation回目录页9/17/2023BP算法下一页BP算法公式核心公式i－k层神经元p－样本组数j－k+1层神经元Ｏpj－利用第p组样本数据计算出的第k+1层神经元j的输出值

－

学习步长（0~1）x1x3y1y2x2ijk+1层k层

pj－误差回目录页9/17/2023BP算法下一页BP算法公式x1x3x2ijk+1层k层取转换函数对于输出层对于隐含层神经元输出回目录页9/17/2023BP算法小结下一页O=f(X)XYWWx1x3x2y1y2y3y4O=f(WX)O=f(WX)O

pj=Y-O

pjErrorBack回目录页9/17/2023BP算法应用下一页分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题数据来自实验或生产记录样本个数适量取值全面分布均匀回目录页9/17/2023BP算法应用下一页分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题输入节点数=已知变量数输出节点数=目标变量数隐含层数及各层节点数靠经验取值回目录页9/17/2023BP算法应用下一页分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题回目录页9/17/2023BP算法应用下一页分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题学习步长

动量因子

允许误差

迭代次数回目录页9/17/2023BP算法应用下一页分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题随机取权值的初始值取值通常为0附近或-0.5~0.5回目录页9/17/2023BP算法应用下一页分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题回目录页9/17/2023BP算法应用分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题回目录页9/17/2023优化模型x1yBP神经网络Wxn确定自变量值指定目标变量值模拟模型优化模型回目录页9/17/2023建模实例下一页BP神经网络建立钢线含碳量与电阻效应的关系式变量变量名称样本数据(实验值)

1234567已知变量碳含量x%0.10.30.40.550.60.80.95目标变量电阻R1518192122.623.826回目录页建模实例网络结构:1:3:15:1学习参数:

=0.9

=0.9

1=10-4

2=10-5经过6900次学习计算输出的误差达到要求变量学习结果与样本比较

1234567输入

x0.10.30.40.550.60.80.95计算输出15.1517.8619.1920.8922.5523.9325.79样本输出1518192122.623.826利用建好的网络作计算(称为预测)x=0.45

R=19.79

计算得到对比

统计模型

R=13.96+12.55x

x=0.45R=19.60回目录页工程实例下一页BP神经网络乙苯脱氢反应器操作工况的模拟乙苯苯乙烯蒸汽乙苯+水蒸汽苯乙烯脱氢回目录页工程实例下一页操作参数名称单位t催化剂使用时间天F乙苯进料量NM3/hT1第一级反应器入口温度℃T2第二级反应器入口温度℃SOR蒸汽／EB重量比

P一、二级反应器出口压差Mpa控制目标名称y1一段出口转化率y2一段出口转化率y总收率回目录页工程实例下一页样本号TSORFT1T2Py1y2y131.718.066056070.04431.1542.0759.682581.412.536136160.05834.7835.5557.7631601.5616.26156210.04437.8939.7362.2142091.519.266276280.04239.5540.4663.7852581.3918.836216240.04941.1540.3662.4363501.5519.676296370.05438.636.6460.8173921.5417.176306250.05233.3633.4155.61回目录页工程实例网络结构:6:10:3学习参数:

=0.9

=0.7

1=10-2

2=10-3经过10000次学习计算输出的误差达到要求