论文部分内容阅读
随着当前涂料生产规模的不断扩大,涂料生产工艺要求越来越高,对生产设备自动控制的要求也在不断的提高。在涂料生产的实际过程控制中,被控对象具有非线性,时变性和不确定性,难以建立精确的数学模型,常规PID或者神经网络PID控制都已不能满足工业需要。这些都是工程控制界公认的难题。为了克服这种不协调现象,针对涂料生产线中温度控制大滞后、非线性等特点,本文在神经网络PID控制的基础上,引入预测控制思想。由于涂料生产中的聚氨酯固化剂中的游离TDI有毒,其清除技术是国际上共同关注的难题。国外发达国家一般采用两种方法来清除游离单体:一种是溶剂萃取法,特的缺点是操作流程长,损耗大;另一种是薄膜蒸发法,由于适应于单体分离的蒸发器设计复杂,所以工业化中相关技术的实现难度很大,世界上只有极少数国家攻克了该项技术,技术保密性极强,未见公开的工业化报道。对于聚氨酯固化剂中游离TDI含量,发达国家一般限定在0.5%以下。通过该项技术可使聚氨酯固化剂中游离TDI含量降到0.2%以下。该成果同时也为其他涂料用固化剂中异氰酸酯游离单体的脱除及非涂料行业同类产品异氰酸单体的脱除开辟了一条新路。在生产过程中,通过采用适当的技术,来辨识这些危化品的危险,并且在事故发生前消除它的危害,是各界人士普遍关心的事情。预测控制本身不苛求被控系统的结构形式,只强调预测功能的特点,根据系统的输入输出信号在线的调整神经网络的各层权值,采用滚动优化的策略不断的优化控制输出,使其跟踪期望轨迹。本文所做的主要工作讨论研究了预测控制及神经网络PID控制理论上的应用和进展,并以模型预测控制为基础,围绕神经网络建模制展开研究。通过计算机仿真和实际的应用效果可以看出,本文提出的基于神经网络PID的预测控制方案是切实可行的,其预测控制效果是非常明显且可靠的。本文所提出的方法在实际应用过程中有着非常广泛的推广价值