论文部分内容阅读
连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR)是石油、化工行业最常见的工业设备之一,在药剂合成、发酵工程和添加剂制备中的应用非常广泛。反应釜中发生的化学反应大多伴随着大量的放热或吸热,这类反应会使釜内温度在短时间内急剧上升或者下降,严重影响产品质量,所以反应釜的温度控制一直是专家学者们的研究热点。在控制器无法精确控制釜内温度的时候,许多工厂会采用人工控制,在增加大量人工成本的同时,也存在严重的安全隐患。导致反应釜温度控制难的原因不仅仅是化学反应中的吸、放热,生产过程中的不确定因素(例如环境影响或外部干扰)使得CSTR往往表现出强烈的强非线性、大时滞性和强耦合性,这些特性导致反应釜的过程模型难以建立或精度较低,从而给现场控制带来了极大的困难。本文以石油工程中降滤失剂羧甲基淀粉钠盐(Carboxymethyl starch sodium,CMS)生产过程为例,在国内外专家学者的研究基础上,利用数据驱动的方法建立CSTR模型,并利用自适应动态规划(Adaptive dynamic programming,ADP)设计控制策略,围绕CSTR的建模和温度控制问题展开研究。本文主要研究内容如下:(1)建立CMS生产过程的数据驱动模型。通过分析CMS生产工艺及CSTR的工作特性,选取影响反应釜温度的关键因素,利用Elman神经网络对历史数据的记忆功能,提出一种基于Elman神经网络的建模方法。进一步,考虑神经网络权值对各层神经元加权计算的影响,利用无迹卡尔曼滤波(Unscented Kalman filter,UKF)的方法对Elman模型权值进行优化,改变神经网络固有的梯度下降的更新方式,多次离线学习后使模型精度更高。(2)利用ADP实现CSTR温度控制。通过比较启发式动态规划(Heuristic dynamic programming,HDP)、二次启发式动态规划(Dual heuristic programming,DHP)和全局二次启发式动态规划(Globalized dual heuristic programming,GDHP)三种ADP基本结构,充分考虑控制精度和计算时间对控制器的影响,选取GDHP作为CMS生产过程控制的结构。仿真结果表明,GDHP的评价模块为代价函数和协函数的双输出,拥有最好的全局性,但存在计算时间较长的问题。(3)利用事件触发GDHP解决GDHP计算时间长的问题。首先设定事件触发条件,并设计事件触发GDHP的控制结构。这种控制方案仅在特定规则违背的情况下进行系统采样,评价模块和执行模块仅在事件触发的情况下进行更新,其余时刻通过保持器使执行模块输出不变。仿真结果表明,事件触发GDHP可以大量减少系统采样量,从而使得系统的通信量和计算量降低,减小系统滞后时间。(4)利用区间GDHP的方法加强控制系统鲁棒性。充分考虑工业数据的不精确性,将模型网络输入、输出变量均改造为区间变量,并根据区间算法建立CSTR的区间神经网络模型。在此基础上,引入区间控制策略,当被控变量超出预设区间范围内时,利用两个单点控制器的互相切换使被控变量快速、平稳地回到区间内,在保证生产过程稳定进行的同时,最大程度减小执行期间动作次数。