LMBP神经网络内模控制在聚合反应中的应用
【摘要】:
本文研究基于LMBP神经网络内模控制在丙烯聚合反应产物组分控制领域的应用。利用神经网络对非线性系统的逼近能力,把神经网络控制推广到聚合反应过程质量指标控制这一非线性系统中。控制策略采用内模控制,内模控制策略是一种新的、很有发展潜力的控制技术技术。选用(LMBP)神经网络作为训练网络,LMBP网络是一种性能良好的前向网络,它不仅能保证全局收敛,而且具有最佳逼近性能。通过反应机理的推导,建立了丙烯聚合反应过程的正模型(内部模型)以及逆模型(控制器模型),实现对组分的有效控制。仿真结果证明,基于神经网络算法的内模预测控制策略达到了较好的控制质量。
针对以丙烯聚合反应为对象的基于神经网络的内模控制,本人完成的工作主要有:
1.查阅文献资料,了解聚合反应原理,熟悉丙烯聚合反应过程,熟悉了聚合物的各种质量指标;掌握人工神经网络的特点、结构和算法;理解常规内模控制方法和结构,学习和研究基于神经网络的内模控制策略。
2.研究带有LMBP神经网络的内模控制在丙烯聚合反应中的应用。这里主要包括以下几方面内容:
①利用MPCE建立丙烯聚合反应的试验工程,并获取LMBP神经网络建模时所需要的训练和检验数据,同时对数据进行必要的分析处理。
②用LMBP神经网络训练被控对象的正模型(内部模型)以及逆模型(控制器模型)。
③研究并编程实现了带有LMBP神经网络训练模型的内模控制方案,并实现对组分的有效控制。