氯堿工業(yè)屬于高能耗產(chǎn)業(yè),亦是國(guó)民生活中一個(gè)重要的支柱產(chǎn)業(yè)。為了降低生產(chǎn)過(guò)程中的能耗,對(duì)于氯堿電解過(guò)程的優(yōu)化控制尤為重要。由于電解過(guò)程尤為復(fù)雜,化學(xué)性質(zhì)以及變量很多,所以建立一個(gè)氯堿多參數(shù)優(yōu)化控制系統(tǒng),以達(dá)到節(jié)能降耗的目的是需要研究的重點(diǎn)。本文首先分析了氯堿電解過(guò)程中電流效率以及直流電耗的影響因素,和其適用于生產(chǎn)范圍的控制條件,然后根據(jù)生產(chǎn)數(shù)據(jù)利用核主元素法進(jìn)行分析,得出了三個(gè)主要的影響因素。由于機(jī)理模型構(gòu)建起來(lái)很復(fù)雜,而且達(dá)不到想要的控制效果,選擇了Elman神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行了模型建立。建立好神經(jīng)網(wǎng)絡(luò)模型后,為了提高控制精度,選擇了BP神經(jīng)網(wǎng)絡(luò)作為控制系統(tǒng)中的控制器,但是BP神經(jīng)網(wǎng)絡(luò)有不足,為了彌補(bǔ)這些,經(jīng)分析與研究,選擇了改進(jìn)的量子多目標(biāo)進(jìn)化算法來(lái)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值優(yōu)化。在量子多目標(biāo)進(jìn)化算法的改進(jìn)中,使用了非支配排序算子以及基于Pareto個(gè)體引力的選擇策略。為了令改進(jìn)的量子多目標(biāo)進(jìn)化算法對(duì)BP神經(jīng)網(wǎng)絡(luò)控制器有更好的優(yōu)化效果,提出了算法融合方法,設(shè)計(jì)了具體的融合步驟,使量子多目標(biāo)進(jìn)化算法對(duì)BP神經(jīng)網(wǎng)絡(luò)控制器的權(quán)值、閾值進(jìn)行了充分的優(yōu)化。由于實(shí)際生產(chǎn)過(guò)程中,隨著時(shí)間的變化,生... 

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
引言
第1章 緒論
    1.1 課題研究背景及意義
    1.2 氯堿生產(chǎn)節(jié)能技術(shù)發(fā)展現(xiàn)狀
        1.2.1 氧陰極(ODC)技術(shù)的應(yīng)用
        1.2.2 陶瓷膜技術(shù)的應(yīng)用
        1.2.3 二次鹽水精制樹(shù)脂壽命延長(zhǎng)
        1.2.4 三效逆流離子膜燒堿蒸發(fā)濃縮技術(shù)
        1.2.5 其他技術(shù)
    1.3 多目標(biāo)優(yōu)化及其發(fā)展
        1.3.1 研究意義
        1.3.2 多目標(biāo)優(yōu)化的發(fā)展現(xiàn)狀
    1.4 本章小節(jié)
第2章 氯堿電解槽工藝分析及其模型建立
    2.1 氯堿電解槽的能耗及其影響因素分析
        2.1.1 電流效率指標(biāo)分析
        2.1.2 槽電壓指標(biāo)分析
        2.1.3 電解電耗指標(biāo)分析
        2.1.4 陽(yáng)極PH值的影響
        2.1.5 陽(yáng)極液濃度的影響
        2.1.6 陰極液濃度的影響
        2.1.7 操作溫度的影響
        2.1.8 壓力壓差的影響
    2.2 機(jī)理模型構(gòu)建
        2.2.1 主要影響因素的選取
        2.2.2 影響因素分析
        2.2.3 機(jī)理模型構(gòu)建
    2.3 預(yù)測(cè)模型的建立
    2.4 本章小結(jié)
第3章 氯堿電解多目標(biāo)控制系設(shè)計(jì)及量子優(yōu)化算法
    3.1 控制系統(tǒng)的總體設(shè)計(jì)
    3.2 人工神經(jīng)網(wǎng)絡(luò)
    3.3 BP人工神經(jīng)網(wǎng)絡(luò)
        3.3.1 BP人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        3.3.2 BP人工神經(jīng)網(wǎng)絡(luò)控制器
        3.3.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練
        3.3.4 BP神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)
    3.4 多目標(biāo)進(jìn)化算法
        3.4.1 進(jìn)化算法
        3.4.2 進(jìn)化算法的缺點(diǎn)
    3.5 量子多目標(biāo)進(jìn)化算法
        3.5.1 量子進(jìn)化算法簡(jiǎn)介
        3.5.2 量子多目標(biāo)進(jìn)化算法
    3.6 本章小結(jié)
第4章 算法融合以及控制系統(tǒng)在線修正
    4.1 算法的融合
        4.1.1 融合的關(guān)鍵因素
        4.1.2 算法的融合
        4.1.3 算法流程
    4.2 控制系統(tǒng)的在線修正
    4.3 本章小結(jié)
第5章 氯堿電解多參數(shù)優(yōu)化系統(tǒng)的仿真實(shí)驗(yàn)與結(jié)果分析
    5.1 傳統(tǒng)人工參數(shù)設(shè)置的仿真實(shí)驗(yàn)
    5.2 基于量子多目標(biāo)進(jìn)化算法的仿真實(shí)驗(yàn)
    5.3 人工參數(shù)設(shè)置和基于量子多目標(biāo)進(jìn)化算法的仿真實(shí)驗(yàn)對(duì)比
    5.4 在線修正和非在線修正的基于量子多目標(biāo)進(jìn)化算法的仿真實(shí)驗(yàn)對(duì)比
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
導(dǎo)師簡(jiǎn)介
作者簡(jiǎn)介
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]燒堿行業(yè)現(xiàn)狀分析及前景預(yù)測(cè)[J]. 郭靖.  氯堿工業(yè). 2018(10)
[2]一次鹽水精制膜法工藝與鋇法工藝的運(yùn)行比較[J]. 李軍,劉建群,譚強(qiáng),頡小虎.  化工設(shè)計(jì)通訊. 2018(08)
[3]離子膜電解裝置特點(diǎn)及其優(yōu)化控制對(duì)策[J]. 馮挺劍.  化工設(shè)計(jì)通訊. 2018(07)
[4]Robust Recommendation Algorithm Based on Kernel Principal Component Analysis and Fuzzy C-means Clustering[J]. YI Huawei,NIU Zaiseng,ZHANG Fuzhi,LI Xiaohui,WANG Yajun.  Wuhan University Journal of Natural Sciences. 2018(02)
[5]離子膜制燒堿工藝降低能耗技術(shù)優(yōu)化[J]. 林向俊.  化工管理. 2017(30)
[6]氯堿行業(yè)節(jié)能降耗技術(shù)分析[J]. 楊振軍,劉慶平,趙學(xué)軍.  上�；�. 2017(02)
[7]DCS在實(shí)驗(yàn)室鹽水電解中的應(yīng)用[J]. 張棟梁,張正董,郝成龍,王學(xué)軍.  氯堿工業(yè). 2016(10)
[8]氯堿生產(chǎn)中DCS供電系統(tǒng)運(yùn)行分析[J]. 潘登.  氯堿工業(yè). 2016(09)
[9]氧陰極氯堿電解的發(fā)展現(xiàn)狀及經(jīng)濟(jì)分析[J]. 趙學(xué)軍,袁瑋.  中國(guó)氯堿. 2016(03)
[10]二次鹽水精制樹(shù)脂塔運(yùn)行周期延長(zhǎng)技術(shù)的應(yīng)用[J]. 孫俊艷,張軍,周龍東,吳雪娟,陳忠勤,李一青.  中國(guó)氯堿. 2016(03)

博士論文
[1]量子計(jì)算及其在智能優(yōu)化與控制中的應(yīng)用[D]. 李盼池.哈爾濱工業(yè)大學(xué) 2009

碩士論文
[1]氯堿生產(chǎn)過(guò)程節(jié)能控制技術(shù)開(kāi)發(fā)與工程實(shí)踐[D]. 蔣長(zhǎng)城.浙江工業(yè)大學(xué) 2017
[2]離子膜燒堿電解裝置清潔生產(chǎn)工藝研究[D]. 楊開(kāi)勇.北京化工大學(xué) 2016
[3]100kt/a離子膜燒堿技改項(xiàng)目研究[D]. 陳欣.浙江工業(yè)大學(xué) 2008
[4]氧化鋁生產(chǎn)苛性比值軟測(cè)量神經(jīng)網(wǎng)絡(luò)模型的在線修正方法研究[D]. 朱波.中南大學(xué) 2005



本文編號(hào)：3705118