針對(duì)傳統(tǒng)人工檢測方法在測量模擬移動(dòng)床色譜分離過程時(shí)存在精度低、實(shí)時(shí)性差等問題,采用軟測量技術(shù)來完成對(duì)模擬移動(dòng)床色譜分離關(guān)鍵過程的預(yù)測。因此本文提出采用基于模糊神經(jīng)網(wǎng)絡(luò)的軟測量方法對(duì)移動(dòng)床色譜分離過程的實(shí)時(shí)控制具有重要意義的。本文具體的工作主要有以下幾個(gè)方面:首先基于模擬移動(dòng)床色譜分離過程和自適應(yīng)神經(jīng)模糊推理系統(tǒng)的應(yīng)用特點(diǎn),采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)建立了軟測量模型;采用基于網(wǎng)格劃分、減法聚類和模糊C均值聚類算法對(duì)自適應(yīng)神經(jīng)模糊推理系統(tǒng)輸入數(shù)據(jù)空間進(jìn)行劃分;采用Gradient算法、Kalman算法、Kaczmarz算法和Pseudoinv算法對(duì)其后件參數(shù)進(jìn)行優(yōu)化;利用數(shù)據(jù)空間劃分方法和后件參數(shù)優(yōu)化算法相結(jié)合的混合算法來優(yōu)化自適應(yīng)神經(jīng)模糊推理系統(tǒng);建立基于ANFIS的軟測量模型對(duì)模擬移動(dòng)床色譜分離過程進(jìn)行預(yù)測。其次采用粒子群優(yōu)化算法優(yōu)化自適應(yīng)模糊推理系統(tǒng)參數(shù),對(duì)粒子群的不同慣性權(quán)重調(diào)整方法進(jìn)行分組研究,比較其優(yōu)化后的自適應(yīng)模糊推理系統(tǒng)的性能;分別建立基于隨機(jī)慣性權(quán)重、迭代次數(shù)函數(shù)的慣性權(quán)重和反饋信息函數(shù)的慣性權(quán)重的粒子群算法優(yōu)化自適應(yīng)模糊推理系統(tǒng)軟測量模型;提出了一種軟測量建模方法,該方... 

【文章來源】：遼寧科技大學(xué)遼寧省

【文章頁數(shù)】：106 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SMB各區(qū)示意圖

遼寧科技大學(xué)碩士學(xué)位論文3假設(shè)我們需要分離A（吸附能力強(qiáng)）和B。D為洗脫液，E為提取液，F(xiàn)為料，R為提余液。整個(gè)床體根據(jù)每一個(gè)區(qū)域完成的工作不同，我們可分為四個(gè)區(qū)（分別記為Ⅰ、Ⅱ、Ⅲ、Ⅳ）。Ⅰ區(qū)：Ⅰ區(qū)內(nèi)具有大量的固定相吸附劑。當(dāng)有洗脫液D進(jìn)入后，可以與其接觸發(fā)生反應(yīng)，進(jìn)而A組份會(huì)被解析出來。得到的混合液體會(huì)從提取液口排出，就是我們所說的E；Ⅱ區(qū)：本區(qū)作用是解析B組份。從Ⅰ區(qū)進(jìn)入的混合液體中含有A組份，通過接觸可把弱吸附組份B不斷解析出來，通過流動(dòng)新鮮的進(jìn)料進(jìn)入下一部分；Ⅲ區(qū)：此區(qū)內(nèi)具有大量可以吸附A組份的吸附劑，混合液體通過后，吸附液體中的A，含有B的液體繼續(xù)向前從下一口排出，即提余液口獲得R；Ⅳ區(qū)：本區(qū)作用是使D通過吸附，再次回收回來進(jìn)行再利用。因?yàn)楸緟^(qū)D的濃度比上一區(qū)流進(jìn)來的濃度高的多（因?yàn)樵谏弦粋�(gè)切換周期時(shí)，該區(qū)為Ⅰ區(qū)）。所以再次回收回來進(jìn)行再利用的D進(jìn)入下一周期和新鮮進(jìn)料一起進(jìn)入工作Ⅰ區(qū)。如圖1.1所示的各區(qū)工作流程來回不斷切換液體出入口位置方向，就可以達(dá)到和TMB相同的效果。本文所采用的SMB設(shè)備核心構(gòu)造見圖1.2所示。圖1.2SMB色譜分離單元Fig.1.2UnitofSMBcinematographicseparation

賾瀉芏啵??越?⒛Ｄ庖貧?采?追擲牘?套櫸執(zhí)慷熱聿飭?模型是十分具有價(jià)值的[8]。軟測量技術(shù)基本思想就是采用自控原理和實(shí)際生產(chǎn)過程相結(jié)合，對(duì)一些在生產(chǎn)過程中難以實(shí)現(xiàn)實(shí)時(shí)測量指標(biāo)，通過電子技術(shù)或者其他相對(duì)獲得難度較小的測量變量，來構(gòu)建模型或數(shù)學(xué)關(guān)系進(jìn)行估計(jì)。軟測量模型可表示為：Xf(d,u,y,X,t)（1.1）式中：X為模型估計(jì)值，d為擾動(dòng)因子，u為控制輸入變量,y為可測輸出變量,X為被估計(jì)變量的離線采樣值或分析計(jì)算值。上式中用這些變量建立與X之間的數(shù)學(xué)聯(lián)系。本文所建立模擬移動(dòng)床色譜分離過程軟測量模型結(jié)構(gòu)如圖1.3所示[8]：圖1.3軟測量模型結(jié)構(gòu)Fig.1.3Structureofsoft-sensormodel

【參考文獻(xiàn)】：
期刊論文
[1]基于人工魚群的五岔路口交通信號(hào)優(yōu)化控制[J]. 湯旻安,董海龍,程海鵬.  控制工程. 2019(07)
[2]基于變分模態(tài)分解和改進(jìn)鯨魚算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測模型[J]. 李志鵬,張智瀚,王睿,陳堂賢.  電力與能源. 2019(03)
[3]基于IABC-ANFIS的燃?xì)廨啓C(jī)氣路故障診斷[J]. 黃偉,景曉寧,高斌.  熱能動(dòng)力工程. 2019(07)
[4]基于改進(jìn)卡爾曼濾波算法的短期負(fù)荷預(yù)測[J]. 劉鑫,滕歡,宮毓斌,滕德云.  電測與儀表. 2019(03)
[5]基于KPCA-DFNN海洋微生物發(fā)酵過程軟測量建模[J]. 孫麗娜,黃永紅,蔣星紅,馮培燕.  計(jì)算機(jī)測量與控制. 2018(07)
[6]一種動(dòng)態(tài)調(diào)整慣性權(quán)重的粒子群優(yōu)化算法[J]. 董紅斌,李冬錦,張小平.  計(jì)算機(jī)科學(xué). 2018(02)
[7]一種基于S-PSO的無線傳感器網(wǎng)絡(luò)分簇路由算法[J]. 劉洲洲,劉洋.  小型微型計(jì)算機(jī)系統(tǒng). 2017(10)
[8]改進(jìn)的T-S模糊神經(jīng)網(wǎng)絡(luò)用于生化需氧量的軟計(jì)算（英文）[J]. 喬俊飛,李微,韓紅桂.  Chinese Journal of Chemical Engineering. 2014(Z1)
[9]模擬移動(dòng)床過程的軟測量建模仿真研究[J]. 李凌,袁德成,井元偉.  計(jì)算機(jī)與應(yīng)用化學(xué). 2014(11)
[10]改進(jìn)的簡化粒子群算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)建模[J]. 周丹,南敬昌,高明明.  計(jì)算機(jī)應(yīng)用研究. 2015(04)

碩士論文
[1]基于卡爾曼濾波的商用渦扇發(fā)動(dòng)機(jī)氣路故障診斷[D]. 顧嘉輝.南京航空航天大學(xué) 2018
[2]基于神經(jīng)網(wǎng)絡(luò)的聚氯乙烯生產(chǎn)過程的軟測量方法研究[D]. 郭秋平.遼寧科技大學(xué) 2012
[3]基于ANFIS的酮苯脫蠟結(jié)晶過程潤滑油收率軟測量模型[D]. 李師.華東理工大學(xué) 2011



本文編號(hào)：2937985