氧樂果合成過程集成智能控制方法與應用.pdf

1、我國作為一個人口大國，農業(yè)始終是國民經(jīng)濟的基礎，關系國家的穩(wěn)定和發(fā)展。農藥是保證農作物穩(wěn)定高產(chǎn)的重要因素之一，農藥的生產(chǎn)水平和質量對我國農業(yè)乃至整個國民經(jīng)濟的發(fā)展有很大的影響。為了提高農藥生產(chǎn)的技術水平和產(chǎn)品質量，對傳統(tǒng)的農藥生產(chǎn)過程進行自動化改造，是非常必要的。本文以氧樂果合成過程為研究對象，研究了氧樂果合成過程的智能控制方法，并開發(fā)了已獲得實際應用的氧樂果合成過程集成智能控制系統(tǒng)。 本文闡述了氧樂果合成的工藝流程，對氧樂果合

2、成的特性和對象模型進行了詳細分析，說明氧樂果合成具有非線性、時變、大滯后、擾動復雜的特點，并從系統(tǒng)可測參數(shù)和不可測參數(shù)兩個方面分析了氧樂果合成中的影響因素。研究了基于神經(jīng)網(wǎng)絡的氧樂果合成過程的系統(tǒng)辨識，并針對氧樂果合成過程中影響最大的溫度因素利用BP網(wǎng)絡進行辨識。針對靜態(tài)BP網(wǎng)絡對系統(tǒng)動態(tài)模型辨識效果不佳的缺陷，采用分階段BP網(wǎng)絡和由靜態(tài)BP網(wǎng)絡加TDL環(huán)節(jié)所構成的回歸網(wǎng)絡對氧樂果合成中的溫度對象進行了動態(tài)辨識，并對三種方法的辨識性能進

3、行了比較分析。 根據(jù)氧樂果合成過程不同階段的復雜特性，分別研究了相應的智能控制方法，作為整體設計氧樂果集成智能控制方案的基礎。第一，針對氧樂果合成具有非線性、大滯后的特點，設計了一種參數(shù)反饋模糊控制器，并對其性能進行了仿真驗證。 第二，針對氧樂果合成具有非線性、時變的特點，提出了基于遞歸遺傳算法的混合學習算法，來對用于辨識的神經(jīng)網(wǎng)絡的結構和連接權值進行自動優(yōu)化設計。針對模糊神經(jīng)網(wǎng)絡應用中存在的問題，提出了基于模糊補償算子

4、的神經(jīng)網(wǎng)絡控制器結構和算法。通過采用基于遞歸遺傳算法的神經(jīng)網(wǎng)絡辨識器對氧樂果合成的溫度對象進行辨識，與遞歸補償模糊神經(jīng)網(wǎng)絡控制器組成溫度智能控制系統(tǒng)，并對該控制系統(tǒng)的性能進行了仿真研究。 第三，針對氧樂果合成具有典型間歇過程的特點，在分析了迭代學習控制基本原理的基礎上，通過在迭代學習控制中引入預測的思想，提出了一種改進的迭代學習算法。并將模糊模型辨識技術、預測控制和迭代學習控制三者相結合，設計了基于模糊預測的迭代學習控制器。以氧

5、樂果合成過程中的溫度為被控對象，仿真研究了所設計的控制器的性能。 根據(jù)一甲胺累積投料量，將氧樂果合成過程劃分為四個階段：反應初始階段，溫度上升階段，穩(wěn)定反應階段和反應結束階段，并根據(jù)不同階段的反應特點，分別采用上述所研究的多種智能控制算法，組成氧樂果合成過程的集成智能控制方案，并開發(fā)了成套的氧樂果合成過程集成智能控制系統(tǒng)，包括控制系統(tǒng)信號處理、控制系統(tǒng)故障診斷、系統(tǒng)軟件設計等。研制的兩套系統(tǒng)分別在沙隆達鄭州農藥有限公司的兩個農藥