《(能源化工)化工间歇反应过程产品质量预测建模论文》由会员分享，可在线阅读，更多相关《(能源化工)化工间歇反应过程产品质量预测建模论文（34页珍藏版）》请在金锄头文库上搜索。
1、 2013 届毕业论文 题 目化工间歇反应过程产品质量预测建模 院 、 部： 材料与化学工程学院 学生姓名： 谭练 指导教师：王津津 职称 助教 专 业： 化学工程与工艺 班 级： 化工0902班 完成时间： 2013年5月19日 目 录摘要1第一章 前言31.1 论文研究的目的和意义31.2 软测量技术的概述31.2.1软测量技术的基本思想31.2.2机理分析与辅助变量的选择31.2.3数据采集和处理41.2.4软测量建模的方法41.2.5软测量模型的在线校正61.2.6软测量技术建模方法的研究展望61.3本文的工作安排7第二章 偏最小二乘法（PLS）72.1 简介72.2偏最小二乘法的基本
2、原理72.3偏最小二乘法的算法82.4偏最小二乘法的研究现状92.4.1数据的预处理92.4.2特征向量的选取102.4.3多变量问题102.4.4非线性问题102.5本章小结12第三章 案例分析133.1一种工业涂料树脂合成工业过程133.2建立模型143.3验证模型143.4本章小结15第四章 结论与展望16参考文献17致 谢19任务书20开题报告22进度检查表24指导教师审阅表26评阅教师审阅表27答辩资格审查表28答辩小组意见及最终成绩评定表30 摘要由于科技与工业水平的不断发展，化工产品的附加值逐渐增高，人们对化工产品的质量需求也逐渐提升。化工生产过程中保证产品质量的关键是产品质量控
3、制。间歇过程作为最普遍的化工过程之一，为高附加值产品生产的主要方式，其表现出的非线性、不稳定性、不确定性等特点，会严重影响产品质量控制过程的有效实施。要解决间歇生产过程中出现的质量控制问题，就要对过程有清楚的了解，并且能得到实时的过程信息，即过程的在线分析。过程的在线分析包括过程变量在线测量与过程分析两个部分。本文运用软测量技术结合偏最小二乘法，对涂料树脂生产合成进行建模，通过建立模型预测涂料树脂酸度、粘度和工业实际测量的树脂酸度、粘度对比，说明偏最小二乘回归法的引入在粘度和树脂酸度预测上有较高的准确性。关键词：间歇反应过程；软测量技术；偏最小二乘法；在线分析AbstractWith the
4、development of industry and technology, the value added to chemicals increased, which, at the same time, promoted the demands in the qualities of chemical products. Product quality control is the key to ensure the product quality. But in batch process, the main process of value-added chemicals produ
5、ction, it is seriously restricted by the nonlinearity, un-stabilization, uncertainty and multi-scale factors of the process. The process analysis technology, including the variables on-line measurements and the analysis of the process, can improve the quality optimization control effectively.In this
6、 paper, the soft measurement technique combined with partial least squares method, establish a model of coating resin production. Applying to predictive acidity and viscosity. Which comparison with industrial measuring acidity and viscosity. Prove that using partial least squares regression method p
7、redictive acidity and viscosity have high accuracy.Key words: Batch Reaction Process; Partial Least Squares; On-line Analysis第一章 前言1.1 论文研究的目的和意义随着市场竞争的日趋激烈，企业想在残酷的竞争中发展并提高，就应当提高自身的生产效率，减少生产成本，并且还要节约资源。为了获得更好的产品或是获取更加满意的产品质量成为了间歇反应过程控制的普遍需要。对于间歇反应过程是完整的,具有可重复性,控制目标的质量参数只能在当前反应后可以获得相应批次参数值。这使得间歇过程产品的
8、质量的直接控制存在相应的阻碍。因此将反应过程能够直接测量且与产品质量密切相关的变量作为过程变量，采用软测量技术思想并结合偏最小二乘回归法对间歇反应过程进行深入研究，达到间歇过程反应质量预测。1.2 软测量技术的概述软测量技术是简介测量的一个发展方向，自20世纪80年代中后期提出作为一个概括性的科学术语以来，研究非常活跃，发展十分迅速，应用日益广泛，几乎渗透各个工业领域方面，已经成为检测技术的主要研究方向之一。尤其是近年来，国内外对软测量技术进行了大量的研究。软测量技术被列为未来控制领域研究的几大方向之一，具有广阔的应用前景1, 2。软测量技术主要包括数据采集、二次变量选择、数据预处理、软测量模
9、型的建立和模型在线校正等一系列步骤，其中软测量技术的核心是软测量模型的建立，根据人们对过程的认识程度主要分为机理建模、回归分析的统计建模、状态估计和机理和回归分析相结合的混合建模四类。1.2.1软测量技术的基本思想通过利用那些与难于检测的过程量（主导变量，Primary variable）有密切关系而且容易检测到的过程量（辅助变量，Secondary Variable）为基础,通过数学变量及结构选择模型辨识模型验证实施在线校正变量，利用数学模型运算，得到主导变量的估计值。具体测量原理根据测量对象和需要而有所不同3。1.2.2机理分析与辅助变量的选择 首先要明确软测量技术的任务,确定主导变量。并
10、且在这个基础上深入认识和熟悉软测量的对象和有关设备的工艺流程,利用机理分析能够初步确定相关辅助变量。选择辅助变量包括变量数目、变量类型和检测点位置的选择。其中这三个方面相互关联、相互影响,是受过程特性所决定的。所以辅助变量的选择应该具备关联性、过程适用性、特异性、鲁棒性和精确性这些特性。辅助变量最少数量是被估计的主导变量数目，然而上限没有统一的理论规定，能够通过生产过程的特点和系统的自由度适当的增加上限数目。根据对生产过程的分析，再研究直接或者间接影响所测化工参数的其他参数，并最终确定通过软测量模型预测结果的辅助变量。当然在实际应用中,还受着维护的难易程度、经济条件等外部条件制约4。1.2.3
11、数据采集和处理从理论上说,过程数据包含了工业对象的大量相关信息,因此,数据采集量越多越好,不仅可以用来建模,而且还可以检验模型。实际需要采集的数据为跟软测量主导变量相对应时间刻的辅助变量的过程数据。当然,数据覆盖面在可能的条件下应当宽一些,能够便于软测量具有更加宽的适用范围。所以要使软测量精度得到保证,则数据的正确性和可靠性非常重要。 采集的数据必需进行处理,数据处理包括两个方面,第一是数据换算，第二是数据误差处理。而数据误差分为过失误差和随机误差两种,随机误差是随机因素的影响,如测量信号的噪声或者操作过程微小的波动等,而常用的解决方法是滤波法;过失误差包含仪表的系统误差(如校正不准确、堵塞等
12、)和不完全或者不正确的过程模型(热损失、受泄漏等不确定因素影响)。虽然过失误差出现的概率比较小,但是它的存在会导致数据的品质严重恶化,可能会致使软测量甚至全部过程优化的失效。所以，及时发现、剔除和校正这些类型的数据是处理误差的首要任务。1.2.4软测量建模的方法模型的建立是软测量的核心问题,即建立主导变量和其它能够直接测量的变量间相关联模型。然而软测量建模的方法非常多,并且各种方法互有交叉,还具备相互融合的趋势,所以很难有妥当且全面的分类方法。当今,软测量建模方法主要可分为:机理建模、状态估计、回归分析、混合建模、人工神经网络、模式识别、模糊数学、过程层析成像、基于支持向量机(SVM)和核函数
13、的方法5、相关分析与现代非线性系统信息综合处理技术等。各种方法都有相应程度地应用于相应的软测量实践中,均含有各自的优缺点和适用范围,并且一些方法已经在软测量实践中有许多成功的运用,然而有些建模方法受限于技术发展水平,导致目前在过程控制中的应用还比较较少6。下面简单介绍机理建模、回归分析、状态估计、混合建模四种方法。1、机理建模。对工艺机理分析来软测量建模主要是运用物料平衡、能量平衡、化学反应动力学等原理，通过分析过程对象的机理，找到不可测的主导变量和可测到的辅助变量间的联系来建立机理模型，从而实现对某个参数的软测量。对于那些工艺机理比较清楚的工艺过程，此方法能构造出性能不错的软仪表。然而对于那
14、些机理研究不够充分、还不绝对清楚的复杂工业过程，则建立合适的机理模型难度较大。这时该方法就必须与其它参数估计的方法互相结合才能构造适用的软仪表。不过这种软测量建模方法在工程中还是常用的方法，因为其特点是简易、工程背景清晰，对实际应用很方便，但应用效果取决于对工艺机理的了解程度，因为这种软测量方法的建立的关键在与对工艺过程机理认识程度上，所以建模的难度较大。2、回归分析的建模。经典的回归分析为一种建模的基本方法，它应用范围十分广泛。以最小二乘法原理作为基础的一元与多元线性回归技术现在已相当成熟，常用在线性模型的拟合。对于那些辅助变量较少的情况下，一般运用多元线性回归中的逐步回归技术以获得较好的软
15、测量模型。.然而对于辅助变量较多的情况下，通常还要借助于机理分析，首先得到模型各变量的基本框架，然后再运用逐步回归方法得到软测量模型。为了简化模型，也可运用主元回归分析法和偏最小二乘法等方法。回归分析的软测量的建模方法虽然简单实用，但是需要足够有效的样本数据，不但对测量误差较为敏感而且模型物理量概念不清晰。3、状态估计建模。如果系统的主导变量是系统的状态变量，而且是完全可观的，则软测量建模问题就转变成了典型的状态观测和状态估计了。基于状态估计的软仪表因为可以表明主导变量和辅助变量中的动态关系，所以，处理各变量之间动态特性的差异与系统滞后等情况十分有利。然而此软测量建模方法的缺点主要是对复杂的工业过程，由于对系统的状态空间模型的建立比较难，这使得该方法的应用在一定程度上受到了限制。并且在许多工业生产过程中，经常会出现持续的缓慢变化的不可测的干扰，此时采用这种建模方法可能误
