间歇过程的神经网络模型快速夹
间歇过程的神经网络模型
间歇过程的神经网络模型 2011: 孙正贵1,李永彪2,赵清杰3 (1.胜利石油管理局科技处,山东257000;2.北京华盛德佳科技公司,北京100084;3.清华大学计算机系,北京100084) 1 引言 传统的系统辨识方法是利用人们对物理过程的认识,通过机理分析建立系统的模型结构,然后再利用观测到的数据来估计模型的参数。对于线性系统或本质线性系统,这种方法是比较有效的。但是对于复杂非线性系统,这种传统的辨识方法遇到了麻烦。 利用人工神经网络进行系统建模,对系统本身的性质不用作过多的假设,对系统内部机理知识也不必了解太多。间歇聚丙烯过程具有非线性、时变和易燃易爆的特点,由机理分析或实验方法来得到过程的模型十分困难。本文利用前馈神经网络建立间歇聚丙烯过程反应阶段的数学模型,用历史数据对网络进行训练和测试,测试结果满足要求。2 理论基础[3] 其中,函数f(·)的形式根据需要采用线性、Log-Sigmoid或Tan-Sigmoid形式,i=1,2,…,nq;j=1,2,…,nq-1;q=1,2,…,Q。 利用已知样本对网络的连接权系数进行学习调整。取学习的代价函数为…,nq-1。 反向传播学习算法如下: 3 实际过程神经网络模型的建立3.1 过程的输入与输出 影响丙烯聚合反应的因素较多,如主要原料及辅助原料的质量、聚合用各种原料的配方、反应控制和设备等都对反应有影响。在一段时间内,可以认为每批所用的物料情况基本一致,而主要考虑操作条件的影响,如反应温度、时间均对聚合反应有较大的影响。对于间歇聚丙烯过程,聚合釜内压力十分接近丙烯的饱和蒸气压,压力的高低完全与温度对应[4],因此这里只把釜压作为输出参数。 通过分析生产过程,得出过程的输入与输出关系如图3—1所示。 从实际过程知道,热水槽内的水温保持在90℃左右,液位保持在2/3处。循环冷却水的温度在一段时间内基本不变,物料性质基本一致。聚合釜内搅拌器的转速是恒定的,即60r/min。因此可以把图3—1简化为图3—2。这样,对象可以简化为一个三输入一输出的系统。其中水阀开度对应操纵变量,计时从加料后通入热水开始。 3.2 生产过程的神经网络模型 根据前面的分析,可用一个三层前向网来模拟对象的模型,其中输入层有三个神经元,输出层有一个神经元。神经网的三个输入信号分别为反应时间、水的温度以及阀门开度;输出信号为釜内压力。 隐层神经元个数根据经验公式为输入层神经元个数,m为输出层神经元个数,a取1~10之间的数)定为6个。网络结构如图3—3所示。3.3 网络的训练与测试 为了使神经网络充当过程的模型,必须对它进行训练。从生产过程的历史数据中取出105组作为样本信号,其中100组用作教师信号,利用第2部分的学习算法,对网络参数进行训练。剩下的样本数据用来测试训练过的网络性能。 在训练网络之前,要对输入输出数据进行归一化处理。对每一组样本数据,都作如下的计算: 利用前面提到的测试样本,对这一结果进行测试,其结果如表3—1所示。其中的样本是未参加训练的样本。 由上述测试结果可以看出,经过学习的神经网络有足够的精度,用它充当对象的数学模型是可以的。值得注意的是,并非训练的次数越多,越能得到正确的输入输出映射关系。在实验中发现,训练的次数如果在现在的基础上再增加,测试的误差就会变大。这一点可以
- 最好塔吉克斯坦铝业公司电线接头机械设备农业机械铜杆轴承球TRp
- 最好中国铝业今日发行20亿元超短融床控板光电池涟源输送网带英式插座TRp
- 最火6日南海灵通现货价格行情东港兼容电池平板夯微机保护自吸水泵TRp
- 最火20日张家港市场铸造普碳废钢价格行情保险座粉丝机精密锻造清远橡胶衬里TRp
- 最好镀锡铜绞线软连接铜丝编织绞线软连接安顺防爆工具节流阀铅合金西宁TRp
- 最好内蒙古大幅压缩煤炭总产量力改招商模式臭氧设备固体继电器醴陵收缩管益阳TRp
- 最好3月14日广州锅炉容器板最新价格行情C型吊钩对焊法兰建筑模型普宁文昌TRp
- 最好304不锈钢编织线不锈钢屏蔽网管穿墙套管管道油泵连杆瓦手机芯片引接线TRp
- 最好13日1442重庆市场热轧板卷价格行情磁条卡光跳线临沧数控铣床油锯TRp
- 最好8日国内沿海铁矿石运费行情锻钢剪断机瓶模具温度表钻铤TRp