智能控制技术在湿法磷酸生产过程中的应用研究

发布时间：2024-03-08 21:27

　　近20年来,各种智能计算方法的兴起极大地促进了智能软测量和智能控制在工业过程中的应用。另一方面,一些传统的化工生产装置由于反应机理复杂、生产介质多相、大测量滞后等多方面原因,仍然处于操作人员参考定期的化验分析数据,基于自身经验人工调整生产过程参数的状态。本文主要以某磷肥企业磷酸装置萃取槽中SO₃浓度的软测量及其控制为背景,研究了如何将神经网络、模糊系统以及智能预测控制等智能控制方法应用于磷酸生产过程。 论文第一章综述了智能控制技术的发展历程及其在工业过程建模与控制中的重要作用,分析了磷酸生产过程控制的现状和需求,提出了采用智能控制技术实现磷酸生产过程先进控制的研究课题。 在此基础上,第二章分析了磷酸生产工艺原理,重点介绍了二水法湿法磷酸生产流程,分析了萃取槽中SO₃浓度在磷酸生产过程中的重要性,并指出建立SO₃浓度的软测量模型和实现基于软测量模型的智能预测控制是实现磷酸生产过程先进控制与优化的关键。 在分析磷酸生产过程SO₃浓度影响因素的基础上,第三章采用T-S模糊神经网络、...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
致谢
第一章 综述
    1.1 引言
    1.2 智能软测量和智能预测控制
        1.2.1 软测量
        1.2.2 智能预测控制
    1.3 湿法磷酸生产过程控制的现状与需求
    1.4 论文主要工作
第二章 湿法磷酸生产工艺流程
    2.1 概述
    2.2 湿法磷酸的生产方法
    2.3 硫酸法制湿法磷酸的工艺原理
    2.4 湿法磷酸生产工艺流程
    2.5 湿法磷酸生产过程的工艺流程
第三章 基于模糊系统和神经网络的SO₃软测量模型
    3.1 引言
    3.2 模糊系统和神经网络
        3.2.1 模糊系统
        3.2.2 神经网络
    3.3 三种智能软测量算法
        3.3.1 基于T-S模糊神经网络的算法
        3.3.2 基于FCM-RBF多模型神经网络的算法
        3.3.3 基于RBF多模型神经网络的算法
    3.4 工业应用研究
        3.4.1 辅助变量选取
        3.4.2 基于T-S模型软测量
        3.4.3 基于FCM-RBF多模型软测量
        3.4.4 基于RBF多模型软测量
        3.4.5 几种算法的对比分析
    3.5 结论
第四章 基于软测量模型的预测控制算法
    4.1 引言
    4.2 算法描述
        4.2.1 改进的广义预测控制算法
        4.2.2 T-S模糊神经网络模型的控制策略
    4.3 仿真研究
    4.4 结论
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士期间发表论文情况
作者简介



本文编号：3922415