酸堿中和反应中pH值的单神经元自适应控制研究.docVIP

酸碱中和反应中pH值的单神经元自适应控制研究* 中和反应/pH值/单神经元/自适应控制 1? 引言中和反应广泛的存在于各种工业生产过程中,尤其在化工、食品、环保等行业。中和反应过程中最重要的问题是对pH值的控制,将pH值控制在期望的范围内才能保证工业生产的正常进行。但是pH值控制问题是过程控制中的难题之一,主要是因为中和反应过程中酸碱滴定曲线具有高度的非线性,同时中和反应一般在大容器和循环管路中进行,使得系统反应带有很大的时滞性。非线性和时滞性给pH值控制带来极大困难,传统的PID控制在实际过程中难以取得良好的控制效果。随着控制理论的发展, 对pH值控制给出了一些有效解决方法,如非线性控制、Wiener 模型辨识与预测控制、模糊控制等[1-3]。由于过程控制中对稳定性和快速性的要求和设备本身的限制,较复杂的控制算法难以在实际的pH控制中得到应用。在PID控制的基础上,本文将神经网络学习算法与传统的PID控制相结合,设计单神经元自适应控制器,提高酸碱中和反应过程中pH值控制的动态性能和抗干扰性。 2? 中和反应过程中pH值的动态模型一般化工过程中,酸碱中和反应是在反应池(CSTR)中进行的,系统如图1所示。图中流入物是酸液(被调液体),本文不考虑液位和温度变化等方面的问题,假设溶液被充分的搅拌和混合,溶液中密度是均衡的,所有的离子完全融解,中和反应正常进行,通过控制加入的中和液(碱液)流量,使得流出生成液的 pH 值达到设定值。 中和反应过程中pH值变化的动态模型[4]式中,分别为未发生化学反应时中和池内的酸碱浓度;为被调液的流量;为被调液的氢离子浓度;为中和液的流量，为氢氧跟离子浓度;为平衡常数,在25时,;y为生成液中氢离子浓度。系统的干扰主要来源于被调液,被调液的氢离子浓度在中和反应过程中可能发生变化,为了保证中和反应正常进行,以中和液的流量为控制量,生成液的pH值为输出量,设计控制器使得生成液的pH值稳定于设定值。3? 单神经元自适应控制器神经网络具有优良特性,它可以任意逼近线性或非线性系统,可以实现几乎所有的常规非线性与不确定系统的控制。由不同个数的单神经元可以组成不同层数、不同结构的神经网络。但神经网络层数越多,结构越复杂,权值学习时间越长,越不利于实时控制。神经网络的单个神经元就具有自学习与任意函数逼近的能力[5]。鉴于单神经元控制器适宜于作为多输入单输出的非线性处理单元,具有自学习与自适应性、结构简单、计算量小、权值学习时间短、易于实现等优点,将其与传统的PID控制相结合,提高中和反应过程中pH值控制效果。单神经元自适应控制的结构如图2所示。 神经元自适应控制器通过对加权系数的调整来实现自适应、自组织功能, 故可大大提高控制系统的鲁棒性[6]。加权系数的调整采用有监督的Hebb学习算法为保证上述单神经元自适应控制器学习算法式(3)和式(4)的收敛性和鲁棒性, 对上述学习算法进行规范化处理[7]?（6）4? 仿真实验本文对pH值控制进行Matlab仿真实验,并与PID 控制效果进行对比,检验单神经元自适应控制器的控制性能。中和反应仿真模型参数设定为:被调液的流量中和液的中和反应池的容积生成液的pH值设定为7。在中和反应中,要求生成液的pH值尽快达到设定值,同时系统超调量要小;在被调液突加扰动的情况下,系统具有一定的抗干扰性。4.1? 系统动态性能研究首先,用传统PID 控制器对式(1)动态模型进行控制仿真,pH值响应曲线如图3中虚线所示。在相同仿真条件下,用单神经元自适应控制器代替PID控制器进行实验,pH值响应曲线如图3中实线所示。 从图中可以看出,中和反应以设定参数进行时,在PID控制下生成液的pH值曲线超调大,响应时间较长。而在相同仿真条件下,单神经元自适应控制响应快,pH值曲线上升时间短,超调较小,动态性能较好。4.2? 系统抗干扰性研究设定被调液的流量保持不变,被调液的氢离子浓度在3s处出现扰动,当被调液扰动的幅度为1%时,分别采用单神经元自适应控制器和PID控制器的pH值响应曲线(实线为自适应控制,虚线为PID控制)如图4所示。 图中可以看出系统输出均能恢复到设定值,但自适应控制器的响应曲线波动较小,过渡时间短,表现出很强的适应性与鲁棒性。在相同的仿真条件下,当被调液扰动的幅度为时,pH值响应曲线(实线为自适应控制,虚线为PID控制)如图5所示。 从图中可以看出采用 PID 控制时,pH值曲线超调量大,调整时间长;而采用自适应控制,pH值曲线的超调量略微增大,并且保持较小的过渡时间。实验结果表明相对于PID控制,单神经元自适应控制器具有良好的抗干扰性能。 5? 结束语本文针对酸碱中和反应中pH值的控制问题,做如下研究:1)? 根据酸碱中