基于神经网络的聚氯乙烯汽提过程自适应解耦控制-控制与决策.PDFVIP

第27 卷 第7 期 控 制 与 决 策 2012 年 7 月 Vol. 27 No. 7 Control and Decision Jul. 2012 文章编号: 1001-0920 (2012) 07-1042-05 基于神经网络的聚氯乙烯汽提过程自适应解耦控制 1,2 1 1 1 高淑芝 , 高宪文, 王介生 , 杨 静 (1. 东北大学信息科学与工程学院，沈阳110819；2. 沈阳化工大学信息工程学院，沈阳110142) 摘 要: 聚氯乙烯汽提过程具有高度非线性和时变性等特点, 是一类复杂的非线性工业过程. 首先基于动态模糊神 经网络建立了数据驱动的聚氯乙烯树脂(PVC) 汽提过程的被控对象模型; 然后采用一种神经网络分散式解耦控制器 对汽提过程进行解耦, 得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统; 最后采用BP 神经网络PID 控 制器对系统进行控制. 仿真实验结果验证了所提出集成控制策略的有效性. 关键词: 聚氯乙烯汽提过程；动态模糊神经网络；解耦控制；神经网络 中图分类号: TP273 文献标识码: A Adaptive decoupling control of PVC stripping process based on neural network 1,2 1 1 1 GAO Shu-zhi , GAO Xian-wen , WANG Jie-sheng , YANG Jing (1. School of Information Science and Engineering，Northeastern University ，Shenyang 110819，China ；2. College of Information Engineering ，Shenyang University of Chemical Technology，Shenyang 110142，China. Correspondent: GAO Xian-wen，E-mail ：gaoxianwen@ise.neu.edu.cn) Abstract: Polyvinyl chloride(PVC) stripping process is a typical complicated non-linear industrial process with the characteristics of highly non-linear and time variety. Firstly ，the controlled object model of the stripping process is established based on the data-driven dynamic fuzzy neural network(D-FNN) method. Then the decentralized neural network controller is adopted to decouple the stripping process into the two single-input-single-output(SISO) of slurry flux versus tower top temperature and steam flux versus tower bottom temperature. Finally, the BP neural network PID controller is used to control the decoupled SISO system. Simulation results show the effective