化工间歇反应过程产品质量预测建模

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................................................14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.......................................301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2AbstractWiththedevelopmentofindustryandtechnology,thevalueaddedtochemicalsincreased,which,atthesametime,promotedthedemandsinthequalitiesofchemicalproducts.Productqualitycontrolisthekeytoensuretheproductquality.Butinbatchprocess,themainprocessofvalue-addedchemicalsproduction,itisseriouslyrestrictedbythenonlinearity,un-stabilization,uncertaintyandmulti-scalefactorsoftheprocess.Theprocessanalysistechnology,includingthevariableson-linemeasurementsandtheanalysisoftheprocess,canimprovethequalityoptimizationcontroleffectively.Inthispaper,thesoftmeasurementtechniquecombinedwithpartialleastsquaresmethod,establishamodelofcoatingresinproduction.Applyingtopredictiveacidityandviscosity.Whichcomparisonwithindustrialmeasuringacidityandviscosity.Provethatusingpartialleastsquaresregressionmethodpredictiveacidityandviscosityhavehighaccuracy.Keywords:BatchReactionProcess;PartialLeastSquares;On-lineAnalysis3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，Primaryvariable）有密切关系而且容易检测到的过程量（辅助变量，SecondaryVariable）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4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)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