基于强酸当量的pH先进控制的研究

《基于强酸当量的pH先进控制的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东华大学硕士学位论文基于强酸当量的pH先进控制的研究姓名：郭亮申请学位级别：硕士专业：检测技术与自动化装置指导教师：石红瑞20071201东华大学硕士学位论文程，自适应模型消除稳态误差。针对多模型自适应控制中模型参数的辨识问题，本文采用了一种递推最d'--乘算法和投影算法相结合的混合型参数估计算法，提高了收敛速度，改善了多模型自适应控制的效果，并根据该算法给出了模型切换准则。本文分别使用以上两种控制方案对CSTR中和过程中的pH值控制进行仿真研究。仿真结果表明，当存在扰动的情况下，两种方案都能将pH值调整到设定值，跟踪能力强，动态性能和

2、鲁棒性能均较好，能够很好地解决中和过程的时变、非线性等问题。最后，本文介绍了能适应小批量、多品种生产的批量生产方式。以DeltaV系统为例，阐述了批量控制配方(recipe)及阶段(phase)的实现方法，并对基于强酸当量的pH控制在批量过程中的实现方法进行了研究。关键词：pH控制，强酸当量，先进控制，前馈控制，自适应控制，多模型，批量过程东华大学硕士学位论文THERESEARCHONpHADVANCECONTROLBASEDONSTRONGACIDEQUIVALENTABSTRACTpHcontrolhasbeenadifficult

3、andchallengingproblemduetoitshighnonlinearity，time—varyingcharacteristics，anditssensitivitytodisturbance．Ontheotherhand，pHcontrolhasfoundmanyapplicationsindifferentindustries．It’SveryimportanttocontrolpHinadefiniterangeintheseprocesses．Asforthehighnonlinearityofneutraliz

4、ationprocess，StrongAcidEquivalent(SAE)whichisaweightedsumofionicconcentrationswasintroducedandchangedthepHcontrolmodelintoagoodapproximationoflinearcontrolmodel．Basedonthislinearmodel，twoadvanceprocesscontrolstrategies，feedforward—adaptivecontrolandmultiplemodelsadaptive

5、control，wereadoptedtocontrolthepHofCSTR(ContinuousStirredTankReaction)．Feedforward—adaptivecontrolstrategyusedfeedforwardcontrollertocompensatethedisturbancesresultingfrom，thechangesofinfluentstream,andusedfeedbackcontrollertoreducetheimpactofotherdisturbances．Anin—linem

6、ixerwasembedded，inwhichthetitratingstreamandinfluentstreamaremixedbeforetheyenterintotheCSTR．东华大学硕士学位论文Theoutputofthisin—linemixerwasusedforthefeedforwardcontrollertocompensateinfluentstreamchangeseffectively．It’Salsousedtoexcitepersistentlyforthereliableestimationofproc

7、essparameters．FeedforwardcontrollerwasdesignedaccordingtothenonlinearequationbasedOilneutralizationtitrationcurve，whilefeedbackcontrollerwasdesignedaccordingtothelinearmodelofpHbasedonSAE．ConsideringthefrequentdisturbancesandpHvalue’Ssusceptibilityinneutralizationprocess

8、es，themultiplemodelsadaptivecontrol(MMAC)basedonhybridestimationalgorithmwaspresented．Multiplemodelswer