过氧化氢异丙苯分解反应过程建模研究.pdf

《过氧化氢异丙苯分解反应过程建模研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、工业控制与应用自动化技术与应用》2013年第32卷第03期ndustryControlandApplications过氧化氢异丙苯分解反应过程建模研究★曹永成l，李乃川，国思茗(1．黑龙江东方学院，黑龙江哈尔滨150086；2．黑龙江省科学院自动化研究所，黑龙江哈尔滨150090)摘要：针对过氧化氢异丙苯(CHP)分解反应的系统建模问题，本文提出了基于过程数据的模糊神经网络建模方法，并根据采样数据进行了仿真实验，结果表明本方法适用于基于数据的工业过程建模。关键词：CHP；模糊神经网络；过程建模中图分类号

2、：TP391．92文献标识码：A文章编号：1003—7241(2013)03-0027—03ProcessModelStudyofDecomposingProcessofCumeneHydroperoxideCAOYong-cheng，LINai-chuan，GUOSi-ming(1．EastUniversityofHeilongjiang，Harbin150086China；2．TheInstituteofAutomationofHeilongjiangAcademyofScience，Harbin1

3、50090China)Abstract：Formodelingdecomposingprocessofcumenehydroperoxide(CHP)，abuildingmodeloffuzzyneuralnetwork(FNN)structureispresentedbasedoninput—outputdata．Simulationiscarriedonbasedontakedsamples．ResultsshowesthatFNNisbetterforindustrialmodelinginpre

4、cisionandreliability．Keywords：CHP；FNN；processmodel1引言络能够适于处理各种不确定的、复杂的、不精确的问过氧化氢异丙苯(CHP)分解反应生产苯酚／丙酮，题，已经成为智能建模研究的重要方法之一【卜。分解反应是在循环管道流动中进行的。CHP分解反应本文结合聚类思想设计了模糊神经网络模型结构，装置结构示意图如图1所示。仿真结果表明，基于模糊神经网络适于处理基于数据的过氧化氢异丙苯分解反应是高放热反应，保持较高过程系统建模问题。的温度有助于提高分解反应效率，但温度

5、过高直接导致反应迅速剧烈，易发生安全事故，并且随着反应中温度的提高，副产品中焦油的含量会极大增加，严重时会堵塞过滤网和挂附管壁致使设备大修。为分析研究生产过程、优化设置生产参数，需要根据生产记录数据建立软件系统模型，本文采用模糊神经网络方法建模。模糊神经网络(FuzzyNeuralNetwork)由于吸取了模糊逻辑和神经网络的优点：神经网络的学习能力和模糊推理的模拟人类思维方式，使模糊神经网基金项目：黑龙江省教育厅科学技术研究项目编号¨。。图1CHP分解反应装置结构示意图收稿El期：20l2—12—24

6、自动化技术与应用2013年第32卷第03期工业控制与应用ndustryControlandApplications2模糊神经网络结构设计f=dX0．7确定初始值，为聚类后同一类首先提取模糊规则，本文采用密度聚类【31的方法提中到CU最远点的距离。取模糊规则，密度聚类算法是基于数据样本，以数据间第三层规则推理层该层的每个神经元代表一条的空间距离为判定条件，它根据数据的疏密关系将数据规则，隶属度输入代表规则的前件，为使推理结果光滑，空间划分类别，从而建立逻辑推理关系，避免了人为硬推理采用乘积形式，表示规则激

7、励强度。性设定聚类数目、随机划分空间的影响。D)_n=··1，2⋯．，(3)：第四层清晰化层实现归一化算法，即D(4)J=1，2⋯．，第五层输出层根据重心法原理，实现清晰化计算，即网络输出D=∑‘—一DJCOJ(、5J)，输入模糊推理堪消晰化层输出层=1至此，基于密度聚类的模糊神经网络建立完成。参图2模糊神经网络结构图数调整对象为隶属度函数的中心、宽度和输出权值三模糊神经网络一般为5层结构，如图2所示。数据项。基于BP算法，我们以误差平方和E：寺(y—y)样本经过密度聚类分析后，若共提取H1条规则，则每

8、个为训练目标函数，其中为实际输出，，厂为期望输出。那输入有脚个隶属函数，每个输入的第七个隶属值对应第么，根据梯度下降算法，学习过程中模糊神经网络的各七条规则的前件，规则层、清晰化层的节点数对应模糊参数值的改变应正比于目标函数对该参数的负导数，即规则数。对参数的调整量可用以下公式来表示：第一层输入层该层的各个神经元直接与输入层的各分量连接，起到将输入向量=Ixl，X2，⋯，】T)+(一喏)(6)传送到下一层的作用。其中。，7为学习率，一般取0