一种基于深度神经网络的连续搅拌釜式反应过程辨识方法,包括以下步骤:(1)获取连续搅拌釜式反应器运行过程中过程变量数据;(2)对采集到的过程变量数据进行数据预处理:首先需要对数据进行标准化处理;其次,选取时间滞后,并将过程变量整理成三维输入形式;最后,将数据分为训练集、验证集和测试集;(3)基于三维长短期记忆神经网络建立辨识模型并训练:利用记忆单元建立三维长短期记忆神经网络模型,确定网络结构和超参数;利用自适应矩估计算法在训练集上优化网络参数,并在验证集上选择网络模型的超参数,完成基于三维长短期记忆神经网络建立辨识模型并训练。本发明对过程状态进行在线监测,实现对产物浓度的精确辨识。
📄 2018106929467
📂 G06F19_00
👤 浙江工业大学
📅 2018-06-29
本发明公开了一种连续搅拌釜反应器催化剂补料最优控制系统及方法,该系统由连续搅拌釜反应器、反应物浓度传感器、催化剂浓度传感器、模数转换器、现场总线网络、分散控制系统、主控室状态显示模块、数模转换器、催化剂控制阀门、冷却剂控制阀门端、温度传感器构成。反应物浓度传感器和催化剂浓度传感器实时采集反应器内物料成分浓度,DCS通过执行内部控制变量参数化最优控制算法得到规定生产时间范围内催化剂输入量、冷却剂输入量的最佳控制策略,并转换为催化剂控制阀门、冷却剂控制阀门的开度指令,使催化剂控制阀门和冷却剂控制阀门做出相应动作。本发明能够保证催化剂浓度、反应物浓度和温度偏差最小的同时,最小化催化剂和冷却剂的使用量。
📄 2018105354509
📂 G05B13_04
👤 重庆邮电大学
📅 2018-05-30
本发明公开一种网络攻击下连续搅拌釜式反应器系统的故障估计方法,属于网络化系统领域;首先建立存在网络攻击、扰动和故障情况下的连续搅拌釜式反应器系统模型,然后通过引入中间变量,设计中间观测器实现对状态变量和故障信号的估计;再运用Lyapunov稳定性理论和线性矩阵不等式分析方法,得到状态估计误差系统一致有界和中间观测器有解的充分条件;最后利用MatlabYALMIP工具箱求解得中间观测器参数,进而实现对状态和故障的同时估计。本发明方法考虑了实际情况下可能发生的网络攻击、外界扰动以及系统故障,能及时有效地估计故障的准确值,适用于一般的网络攻击下连续搅拌釜式反应器系统的故障估计,具有较好的普适性。
📄 2019111682505
📂 G05B23_02
👤 江南大学
📅 2019-11-25
本发明公开了一种基于粒子群的连续搅拌釜反应器维纳非线性模型辨识方法,包括构建出连续搅拌釜反应器的维纳非线性模型,获得连续搅拌釜反应器的辨识模型;构建线性递减惯性权重的粒子群优化搜索方法,通过将辨识模型的参数作为粒子群的位置向量,基于适应度函数来更新各粒子的位置和速度,采用粒子群优化对参数空间进行高效搜索,来获得系统模型参数的最优估计。该辨识方法在迭代初期具有较大的搜索空间和速度,而在迭代后期具有较强的局部搜索能力,收敛速度快,辨识精度高。本发明还建立了线性递减惯性权重粒子群迭代辨识方法的流程和步骤,可以有效地应用到连续搅拌釜反应器维纳非线性系统的参数估计中去,具有一定的工程应用价值。
📄 2019102772413
📂 G06F17_50
👤 南通大学
📅 2019-04-08