如何智能控制连续搅拌反应釜的温度发表时间:2019-08-16 11:42 如何智能控制连续搅拌反应釜的温度 在生产过程中,反应釜的温度会影响化工产品的生产质量,因此精准的控制反应釜的温度对企业生产至关重要,本文就来介绍一下智能控制连续搅拌反应釜温度的方法。 先来看下连续反应釜的基本结构及原理吧,它是由搅拌容器及搅拌机组成,搅拌容器包括筒体,热交换元件和组件,其中筒体是一个钢罐式集装箱,可安装在罐型的材料,在其内部进行化学反应,为了保持反应温度,对反应釜需要设置换热元件。 在化工生产中,应严格按照反应物的配比混合均匀,然后将反应混合物均匀化,加入催化剂在连续搅拌釜式反应器,在夹套反应器中,通过一定数量的蒸汽来维持反应器的温度混合料,然后搅拌均匀,用搅拌器提高热传导速度,从而使受热均匀。 二、连续搅拌反应釜温度控制难点 首先.化学反应和物理反应贯穿生产过程始终,生化反应的 变化,相变过程与物质和能量的传递,这个过程比较复杂,反应釜是一个大的热容量.控制着反应对象的纯滞后时间,形成一个 非线性变化的传热介质的传热系数,并在外部环境的变得更敏 感。 其次,在反应过程中,由于其复杂性和非线性的放热化学反 应。导致传热介质的非线性传热系数增大,对外部干扰的影响变 得敏感,所以控制有一定的难度,在反应热去除的同时,若不及 时,受热不均匀的话。反应温度会一直在上升,容易因局部过热 而造成的“失控”的现象。 三、连续搅拌反应釜温度控制方法 一般情况下.化学反应都具有复杂性与非线性,因此任何一 个化学反应过程都无法仅仅使用一种控制方式就能达到理想的 效果,并且随着科技信息技术的发展,很多智能控制方法被广泛应用于连续搅拌反应釜的温度控制上,而且取得了一定的成绩。 1、神经网络预测控制 这个预测控制主要由参考轨迹,预测模型,模型校正,滚动 优化四个部分组成,主要研究对象为一个单输入单输出的离散时间非线性动态系统,可用NARMAX模型(非线性自回归滑动 平均模型)描述为如下: y(k)=f(y(k-1),u(k-1),……u(k-m)) (3.1) 其中y(k)和u(k)分别为过程在时刻k的鞘出和输入变量, 和m分别为其阶次,f为连续非线性函数,其中其中预测模型部 分采用的是前馈神经网络,同时在预测模型中,输入数据的选取 不当使神经网络学习算法很容易陷入到局部极小或者网络不能 收敛,为避免这种问题的发生,输人数据需要进行归一化处理。 对于(3.1)所描述的控制对象,可采用图3.2所示的BP神经网络 建立预测模型。 在一般情况下,类似的网络预测控制是一种基于闭环控制 策略优化模型基础上的算法。其核心是利用动态模型可以预测 未来的过程和行为,其中,模型误差反馈校正机制的引人,用轧 制有限时域优化策略.重复的地方目标在线优化.以获得最佳的 实际控制的模型失配和避免引起的不确定性干扰。 2、自适应控制 由于化学反应本身就是一个时变非线性系统.每个反应阶 段都表现出显著不同的情况,因为过程模型是未知的,自适应控 制是基于参数未知的系统的数学模型。参数自适应控制会随系 统的行为的变化发生相应的变化,以适应其变化特征,保证了整 个系统的性能满足要求。虽然复杂的自适应算法在一定程度上 影响了自适应控制的实际应用,但与自适应控制理论的发展是 符合的,在控制反应器的自适应控制方面将有更大的发展前景。 |