1、化学工程专业毕业论文 精品论文 基于神经网络在线观测化工系统不可测输入的研究关键词：不可测输入 在线观测 神经网络 催化裂化 循环流化床锅炉摘要：对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。 本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础
2、，在本实验室开发的XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合
3、工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。正文内容对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。 本文首先以催化裂化提升管反应器工业
4、装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的
5、控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统
6、不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验
7、室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼
8、近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装
9、置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型
10、中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反
11、应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性
12、状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP
13、 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统
14、这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机
15、理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测
16、，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程
17、，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用
18、神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模
19、型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输
20、入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础
21、，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结
22、合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。对于像催化裂化提升管反应器和循环流化床锅炉燃烧系统这样的非线性、分布参数、多变量、紧密耦合、大滞后的化工系统，非线性状态观测器的构造一直没有统一的方法，这类系统刚性强，直接从数学模型中去求解逆系统十分困难。神经网络等数据辨识方法对非线性系统有良好逼近性能，应用神经网络的数据辨识方法来构造逆系统，不失为实现这类系统不可测变量在线观测的有效途径。本文首先以催化裂化提升管反应器工业装置为研
23、究对象，以本实验室研究建立的催化裂化反应再生系统动态数学模型为基础，在本实验室开发的 XD-APC 软件平台上完善催化裂化反应再生模型的组态，优化了反应再生仿真系统，模拟实际工业装置的计算机控制过程，从此仿真系统中获得催化裂化不可测输入研究的仿真数据，建立了基于机理模型的催化裂化提升管反应器不可测输入的在线观测系统，并利用 BP 神经网络对 FCCU 过程中不可测输入变量(催化剂循环量和裂化反应热)进行在线观测研究。 同时，本文将此方法推广到循环流化床锅炉装置，以本实验室研究建立的循环流化床锅炉动态数学模型为基础，在本实验室开发的基于 XD-APC 软件平台的仿真系统上模拟实际工业装置的控制过
24、程，且从此仿真系统中获得循环流化床锅炉不可测输入研究的仿真数据，结合工业数据，利用 BP 神经网络和 RBF 神经网络对过程不可测输入变量(挥发份含量和含碳量)进行在线观测研究。 研究结果表明，利用神经网络构造逆系统，可以对相关化工过程的不可测输入变量进行在线观测，观测效果良好。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌?U 閩 AZ箾 FTP 鈦X 飼?狛P? 燚?琯
25、嫼 b?袍*甒?颙嫯?4)=r 宵?i?j 彺帖 B3 锝檡骹笪 yLrQ#?0 鯖 l 壛枒l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛渓?擗#?“?# 綫 G 刿#K 芿$?7. 耟?Wa 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 皗 E|?pDb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍
