（化学工程专业论文）基于神经网络的炭黑质量控制系统辨识及应用分析.pdf

四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析基于神经网络的炭黑质量控制系统辨识及应用分析化学工程领域研究生钟红权指导教师王煤贺俊炭黑是一种重要的化工原料，由于其特殊的补强性，黑度和导电性，广泛的被应用于橡胶轮胎，油墨，涂料，制革和化纤工业中。炭黑是由许多烃类物质( 固态，液态或气态) 经不完全燃烧或裂解生成的，至今，其生成机理没有一个合理的解释。炉法炭黑特别是油炉法炭黑生产是目前炭黑生产最现代的工艺过程。吸油值和吸碘值是炭黑生产中最主要的两个控制指标，由于炭黑自身生成机理的复杂性，炭黑生产过程非线性，以及炭黑质量检测手段的局限，决定了碳黑质量控制不能用现有的简单机理模型来描述，因此长期以来炭黑生产质量指标的控制都是靠操作人员的固定经验来实现的，产品质量不能够连续和稳定。随着现代炭黑工业的规模化，批量化，精细化的发展，炭黑生产的在线质量控制成为了目前现代炭黑工业生产技术的主要研究课题之一。系统建模和辩识是现代控制系统设计的基本前提，对于线性系统，人们已经建立和总结出了一些成熟的建模和辩识算法，并取得了一定的成果。但是相对于现实生活中大量存在的非线性系统，特别是非线性严重的系统，传统的辨识算法就显得无能为力。智能控制技术包括专家控制，模糊控制和神经网络控制是现代控制理论中的重要研究课题之一，也是当今过程生产领域最为活跃的应用技术之一。相比传统的系统辨识理论，基于人工神经网络( a r t i f i c i a l n e u r a l n e t w o r k 简称a n n ) 理论的系统辨识由于具有的对任何非线性系统映射能力，自学习能力适应能力，联想记忆能力，并行信息处理能力极其优良的容错性能，使其在控制领域中特别是非线性系统建模和辩识中得到了人们的极大重视和应用。本文主要对神经网络理论在炭黑生产吸碘值系统辨识中的应用，以及炭黑生产质量控制作了深入研究和分析。同时结合某工厂的实际婴型奎兰三堡堡主主些兰篁堡墨苎王塑丝旦塑堕鲞墨璺苎堡型至堕壁堡垦基壁旦坌堑生产数据，运用m a t l a b 软件，对该炭黑生产的主要质量指标一吸碘值建立了炭黑生产吸碘值的神经网络模型，并进行了测试和验证。可以得下结论：( 1 ) 神经网络特别是多层前馈网络用于不易用机理模型描述的吸碘值的系统辨识是完全可行并大有作为的，同时对于其他质量指标也具有实际理论指导意义；( 2 ) b p 神经网络虽然具有较强的自适应性，但是毕竟是类似于数据回归的概率模型，对数据的依赖性不能忽略，网络训练数据的筛选直接会影响预测的精度质量；( 3 ) 降低空气和天然气的流量，或者提高预热后进反应炉之前的空气的温度都能提高吸碘值，存在一个适宜的原料油流量值使得吸碘值最高。关键词：炭黑；系统辨识；质量控制；人工神经网络；b p 算法：吸碘值四型查堂工程硕士专业学位论文基于神经网络的炭黑质量控诗系统辩识及其应用分析t h ei o d i n ea b s o r b a n c ev a l u ei d e n t i f i c a t i o ni nc a r b o nb l a c kp r o d u c t i o na n da p p l i c a t i o na n a l y z i n gu s i n ga r t i f i c i a ln e u r a ln e t w o r km a j o rc h e m i c a le n g i n e e r i n gg 。a d u a t es t u d e n tz h o n gh o n g q u a n s u p e r v i s 。rw a n gm e ih ej u nc a r b o nb l a c ki so n eo fi m p o r t a n tc h e m i c a lm a t e r i a l s ，d u et oi t ss p e c i a lc h a r a c t e r ss u c ha sr e i n f o r c e m e n t , b l a c k n e s s ，a n dc o n d u c t i v i t y ；i ti sw i d e l ya p p l i e di nr o b b e r , i n k , p a i n t i n g , t a n n i n ga n df i b e ri n d u s t r i e s c a r b o nb l a c ki sp r o d u c e db yi n c o m p l e t ee o m b u s t i n go rc r a c k i n gt h eh y d r o c a r b e nw h e n e v e rs o l i d ，l i q u i do rg a s b u tu pt on o w , i t sr e a c t i o nm e c h a n i s ms t i l lc a n tb ed e s c r i b e d f u r n a c ec a r b o nb l a c ke s p e c i a l l yo i lf u r n a c ec a r b o nb l a c ki st h ep r e s e n tn e w e s tp r o d u c t i o np r o c e s s i o d i n ea b s o r b a n c ：ev a l u ea n dd b pa r em a i nc o n t r o l l e dq u a l i t yt a r g e t d u et ot h ec o m p l e x i t yo fc a r b o nb l a c kr e a c t i o nm e c h a n i s m ，c a r b o nb l a c kp r o d u c t i o nn o n - l i n e a r i t y , a n dl i m i t a t i o no fc a r b o nb l a c kq u a l i t yi n s p e c t i o n ，t h ec a r b o nb l a c kq u a l i t yc a nn o tb ed e s c r i b e dw i t hs i m p l ym e c h a n i s mm o d e l ，s oi ti sa l w a y sc o n t r o l l e db yo p e r a t o rf i x e de x p e r i e n c e s ，t h ec o n t r o lr e s u l tc a nn o tb ec o n t i n u e sa n ds t a b l e w i t ht h ed e v e l o p m e n to fc a r b e nb l a c kp r o d a c t i o nf o rs c a l i n g ，b a t c h i n ga n df i n i n g ，t h ec a r b o nb l a c kp r o d u c t i o no n - l i n eq u a l i t yc o n t r o li sb e c o m i n gt h eo n eo fm a i nr e s e a r c ht a s k si nc a r b o nb l a c kp r o d u c t i o n s y s t e mm o d e l i n ga n di d e n t i f i c a t i o na r eb a s i so fm o d e mc o n t r o ls y s t e md e s i g n ，f o rl i n e a r i t ys y s t e m ，p e o p l eh a v eb u i l tu pm a n ys u c c e s s f u lm o d e l i n ga n di d e n t i f i c a t i o nm e t h o d s ，a n da l s og a i n e ds o m ei m p r o v e m e n t s b u tf o rag r e a ta m o u n to fn o n - l i n e a r i t ys y s t e m s ，w h i c ha r ee v e r y w h e r ei no u rr e a l i t y , e s p e c i a l l yf o rt h o s es y s t e mw i t hs e v e r en o n d i n e a r i t y , c l a s s i c a li d e n t i f i c a t i o nm e t h o d sc a nn o tw o r kw e l l i n t e l l i g e n tc o n t r o lt e c h n o l o g i e si n c l u d i n ge x p e r ts y s t e m ，f u z z yc o n t r o ls y s t e m ，a n da r t i f i c i a ln e u r a ln e t w o r kc o n t r o ls y s t e ma r et h em a i nr e s e a r c ht a s k si n- - i i i - -四川太学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析m o d e r nc o n t r o ls y s t e md e s i g n ，a n da l s ot h em o s ta c t i v ea p p l i c a t i o n c o m p a r e dt oc l a s s i cs y s t e mi d e n t i f i c a t i o nt h e o r y , w i t ht h em a p p i n ga b i l i t yf o ra n yn o n l i n e a r i t ys y s t e m ，s e l f - l e a r n i n ga n ds e l f - a d a p t i v ea b i l i t y , a s s o c i a t i o nm e m o r ya b i l i t y , p a r a l l e li n f o r m a t i o np r o c e s s i n ga b i l i t y , a n de x c e l l e n tf a u l tc a p a b i l i t y , t h ea n ni d e n t i f i c a t i o nh a sg a i n e dg r e a ta t t e n t i o na n da p p l i c a t i o ni nc o n t r o lf i e l de s p e c i a l l yi nn o n l i n e a r i t ym o d e l i n ga n di d e n t i f i c a t i o n t h i sa r t i c l em a i n l yd e s c r i b e st h er e s e a r c ha n da n a l y s e sf o rc a r b o nb l a c ki o d i n ea b s o r b a n c ev a l u ei d e n t i f i c a t i o nb a s i so na n nt h e o r y , a n dc a r b o nb l a c kp r o d u c t i o nq u a l i t yc o n t r 0 1 i na d d r i o n , w i t ho n ec o m m e r c i a lc a r b o nb l a c kp l a n tp r o d u c t i o ns o u r c e ，u s i n gt h et o o ls o r w a r em a t l a b ，ac a r b o nb l a c ki o d i n ea b s o r b a n t ev a l u ea n nm o d e lw a sb u i l tu pa n dt e s t e d s e v e r a lc o n c l u s i o n sc a nb ed r a w nf r o mt h et h e s i s ：( 1 ) t h ea n ne s p e c i a l l ym u l t i - l a y e rf e e df o r w a r dn e t w o r ki sf u l l yf e a s i b l et ob ea p p l i e di nc a r b o nb l a c ki o d i n ea b s o r b a n c ev a l u ea n ni d e n t i f i c a t i o n a l t h o u g hw h i c hc a n tb ee x p l a i n e db ym e c h a n i s mm o d e ，a n da l s oi t sc a nb eu s e di no t h e rq u a l i t yt a r g e tc o n t r o l ；( 2 )t h o u g hh a v i n gs e l f - a d a p t i v ec a p a b i l i t y , b pa n ni ss t i l ld e p e n d i n go nt h ed a t as o u r c e ，t h ef i l t e r i n go fn e t w o r kt r a i n i n gd a t aw i l ld i r e c t l ye f f e c tt h em o d e la c c u r a c y ；( 3 ) d e c r e a s i n gt h ea i ra n dn a t u r a lg a sf l o wr a t e ，o ri n c r e a s i n gt h ea i r - p r e h e a t e ro u t l e ta i rt e m p e r a t u r ew i l la l lm a k et h ei o d i n ea b s o r b a n c ev a l u eu p ；ap r o p e r l yf l o w r a t eo fo i lc a nd e t e r m i n eah e i g h ti o d i n ea b s o r b a n e ev a l u eo f c a r b o nb l a c k k e y w o r d s ：c a r b o nb l a c k ；s y s t e mi d e n t i f i c a t i o n ；q u a l i t yc o n t r o l ；a r t i f i c i a ln e u r a ln e t w o r k ：b pa r i t h m e t i c ：i o d i n ea b s o r b a n c ev a l u e四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析引言1 1 选题的背景及意义炭黑是一种用途广泛的化工产品。作为补强填充剂，炭黑赋予橡胶优良的补强和耐磨性能，大量用于橡胶工业，特别是轮胎中。作为胶料的着色剂或调色剂，炭黑被广泛用于油墨、涂料、制革和化纤工业。炭黑用于塑料制品，不仅有着色或调色作用，还具有抗紫外线、防止老化以及抗静电或导电等功能，故普遍用于黑色或灰色塑料制品、电线电缆护套和半导电屏蔽层中。炭黑又是干电池的良好吸电液剂，能使于电池具有优良的放电性能。此外，炭黑还广泛用于冶金、电子、黑色农膜和包装材料等领域中叱我国的炭黑工业是随着新中国的发展，从无到有，步一步发展起来的，特剐是随着改革开放，通过引进消化吸收国外的先进技术，不断技术改造。装置扩建，我国炭黑生产技术，产品质量和产量都得到了极大的发展和提高，到2 0 0 4 年，我国万吨级新工艺炭黑产线己超过5 0 余条，炭黑产量排列世界第二位，是世界名副其实的炭黑生产大国。而随着近年来世界汽车工业特别是国内汽车工业的迅猛发展。以轮胎工业为主的橡胶工业也极大扩大了炭黑的市场需求量，更多的炭黑生产线将不停的建立，产量将更大的提高。但是，在外表繁华的表象下，我们不得不面对这样的严酷现实：l 、目前将近一半的国内生产厂装置规模仍处于2 5 0 0 1 0 0 0 0 t a 之间，产品能耗高，污染大，质量不稳定：2 、由于缺少足够的长期稳定的乙烯焦油供应，大部分国内厂家不得不大量使用国内丰富的粗煤焦油来代替乙烯焦油作为原料油，而粗煤焦油油品低，质量不稳定，势必造成炭黑质量的波动；3 、虽然有世界第二炭黑产量国的美誉，但我国炭黑产品的质量控制仍停留在国外八九十年代的水平上，炭黑生产质量的最一3 一四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析终控制仍往往通过经验，根据不同的生产条件如油品，炉型，对生产过程进行频繁的调整来实现，一旦出现不可控的干扰，或者操作者的变化，产品质量将得不到持续的保证，大量的生产厂家不得不在低水平上价格竞争，而在高端市场或目前的主流市场上，如大量的合资或独资轮胎厂，则完全被国外的优质炭黑所占据；4 、目前炭黑的生产正向规模化，精细化和批量化发展，由此对炭黑单炉的生产提出了新的要求：能够在保证生产规模和稳定质量的同时，能够迅速平稳的完成产品品种转换，实现批量化生产，而原有的固定经验方法已经不能适应这一现代化生产要求。因此如何提高炭黑的质量控制水平成为了提高经济效益，获得更高利润，使企业具有更高的活力和更强的竞争力的必要手段m ，。系统建模和辩识是控制系统设计的基本前提，由于炭黑自身生成机理的复杂性，炭黑生产过程非线性，以及炭黑质量检测的局限，决定了碳黑质量控制不能用现有的简单机理模型来描述，长期以来各个影响炭黑质量指标的控制变量都是靠操作人员的经验决定的，人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k 简称a n n ) 由于具有的对任何非线性系统映射能力，自学习能力适应能力，联想记忆能力，并行信息处理能力极其优良的容错性能，使其在控制领域中特别是非线性系统建模和辩识中得到了人们的极大重视和应用。本文试图利用神经网络技术对炭黑生产流程进行系统建模和辩识，用几个关键的控制变量通过神经网络和要控制的重要的质量指标之一吸碘值进行关联，建立控制变量和控制指标之间的映射关系，从而预测炭黑生产的吸碘值，直接指导工业生产，使各个控制变量达到最优，而达到期望的吸碘值。1 2 本文的主要内容本文主要运用炭黑合成原理，人工神经网络知识，利用m a t l a b 软件，结合炭黑生产企业的实际生产情况，对油炉法炭黑的重要质量指标之d 一婴业查兰三堡堡主童些兰堡笙茎苎三塑丝旦堡塑堂墨堕量丝型墨堑篓堡墨苎壁里坌塑吸碘值建立控制模型和系统辨识，从而为最终质量控制调优建立基础，同时也为整个炭黑生产质量控制建立一种可行的思路和方法。本文的主要内容如下：( 1 )提出研究背景及意义( 2 )介绍炭黑的生成机理和生产工艺( 3 )介绍神经网络系统辨识b p 算法f 4 )建立b p 神经网络模型，运用m a t l a b 编写b p 神经网络程序。并运用与炭黑生产吸碘值的系统辩识( 5 1分析空气流量、原料油流量、空气温度对吸碘值的影响。一5 一四川太学= f = 程硕士专业学位论支基于神经啊络的炭黑质量拉制系统辩识驶其应用升析2炭黑的生成机理和生产工艺2 1 炭黑的性质炭黑是由许多烃类物质( 固态，液态或气态) 经不完全燃烧或裂解生成的，通常意义上“炭黑”是指由炉法炭黑，槽法炭黑，热裂法炭黑河灯烟炭黑所构成的一组工业产品，它主要由碳元素组成，其微晶具有准石墨结构，且呈同心取向其粒子是近乎球形的胶体粒子，而这些粒子大都熔结成聚集体。每一种炭黑具有其特定的物理化学性质，这种性质与使用的原料，燃烧裂解过程，生产方式和工艺操作条件有关。将炭黑分散到橡胶，油墨，涂料或塑料的基料中，赋予补强性，黑度或导电性等功能，其主要因素是炭黑的粒径，结构和表面的物理化学性能，通常称为炭黑的三太基本特性。炭黑的结构：炭黑的聚集体的形状非常复杂，呈链状，而聚集体之问又彼此吸引形成更大的附繁体团块，统称为炭黑的结构。炭黑的结构分为一次结构和二次结构，一次结构是指原生聚集体形成的结构，原生结构是坚实和牢固的，在橡胶混炼中不易破坏，使橡胶中实际存在的炭黑结构，二次结构聚集体靠范德华力凝聚形成的附聚体，不率同，易受压损或混炼加工影响而改变。炭黑的结构测定方法有两种：即吸液法和压缩比容测定法，都为离线测定。炭黑的粒径：几乎所有的炭黑的粒子都不是单独存在的，作为炭黑重要的基本性能，粒径直接影响到炭黑的其他性能和使用性能。如在橡胶应用中，粒子越小，填充橡胶硫化胶的强度如拉伸强度，定伸应力，抗撕裂性能越好，耐磨性能也越高，反之上述性能降低。炭黑粒径主要通过电子显微镜法测定。炭黑比表面积；是指单位质量或单位体积内炭黑粒子表面积的总和，它也是炭黑的基本性能之一。比表面积的大小是划分炭黑品种的主要指标，比表面积，特别是外比表面积大的炭黑，在橡胶应用中赋予橡胶优异的补强性能。的补强性能。四川i 大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析2 2 炭黑的生成机理炭黑是由许多烃类物质( 固态，液态或气态) 经不完全燃烧或裂解生成的，近一个世纪以来，人们对炭黑的生成机理做了大量的研究工作，但至今仍没有一个完善的机理解释。不过通过综合炭黑生成初期反应和晶核生长，粒子的聚集、聚集体表面的增长和炭黑氧化过程的研究成果，人们大致梳理出如下的炭黑生成机理。提供炭黑生成条件的烃的燃烧反应：g + + q 一+ 芝皿d 1 、c o + o c d 2并伴有烃的脱氢反应：g 珥- m c + 罢避t甲烷化反应：c 。日。一m c + 昙日2t乙炔化反应：c h 。+ 昙( m n ) 日z 叫詈c ：日：一氧化碳转化反应c o + h 2 0 _ c d 2 + h 2乙炔消耗反应c 2 2 2 c + 日21 、发生诸多的化学反应烃分子在高温下裂解，脱氢和环氧化凝聚生成晶核的先驱物质。不同的烃经过不同的路径形成晶核的先驱物质后，经历相同的历程生成炭黑。甲烷c h 。在高温下裂解成c ：2 + 自由基，脱氧环化成苯基，缩聚成共轭芳烃基，这是生成炭黑的先驱物质。望型奎兰! 二堡堡主! 些兰篁堡茎苎王塑丝堕竺塑壅墨堕墨笙型墨堑塑望垦苎垦旦竺塑石蜡烃断链脱氧成丁二烯、丁二炔，脱氧环化成共轭芳烃基。芳烃具有稳定的共轭结构，不容易断裂而容易脱氢生成共轭芳烃基。高活性，高度凝聚的共轭芳烃基团互相作用经六角形的晶格面生成晶核和晶核的增长。烃类经过初期反应，生成晶核的高活性、高度凝聚的先驱物质。它的蒸气随停留时间的增长而增大，一直达到某一过饱和值，蒸气凝成微细液滴。使蒸气压迅速下降，阻止其他核心的形成。晶核表面吸引烃分子( h c ) 。和芳烃基团( c 。) ”围绕在其周围表面上，形成绕生长中心同心取向的石墨平面连续网络。由于初期反应时间和空间条件，使晶核内的石墨都使无组织、非正规排列。这些围绕晶核同心取向继续长大的，大体呈球形的“塑性”质点，与烃分子( h c ) 。，和芳烃基团( g i ) ”，继续碰撞、沉积和填充，生成细小颗粒。细小粒子间的相互吸引、碰撞，成为更大的、多中心葡萄串状的松弛聚熔体。( h c ) 。、( g ) ”、“粒子”、和聚熔体的充填、沉积和碰撞，增加了与聚熔体外形、粒子外形一致取向的石墨厚度，使聚熔体致密和增长在高温气氛迅速炭化。形成炭黑聚集体【5 j 。2 3 炭黑的生产方法从化学的观点看，炭黑的生产方法分为热氧化分解和热裂解两大类。热氧化分解法，即不完全燃烧法，是最重要的生产方法；热裂解法，即在无氧条件下烃类热裂解。热氧化过程可按确定气流的标准进一步细化为在扩散流中生成的炭黑和在湍流中生成的炭黑。具体细分见表2 - 1 ：四门l 大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析表2 - 1 炭黑生产方法化学过程生产方法种类名称原科天然气槽法炭黑天然气热开放系统接触法混气炭黑煤气，液态烃，固态烃氧( 扩散火焰)化滚筒炭黑煤气液态烃分封闭系统炉法气炉法炭黑天然气，煤层气( 湍流火焰)油炉法炭黑液态烃解其他灯烟炭黑液态烃重油造气副产炭黑液态烃热连续热裂法热裂解炭黑天然气，液态烃裂不连续乙炔法乙炔炭黑乙炔解槽法炭黑是将槽钢缓慢地作水平往复运动，使天然气火焰与之接触而生成炭黑，再以固定地刮刀刮取。以天然气为主要原料。混气炭黑是由固态烃或液态烃经气化，和可燃性气体( 载燃气) 的混和气作为原料。常用固态烃为粗蒽，液态烃有防腐油葸油等。常用载燃气又焦炉气、城市煤气、水煤气、发生炉煤气、高炉煤气，或者低甲烷含量的煤层气。混气炭黑与槽法炭黑除原料气的制取不同外，工艺流程大致相同。滚筒炭黑的火焰接触面使回转运动的内通冷水的圆筒。原料气的制备方法大体与混气炭黑相同，但滚筒炭黑充分利用了余热节约了燃料。乙炔法炭黑使利用乙炔为主要原料制各炭黑的工艺方法，目前主要以裂解工艺为主，即在预热过的裂解炉中，隔绝空气让乙炔热裂解为炭黑。炉法炭黑又分为气炉法和油炉法。两者的不同之处在与气炉法以天然气为原料。油炉法以液态烃为原料。其中油炉法生产炭黑是炭黑生产最现代的工艺过程。具有极大的灵活性和经济性。本文研究的炭黑生产流程就是油炉法的生产流程，下文会详细介绍。各种炭黑的生产方法都有各自的特点和不足之处，但由于产率，炭黑的质量，以及能源的利用和环保方面的多方面因素的影响，一部分较传统的炭黑生产工艺已经逐步被淘汰。从工艺上看油炉法炭黑和乙炔裂解法炭黑具有较好的前景，但从原料的来源方面考虑，油炉法炭黑更具有优势，o 一璺! ! l 查兰三堡竺主! 些兰堡堡兰墨王! ! 丝堕塾竺鲞墨星墨蕉型墨堑塑堡墨苎壁旦坌塑目前油炉法炭黑在目前的炭黑生产中占有重要的地位，目前国内9 0 的炭黑厂家采用了油炉法生产技术。2 4 油炉法炭黑的工艺流程介绍工业规模的油炉法炭黑生产装置单元和装置流程图如图2 1 和图22 所示。炭黑生产用燃料、添加剂和经空气预热器预热过的过程空气一起进入反应炉的燃烧段燃烧，产生高温燃烧气体。气体进入反应炉混合段( 喉管) ，高温高速剪切由原料油泵经原料油预热器预热后送至混合段油喷嘴注入的原料油，高温气体和原料油混合后，进入反应炉反应段生成炭黑。从原料油注入后的可调整距离处，喷入由急冷水泵送来的急冷水，终止炭黑的生成并冷却炭黑烟气。在换热设备进一步冷却后，炭黑烟气直接进入主袋滤器。分离出炭黑的尾气，部分送干燥机尾气燃烧炉燃烧，产生的燃烧排出气作干燥机干燥湿法炭黑的热源，其余的尾气送尾气锅炉作为燃料燃烧。既处理了尾气中的有害气体又回收利用了尾气的能量。由主袋滤器捕集下来的炭黑进入风送系统经微米粉碎机，由风送风机送至收集旋风分离器，分离出炭黑的尾气由回流风机送回主袋滤器。捕集下来的炭黑进入粉状炭黑贮罐，再进入湿法造粒机，与造粒水混合，润湿、造粒后，进入干燥机。湿的炭黑颗粒在干燥机内受到来自干燥机后气燃烧炉的燃烧排出气的加热干燥后，进入斗式提升机，带走湿法炭黑水分和炭黑粉尘的燃烧排出气进入排气袋滤器，捕集下的炭黑进入生产系统，净化后的气体直接放空。干燥后的炭黑经筛分机分离出大料子进入不合格品罐，其余的炭黑进入磁选机。经磁选，分离出的铁磁性物质进入铁锈桶，产品炭黑经螺旋输送机送至产品罐。不合格品罐中的发黑，逐渐地由再处理风机送至再处理发滤器，捕集下的炭黑进入生产系统，分离炭黑后的气体直接放空。产品罐中的炭黑，或内包装机袋装或由火车槽车( 汽车槽车) 散装。不合格品罐中的炭黑与后继生产的炭黑的混合速率，根据炭黑产品的品种和质量偏差的大小来精心控制，以达到处理后全部为合格产品。一1 i 卜-四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析油天然气原料供给空气添加却l反应炉换热设备炭黑生产ii 袋滤器il 干燥机尾气燃烧炉造粒和增密f+i 真空压l机11 湿法遣粒1i 干珐逢社ii 产品贮藏包装贮存r耢状装袋粒状装袋炭黑仓库( 袋装)装运il节1袋装运输散装运输叫尾气锅炉汽轮发电机尾气利用图2 - 1 炭黑生产装置单元一j l 四川i 大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析晡糕1 2 一辇垂萋雕穗钆州眭秣摸墨撰南囤一n雌蠢m一藿；|j|率一。妻垂州罄墼一。一一著婿媚耐委霎群瓮蠹褥i雌性塞蛳=莓岐旷蜒一雌曩号生掣妻簧寸l l垂；lf糕1璧鸯艟口盟樊堰k刊啡聪趟羲舞四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析2 5 炭黑生产主要质量指标炭黑经过裂解反应，急冷，收集，造粒直至成品，能否最终得到下游工业橡胶轮胎的认可和接纳，取决于其生成成品的一系列物理化学指标，而其中最主要的两个质量指标即是炭黑的吸油值d b p 和炭黑的吸碘值1 2 ，这两个值同时也代表了炭黑分散到橡胶，油墨，涂料或塑料基料中所发挥的功能如补强性。吸油值d b p 反应了炭黑的结构，如前说述，吸油值d b p 越高，炭黑的结构也越高，在橡胶混炼中也越不易破坏。炭黑的吸碘值1 2 则代表了炭黑的比表面积。炭黑的比表面积是炭黑的重要性质之一，它与炭黑的橡胶物理化学性能有着密切的关系。比表面积的大小是划分炭黑品种的主要指标，比表面积，特别是外比表面积大的炭黑，在橡胶应用中赋予橡胶优异的补强性能。炭黑的吸碘值是衡量炭黑的比表面积的重要尺度之一，相对于低温氮吸附( b e t 法) ，碘吸附是一种设备简单、分析速度快、价廉的试验方法，是目前炭黑质量鉴定和生产中测定炭黑比表面积的主要方法之一1 7 叫。关于详细的炭黑吸碘值测定方法，请见国标g b t 3 7 8 0 3 l 一9 l 的标准规定。2 6 当前炭黑生产质量控制的现状及有待解决的问题经过多年的发展和研究，目前，人们已经摸索和积累了大量的炭黑生产吸碘值和吸油值的控制经验，找到了与之相关联的多个控制变量和方法思路，特别是随着各种新技术如仪表仪器技术，控制技术。计算机技术，新工艺，新材料的发展，人们已经尽可能的在每一个生产环节上采用各种手段实现质量控制，具体如下：优化新的炉型设计；采用新的设备材料；采用稳定的油源( 包括原料油，燃料油)规范工艺操作程序标准化质量检测方法( 如吸碘值测定标准)普遍采用自动控制技术，新的检测技术婴型奎兰三堡堡圭童些兰堡笙奎兰主塑竺塑竺塑鲞墨堕墨塑! ! 墨竺塑望墨苎些旦坌塑采用d c s 计算机集中控制。等等。具体在控制技术上，在目前应用最广泛的1 5 0 0 0 2 0 0 0t a 炭黑生产装置上，几乎所有的主要物料原料管线上都设置了温度，压力，流量的检测和控制回路，同时在关键的反应炉工段上还采用了模型变比值控制等复杂算法来实现工艺的风油比调节，这些所做的一切目的就是为了保证生产的稳定，质量的稳定，实际上到目前为止，这些控制手段也的确发挥了重要的作用。但是，尽管有着各种变量的控制和检测，最终的质量控制目标仍然是以固定的经验为基础：人们通过实验室里的质量检测数据( 吸碘值和吸油值) ，和用自身的经验来调整相关的控制变量，来达到期望的控箭指标，而如一旦遇到下列情况，这种固定经验法将出现质量控制滞后，波动甚至无能为力：炉型的变化；油品的变化操作人员的变更质量指标，品种的变化特别是随着目前炭黑的生产规模化，精细化和批量化发展，能够在保证生产规模和稳定质量的同时，能够迅速平稳的完成产品品融的转换实现批量化生产，原有的固定经验方法已经不能适应这一现代化生产要求。如何从控制的角度来建立一套自适应的质量控制系统已经成为了目前炭黑行业发展的课题? 而系统建模和辩识是控制系统设计的基本前提，由于炭黑自身生成机理的复杂性，炭黑生产过程非线性，以及炭黑质量检测的局限，决定了碳黑质量控制不能用现有的简单机理模型来描述，因此首要的前提是如何实现炭黑生产质量控制的系统辨识。四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析3神经网络系统辨识b p 算法的介绍3 1 系统辨识基本原理l - a z a d e l 的系统辨识定义( 1 9 6 2 年1 ：系统辨识就是在输入和输出数据的基础上，从一组给定购模型类中，确定一系统等价的模型。由上述定义可知、辨识包括三大要素：( 1 ) 数据。能观测到的被辨识系统的输入输出数据，它们是辨识的基础。( 2 ) 模型类。寻找的模型的范围，即所考虑的模型的结构。( 3 ) 等价准则。辨识的优化目标，用来衡量模型接近实际系统的标准。由于观测到的数据一般都含有噪声，因此，辨识建模是一种实验统计方法，是系统的输人输出特性，在所确定的准则下的一种近似描述。辨识的目的，是根据系统历提供的测量信息，在某种准则意义下，估计出模型结构和未知参数。设p 表示被辨识的系统，u 、y 分别是输入、输出空间、则p ：u y 。即可将p 看作是从输入空间至输出空间的算子，它是以输入输出对函，y 的形式。隐含定义系统的。设0 是p 所属的算子群，则系统辨识可描述为：在己知0 和p 0 的前提下，确定一个子群6 c0 和一个元素b 6 ，以使b 在某要求的精度指标下逼近p 。对于静态系统，u ，y 分别是r n 、及r l “的子集；对于动态系统，它们通常被假定为在区间【o ，t 】或【0 ，。】的有界勒贝格可积函数空间一般为l 2 空间。3 2 系统辨识的应用及神经网络的可行性系统辨识在工业方面有看广泛的应用，可归结为以下四个方面。( 1 ) 控制系统的分析和设计。由辨识所得的被控对象模型，可用于分析已有控制系统。作为改进的依据；也可用于控制系统的设计。一1 5 婴型奎堂三堡堡主! 些兰壁丝奎苎士塑丝堕堡堕鲞墨堕量塑型墨竺塑望墨茎壁旦坌塑( 2 ) 在实时控制系统中作为被控对象的模型，以不断调整控制器的参数，可获得比较好的控制效果如自校正、模型参考自适应控制系统等。( 3 ) 预测、预报。在模型结构确定的情况下，建立时变模型，预测其参数以实现系统参数的预测、预报。( 4 ) 监视系统运行状态进行故障诊断。由系统运行的状态信息，推测系统动态特性的变化，判断其运行是否正常，若有故障，则判断故障位置、状况等。多年来，对线性、非时变具有不确定参数的对象，进行辨识的研究，已取得了很大进展但被辨识对象模型结构的选择，是建立在线性系统的理论基础之上的，对于复杂非线性对象的辨识，却一直未能很好地解决。由于神经网络所具有的对任意非线性映射的任意逼近能力，自学习，自适应能力，在这一方面有很大的潜力，近年来，为解决复杂的非线性、不确定、不确知系统的辨识问题，开辟了一条有效的途径。3 3 人工神经网络人工神经网络是一种由多个非常简单的并行工作处理单元彼此按照某种方式连接而形成的计算系统，其功能取决于网络的结构、连接强度以及各个单元的处理方式，是一种旨在模仿人脑结构及其功能的信息处理系统【1 2 l从1 9 4 3 年心理学家w s m c c u t l o c h 和数学家w p i t t s 研究并提出m - p 神经元模型起到今天，人类对神经网络的研究走过了半个世纪的历程。这种用人工神经网络( a r t i f i c i a ln e u r a l n e t w o r k ) 模拟、仿真和近似生物神经网络0 3 i 0 1 0 9 i c a l n e u r a l n e t w o r k s ) 的探索，经历了曲折的发展道路，同时也取得了很大的发展1 1 ”。3 4 神经网络处理信息的特点【1 3 】分布存储与容错性并行处理性四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析信息处理与贮存的合二为一性可塑性和自组织性层次性和系统性3 5 神经网络的应用神经网络已广泛地应用于各个领域1 1 2 】：信息领域，神经网络作为一种智能行信息处理系统，其应用贯穿信息的、获取、传输、接收与加工利用，主要运用在信号处理，模式识别，数据压缩等三方面。自动化领域，与控制理论，控制技术想结合发展而来的神经网络控制，主要运用与系统辩识，神经控制器，智能测试等领域。工程领域，2 0 世纪8 0 年代以来，神经网络研究已经在汽车工程，军事工程，化学工程，水利工程等诸多方面有了广泛的应用。医学领域，神经网络被用于检测数据分析，生物活性研究，医学专家系统。经济领域，神经网络作为信贷分析，市场预测的有利工具。总之，随着神经网络技术的逐步成熟，神经网络被运用到越来越多的领域，并且有着很大的发展潜力。3 6 神经网络的分类人工神经网络的模型各种各样，它们是从不同的角度和目的出发，模拟生物神经的某一部分的功能，解决实际问题数学模型。典型的神经网络模型有l l4 】：前馈神经网络，它在人工神经网络发展史上产生过重大的影响，并且是目前最为流行的神经网络之一。自组织神经网络，它采用了无导师信息的学习算法，根据输入数据的属性而调整权值，进而完成学习、自动分类和聚类任务。反馈神经网络，是动力反馈力学系统，在这种网络中，稳定性就堕查兰三堡堡圭主些兰焦笙墨：苎量塑壁塑鳌塑茎墨星墨堡型至堕茎望墨墨壁旦坌盟是回忆。主要有g r o s s b e r g 的联想器和h o p f i e l d 神经网络。随机神经网络，该模型的概率分布采用统计物理学的b o l t z m a n n分布。b o l t z m a n n 机是典型代表。视觉神经网络，试图通过神经计算模拟生物的视觉，从视网膜图象中恢复世界的性质的模型。3 7b p 算法的网络结构和算法的流程自1 9 7 4 年，w e r b o s 提出b p 学习理论，1 9 8 2 年学者r u m e e h a r t 提出b p 算法以来，反向传播学习算法( b a c k - p r o p a g a t i o n a l g o r i t h m ) 是目前最广泛，最具影响的人工神经网络1 6 1 。b p 算法的基本原理和曲线拟合一样，通过大量的数据样本，进行神经计算，修改各层的连接权值和阐值，建立输入变量和输出变量的对应映射关系【1 5 】。典型的b p 网络由输入层，中间层( 隐藏层) ，和输出层组成。如图3 。l 所示：输入层隐藏层隐藏层输出层图3 一i 典型b p 网络结构圈b p 网络的学习过程由两个部分呢组成：正向传播和反向传播。当正向传播时输入信息从输入层经隐藏层处理后传向输出层，每一层神经元的状态只影响下一层神经元状态。如果在输出层得不到期望的输出，则转入反向传播，将误差信号沿原来的神经元连接通路返回。返回过程中逐一修改各层神经元的连接权值，通过不断的迭代，使最后的输出结果落人误差范围之内。b p 网络的迭代计算步骤见图3 2 。四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析图3 - 2b p 算法的迭代计算步骤四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析3 8b p 算法的数学描述b p 学习算法属于6 学习律，是一种有师学习方法，输入学习样本为p 个。x 1 ，x 2 ，x p ，己知对应的教师值为t ，t 2 ，t p ，学习算法是将实际的输出y 1 ，y 2 ，y p 与t 1 ，t 2 ，p 的误差来修改其连接权值和阈值，使y p l 与要求的t p l 尽可能接近。设b p 网络的结构如图3 所示，输入矢量为x r n ，x = ( x o ，x i ，x n 1 ) 7 ；第二层有n 1 个神经元，x r n l ，x ；( x 。，x l x 。l - 1 ) 1 ；第三层有n 2 个神经元x ”妒，x 。( x 0 ，x ”l ，x ”4 1 ) 7 ；最后输出神经元ye r m ，有m 个神经元，y = ( y o ，y l ，y 。1 ) 1 ，如输入与第二层之间的连接权值为。日阈值为0j ，第二层与第三层之间的连接权值为。i j 闽值为0 i v 第三层与输出层的连接权值为。”i 阈值为e ”j ，那么各层神经元满足：x j = 厂( c o f x i o i )l 。0t = ( 业x - o )hx ”i - 0 ”，)其中f 是满足厂= 丽1 = i 乏i l i 享万的转换函数f ( u ) 中的u 是各层的输出加权就和值，b p 网络完成的是n 维空间向量对i t i 维空间的近似映照。通常为了方便把阖值写进连接权值中去，令0 j 一。n j ，0 k - = - n i k ，0 ”i = c on 2 1 ，x n 2 一l ，x n l = - 1 ，x n = - 1 ，上式变为：x ，= 厂( x ，)i = 0i = 厂( 艺一x j )k = 0目，一ly ，= 厂( ”。x ”。)k = 0，第p - 个样本输入到图3 所示的b p 神经网络中，得到输出y l ( 1 = 0mm，l厂| |y四川大学工程硕士专业学位论文基于神经网络的炭黑质量控制系统辩识及其应用分析1 ，m 一1 ) ，其误差为各输出单元误差之和，满足：对于p 个学习样本，其总误差为：设w 为该b p 网络的连接权值矩阵，令：= 去妒一”) 2 = e p ，e 总= ( 彬胁，z 所) 2w = ( q l ，- 一，妫1。式任意两个神经元之间的连接权值( 包括阈值在内) 。为各层的权值。采用梯度法，对每个。q 元的修正值为：一毫叩薏撕则衄总= 笔；薏2 一叩毫；c 毒，。使总的误差向减少的方向变化，知道a e 。= o ，使连接权值矩阵稳定得到一个解，使网络收敛，但不保证ae 。是全局最小解，可能使一个局部极小解【1 乳。3 9 改进的b p 算法由于标准的b p 算法存在收敛速度慢，可能得到局部极值，难以确定隐藏层和隐藏节点数等缺点，在实际应用中遇到很多问题，所以出现了许多改进算法。b p 算法的改进主要有两种途径，一种是采用启发学习方法，、，竹