（检测技术与自动化装置专业论文）联合制碱过程智能建模与优化控制.pdf

赫一刚性声明。掣嬲 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工 作所取得的成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方 式标明。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发 表或撰写过的作品或成果。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签二：劣 劫7 c 7 年岁月牙只 河北科技大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权河北科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段仂! 存和汇编本学位论文。 口保密，在一年解密后适用本授权二忙。 本学位论文属于 画不保密。 ( 请在以上方框内打“”) 指导教师签名： 加，o 年厂月 p 缮苹 刍 i 7 中 l ，11 ，u 墨拍 氰 月 噬 厂 j y 1 ， 溯 嗨 指 纱 晶 菇硼 名 呵 獬 柏 者 ： 佑 年 文 勿 沦 勿 豫 加 荆 摘要 摘要 在工业过程控制研究中，复杂工业过程的建模与优化问题一直是控制领域的热 点问题。由于复杂工业过程受许多因素影响，且系统存在滞后以及随机性、模糊性、 狄性等诸多不确定性，致使模型难以建立。本文针对b p 神经网络算法在用于函数逼 近时，存在着收敛速度慢、易陷入局部极小的不足，提出基于粒子滤波的r b f ( 径向 基函数，r a d a i lb a s i sf u n c t i o n ) 神经网络的建模与优化方法，并以典型复杂系统联合 制碱工业过程为例进行优化研究。针对联合制碱生产过程模型的建立、模型的优化 及r b f 神经网络与粒子滤波相结合等若干问题进行了研究。 论文主要研究工作包括： 1 ) 介绍了复杂工业过程中传统的建模方法和优化方法，指出了它们存在的缺陷 和不足。基于神经网络具有极强的处理复杂工业过程所面临的非线性及不确定性问 题的能力，提出了一种基于粒子滤波的神经网络控制方案。 2 ) 详细介绍了联合制碱工艺和控制现状，针对联合制碱工业过程的控制现状和 发展趋势，提出了建立r b f 神经网络模型的设计思路。 3 ) 具体分析了粒子滤波算法和神经网络理论的现状及发展趋势，利用r b f 神经 网络强大的学习能力和粒子滤波算法处理非线性系统的优点，提出了r b f 神经网络 和粒子滤波相结合的方法处理复杂工业过程的建模与优化问题。 4 1 通过仿真实验，验证了r b f 神经网络和粒子滤波结合的可行性和优越性，从 实验结果可以看出，神经网络和粒子滤波相结合应用具有广阔的发展前景。 5 1 将设计模型应用到典型复杂工业过程联合制碱煅烧工段，利用m a t l a b 软件从实验的角度验证了该模型仿真设计思想的可行性和正确性。为解决一类复杂 系统的建模与优化控制研究提供一条有效途径。 最后，对论文的研究内容进行了总结，对今后的研究方向作了展望。 关键词r b f 神经网络；粒子滤波；智能建模；优化控制；联合制碱 河北科技人学硕十学位论文 a b s t r a c t m o d e l i n go fc o m p l e xi n d u s t r i a lp r o c e s sc o n t r o la n do p t i m i z a t i o nh a s b e e nah o ti s s u e i nt h ef i e l do fi n d u s t r i a lp r o c e s sc o n t r 0 1 a st h ec o m p l e xi n d u s t r i a lp r o c e s si sa f f e c t e db y m a n yf a c t o r s a n dt h es y s t e mh a sl a ga n dt h er a n d o m ，f u z z y ，g r a ya n ds om a n y u n c e r t a i n t i e s ，m o d e li sq u i t ed i f f i c u l tt ob eb u i l tu p t h eb pn e u r a ln e t w o r ka l g o r i t h mu s e d i na p p r o x i m a t i o no ff u n c t i o nh a st w os h o r t c o m i n g s ：t h eo n ei si t ss l o w e rc o n v e r g e n c er a t e a n dt h eo t h e ri si t sf a l l i n gi n t ot h el o c a lm i n i m u m i no r d e rt os o l v et h ep r o b l e m s ，ai l e w m e t h o di sp r o p o s e di nt h i sp a p e ra n di sc o m p l i c a t e do nat y p i c a lc o m p l e xs y s t e m - - - t h e s y n t h e t i ca m m o n i ad e c a r b o m i z a t i o ni n d u s t r i a lp r o c e s s a n ds o m es i m u l a t i o ns t u d i e sw i t h c a l c i n a t i o ns e c t i o nh a v eb e e nd o n e t h i sp a p e rs t u d i e st h eo p t i m i z a t i o na n dm o d e l i n go f t h es y n t h e t i ca m m o n i ad e c a r b o r n i z a t i o na n dn e u r a ln e t w o r kt h e o r ya p p l i e dt op a r t i c l e f i l t e r i n g 1 ) s u m m i n gu pt h et r a d i t i o n a lm e t h o d so fc o m p l e xi n d u s t r i a lp r o c e s si nm o d e l i n g a n do p t i m i z a t i o n ，a n dp o i n t i n go u tt h e i rf l a w sa n ds h o r t c o m i n g s a sn e u r a ln e t w o r kh a sa v e r ys t r o n gs o l v i n gf u n c t i o no fd e a l i n gw i t hc o m p l e xi n d u s t r i a lp r o c e s s e sf a c e db y n o n l i n e a ra n du n c e r t a i n t yp r o b l e m ，an e u r a ln e t w o r kc o n t r o lp r o g r a mb a s e do np a r t i c l e f i l t e ri sp r o p o s e d 2 ) t h es y n t h e t i ca m m o n i ad e c a r b o m i z a t i o ni sc o m p r e h e n s i v ea n a l y z e d t ot h e i n d u s t r i a lp r o c e s sc o n t r o ls t a t u sa n dd e v e l o p m e n tt r e n d ，r b fn e u r a ln e t w o r kc o n t r o l m o d e lt ob ee s t a b l i s h e d 3 ) t h ep r e s e n ts i t u a t i o na n dd e v e l o p m e n tt r e n do ft h ep a r t i c l ef i l t e r a n dn e u r a l n e t w o r kt h e o r ya r ed e t a i l e di n t r o d u c e d t h el e a r n i n gc a p a b i l i t yo fr b fn e u r a ln e t w o r k a l g o r i t h ma n dt h ea d v a n t a g eo fp a r t i c l ef i l t e r i n ga l g o r i t h mo np r o c e s s i n gn o n l i n e a rs y s t e m a r eu s e d am e t h o db a s e do nr b fn e u r a ln e t w o r ka n dp a r t i c l ef i l t e r i n ga l g o r i t h mi s p r o p o s e dt od e a lw i t hc o m p l e xi n d u s t r i a lp r o c e s sc o n t r o la n do p t i m i z a t i o n 4 ) b ys i m u l a t i o ne x p e r i m e n t s ，t h ec o m b i n a t i o no fr b f n e u r a ln e t w o r ka n dp a r t i c l e f i l t e rc o m b i n e dh a st h ef e a s i b i l i t ya n da d v a n t a g e s f r o mt h er e s u l t ，t h ec o m b i n a t i o no f r b fn e u r a ln e t w o r ka n dp a r t i c l ef i l t e rh a sab r i l l i a n ta n db r o a dp r o s p e c to fd e v e l o p m e n t 5 1t h em o d e li su s e dt oac l a s so fc o m p l e xi n d u s t r i a lp r o c e s sa n di t sa p p l i c a t i o n ( c a l c i n i n gp r o c e s s ) t h ef e a s i b i l i t ya n dc o r r e c t n e s so ft h em o d e li s v a l i d a t e df r o mt h e p e r s p e c t i v eo fe x p e r i m e n t a lb yu s i n go fm a t l a b i tp r o v i d e sa ne f f i c i e n tw a yf o rt h e c o m p l e xs y s t e mm o d e l i n ga n do p t i m i z a t i o nc o n t r o lr e s e a r c h a b s t r a c t f i n a l l y ，c o n c l u d i n gt h em a i nc o n t e n to ft h i sp a p e r t h ef u t u r ed i r e c t i o no fs t u d y i n gi s i n d i c a t e da sw e l l k e yw o r d sr b fn ，e u r a ln e t w o r k ；p a r t i c l ef i l t e r ；i n t e l l i g e n tm o d e l i n g ；o p t i m i z a t i o nc o n t r o l ； t h es y n t h e t i ca m m o n i ad e c a r b o m i z a t i o n i i i 河北科技人学硕+ 学位论文 目录 摘要- _ i a b s t r a c t i i 第1 章 绪论一1 1 1 课题来源及研究意义1 1 2国内外研究现状及发展趋势。1 1 2 1复杂工业过程建模的现状及发展趋势1 1 2 2 复杂工业过程优化控制的现状及发展趋势3 第2 章联合制碱6 2 1 纯碱工业发展简史6 2 2 我国制碱工业的发展及现状6 2 3 联合制碱工业过程的控制现状及发展趋势一8 2 4 煅烧工艺简介1 0 2 5 本章小结11 第3 章粒子滤波12 3 1 非线性滤波方法的研究现状1 2 3 1 1常用非线性滤波方法13 3 1 2非线性滤波方法应用对比13 3 2 粒子滤波算法1 4 3 2 1 动态系统空间模型1 4 3 2 2贝叶斯估计理论及其滤波算法15 3 2 3 蒙特卡罗方法及重要性抽样1 7 3 2 4 序y u - 重要性一抽样( s i s ) 算法1 9 3 2 5 基本的粒子滤波算法1 9 3 3 粒子滤波的缺点2 1 3 3 1 粒子匮乏问题2 1 3 3 2 粒子多样性损失问题2 3 3 4 粒子滤波的应用2 3 3 5 本章小结2 4 第4 章r b f 神经网络2 6 4 1 人工神经网络的发展及特性2 6 4 2 神经网络的结构2 7 目录 4 3 当前神经网络的研究热点2 9 4 4 人工神经网络在复杂系统建模与优化中的应用2 9 4 5r b f 神经网络3 0 4 5 1r b f 神经网络的结构3 0 4 5 2r b f 神经网络的学习过程3 l 4 5 3r b f 神经网络学习算法3 2 4 5 4r b f 神经网络的训练3 4 4 6r b f 神经网络的优缺点3 7 4 7 本章小结3 7 第5 章r b f 神经网络在联合制碱过程中的应用3 8 5 1 非线性滤波和人工神经网络3 8 5 2 联合制碱煅烧工段的智能建模3 8 5 3r b f 神经网络的训练4 0 5 3 1 设计思路4 0 5 3 2r b f 神经网络的训练过程4 1 5 4 粒子滤波优化4 4 5 5 仿真研究4 4 5 5 1e k f 滤波算法4 5 5 5 2 模糊神经网络4 6 5 5 3 粒子滤波4 6 5 5 4 模糊神经网络控制与基于粒子滤波的r b f 神经网络控制4 8 5 6 本章小结4 9 结 仑5 0 参考文献51 攻读硕士学位期间所发表的论文”5 5 致 谢5 6 v 第1 章绪论 第1 章绪论 1 1 课题来源及研究意义 “ 本课题来源于河北省自然科学基会项目( 课题编号：f 2 0 0 9 0 0 0 7 2 8 ) 。 在工业过程控制研究中，复杂系统的过程控制一直是控制领域面临的主要难题 之一，其根本原因主要在于绝大多数控制方法在实施控制时对于一般系统都能已知 ( 或可预测) 系统被控制参量的状态；而对于复杂系统而言却难以把握，因被控制参 量受许多因素影响，并且系统存在滞后以及随机性、模糊性、灰性等诸多不确定性， 致使难以建模等特点，因为在实施控制时由于对系统的先验信息知之过少，导致算 法控制精度和鲁棒性下降。虽然神经网络、模糊控制、仿人智能算法、专家系统等 智能控制方法在处理复杂系统过程控制方面有很强的优势，但过分依赖专家信息和 人工经验的设计过程使得控制算法的普适性受到制约，在实际过程控制中控制精度 受到外界干扰影响较大。 联合制碱生产过程需要对6 0 个温度点、2 0 个压力点、1 6 个液位点、2 1 个流量 点及2 1 0 多个电机运转信号进行检测与控制并且具有过程复杂、难以建立在线控 制模型等突出特点【l 2 】，是一个典型的复杂系统。 建立复杂系统的非高斯非线性模型，采用非线性粒子滤波( p a r t i c l ef i l t e r ) 算法对 系统状态进行估计，从而获得复杂系统状态变量较丰富的先验信息，结合径向基函 数r b f ( r b f ，r a d a i lb a s i sf u n c t i o n ) 神经网络控制方法，建立基于非线性粒子滤波的 r b f 神经网络结构模型，从而将建模与优化控制相结合，实现联合制碱工业过程的 建模与优化控制。可为解决一类复杂系统的建模与优化控制研究提供一条有效途径。 1 2国内外研究现状及发展趋势 1 2 1复杂工业过程建模的现状及发展趋势 2 0 世纪四五十年代，控制理论和控制技术得到了很大发展。许多理论和技术应 用到工业过程中，通过建立可靠合理的数学模型，比较容易地解决了控制问题。由 于i t 技术的快速发展及i t 技术与控制工程的融合，过程控制的研究有了很大的进 止【3 1 。过程控制( 尤其是先进过程控制，简称a p c ) 的基础，是过程的数学模型。所 以，构建数学模型即建模就成为过程控制的核心【4 】。 构建工业过程数学模型的方法一般分为两大类：“白箱”问题和“黑箱 问题。 a s t r o m 把通过理论分析建立模型称作“白箱问题，把由输入输出数据建模的问题 称作“黑箱问题。 “白箱”问题又称为机理建模。这种方法得到的数学模型的形式一般比较复杂， 1 河北科技人学硕十学f 7 ：论文 往往具有非线性和阶数高的特点。将这种模型用于控制时需要加以简化或降阶，这 样一来模型的精度就很难保证。并且机理建模需要对研究过程有充分、可靠的先验 知识和大量的实际经验。随着科学技术的发展，对现代越来越复杂的工业过程来 说，这种方法越来越不适用。 因此，“黑箱子”和“狄箱子”建模方法显示出其特殊的优越性。“黑箱子” 方法建模无需大量的先验知识，只需要依靠过程测量的输入输出数据，通过对测量 数据的处理，就可获得描述输入输出数据间影射关系的经验公式。所以，这种方法 有时也称之为经验法，由其建立的模型称之为经验模型。 最常用的经验建模方法是回归分析。基于最d - - 乘法的改进的回归方法由于能 够从不同的角度解决“共线性问题”，所以近得到了非常广泛的应用。但是，面对 越来越复杂的系统，回归方法在解决“共线性问题”越来越困难。 系统辨识是现代控制理论的一个重要分支。系统辨识方法已经发展得相当成 熟，但是这种方法建立的模型其参数没有明确的物理意义，不易进行在线调整。并 且，这种方法要求系统有足够的激励，使输入输出数据有一定幅度的变化，因而建 模时必须对生产过程施加人为的干扰，这不符合实际生产要求，是实际生产不愿接 受的。 模式识别是随着计算机的发展而发展起来的一门综合性很强的学科，也是目自才 一种常用的建模方法，广泛应用于工业、气象、农业、医疗等领域。在过程控制 中，模式识别方法经常与人工神经网络以及模糊技术结合起来使用。 基于人工神经网络( 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 ) 的建模方法是近年来 发展最快、研究最多、应用范围最为广泛的一种建模方法【4 1 。由于人工神经网络具 有自学习、自适应、联想记忆和非线性逼近等功能，基于人工神经网络的建模工作 可以在没有待研究对象的先验知识的条件下，根据研究对象的输入输出数据直接建 模。这种模型的在线校正能力很强，而且能适用于高度非线性或者严重不确定性的 系统。这种方法已广泛的应用在复杂系统的建模上，应用范围已经覆盖了控制理论 与工程应用中的绝大多数问题，如：p i d 参数整定、系统建模和辨识、滤波与预测、 故障诊断和先进控制以及数据分析等。 利用a n n 建模有两种不同的方式：一种是直接建模，另一种是与常规模型结合 相结合。直接建模是用网络形式的模型来代替常规的数学模型，映射待研究对象输 入输出参数之间的关系。具体形式见图1 1 ( a ) 所示：另一种方式是用神经网络来估计 常规模型中的待定参数，如图1 1 ) 所示。 a n n 技术发展几十年来，已经提出了数十种网络结构。应用在过程建模方面， b p 网络和r b f 神经网络是使用最多的网络结构。 2 第1 章绪论 卜一i 缘：输出 输入 v 一 卜 - 、 一一一一二一 一 神经晶络模型 ：艳出 一一卜对聋一输 一 十 神经l q 络模型 一i ， 偏 + ：。：一 扛 模世参数v 卜 常舰模型 输j | ： f b l l 鳘| 1 1 神经网络建模方式 f i g i - i t h em e t h o d so f n e u r a ln e t w o r km o d e l i n g 虽然人工智能技术在工业过程建模方面有很多成功应用的报道，但人工智能的 理论还不完善，其本身还存在着很多问题。对于存在非线性、不确定性、大时滞、 参数分布性和时变性等特点的复杂工业过程，单一的某一种智能建模方法很难完全 满足同益大型化、复杂化、综合化的工业过程控制要求。 一 另外，控制界和工业界在对具体的工业过程进行模型化研究时注意到，在实际 工业生产过程中，一方面由于d c s ( 集散控制系统) 的广泛应用，保存了大量的实际 生产数据；另一方面现场的技术人员由于长期与生产过程接触总结了许多经验性的 绁一 知识。为此，他们尝试应用这些来自生产实际的数据和经验知识并结合对过程的科 学实验和理论认识建立过程可靠数学模型。这方面的成功研究出现了很多。例如： 由神经网络和系统辨识模型共同实现的电力负荷短期预测模型以及轧制过程滚子力。， 的预测模型；由反应机理定性分析得到的具有n n 串并联结构的汽油辛烷值的预测 模型；由基于g a 的模糊模型和补偿模糊模型预测误差的神经网络组成的钢铁工业 b o f 炉磷成分终点预测模型；由基于生产历史数据的模糊神经网络和反映生产专家 经验知识的模糊模型共同建立的镍闪速熔炼过程模型等【5 1 。通过实验仿真或工业实践 证明：在复杂工业过程建模中，这些新的建模方法比单一的传统或智能建模方法更 有效。 不论是对智能方法改进研究的仿真结果还是实际工业过程建模的应用研究中都 显示：多种方法相结合用于复杂过程建模比单一的智能建模方法更有效。由此可见， 复杂工业过程的建模将继续向这方向发展。 1 2 2 复杂工业过程优化控制的现状及发展趋势 所谓优化就是指在一定的约束条件下寻求目标函数的最优值。优化方法根据不 同的模型，形成了许多不同类型的方法。其中线性规划、非线性规划在工程中应用 最多，也最具有代表性。 3 河北科技人学硕十学位论文 ( 1 ) 线性规划优化方法中最简单，求解速度较快，理论也较完备的方法是线 性规划方法，在工程实际中应用广泛。线性规划方法是将一个较复杂的系统分解、 转化为两个或多个相关的线性系统，再用线性规划的方法求解问题。但是实际工业 过程控制中，系统模型绝大多数都是非线性的，所以线性规划方法已不再适用。 ( 2 )非线性规划求解非线性规划的方法中非线性规划的求解方法针对不同的 数学模型产生了很多典型的方法。实际中常用的经典方法是：逐次线性规划法、 z o u t e n d i j k 的可行方向法、罚函数法( 包括内点法、外点法和混合法) 和逐次二次规划 法。在大量的理论研究和实际应用过程中，人们总结出一些求解非线性规划的定理 和行之有效的方法，最重要的一条判定规则就是库恩一塔克条件( k u h n t u c k e r ) 。随 着工业过程自动化程度的提高和复杂程度的加大，系统模型的复杂程度也在逐步的 提高。模型函数的求解变得越来越难，。有时甚至无法求出。人们不断寻找新的解决 方法，智能优化方法就是其中之一。 ( 3 ) 智能优化方法人工神经网络具有不可比拟的优点：一是自适应性强；二 是容错性强：三是综合推理的能力强。人工神经网络成为优化的首选方法。自适应 性包括自学习能力、自组织能力、推理能力和可训练性四个方面【6 1 。人工神经网络可 通过有指导的训练进行学习，也可以通过无指导的训练对人工神经网络进行自组织； 容错性指神经网络可以对不完善的数据和图形进行学习和做出决定：综合推理的能 力，即具有f 确响应和分辨能力。人工智能在工业过程优化控制方面的研究主要从 以下三个方面进行【7 j ： 1 ) 在优化控制中引入基于规则的推理决策。这方面的研究有：根据实际过程的 信息，通过智能推理决策机构i d 来选择和修正稳态递阶优化算法中的迭代增益因子， 以促进算法稳定快速地收敛；大工业过程基于i s o p e 方法的凸化目标函数法基础上， 引入智能推理决策单元，用智能优选的方法合理选择罚系数和迭代增益；利用i d 灵 活选择系统的全局协调变量，并在寻优接近最优解时，根据推理决策的结果，转换 到模式搜索寻优，实现基于智能关联预测法的两级多目标优化；将智能化协调方法 与传统的大系统理论相结合的目标修正智能协调法；大工业过程智能关联预测法的 收敛性定理及其证明等。基于规则的推理决策机构研究法通过将大系统理论和知识 工程相结合，解决工业过程优化控制中的一系列协调策略问题和优化问题，从而改 善算法的收敛性和适用性，提高算法的鲁棒性。 2 ) 利用人工智能技术建立优化控制的过程模型和优化模型。由于c y b e n k o 和 f u n a h a s h i 证明，利用s t o n e w e i e r s t r a s s 定理，一个即使只有一个隐层的连续神经网 络，如果其神经元的激活函数是连续的s i g m o i d 非线性函数，则它可以在一个紧集 上以任意精度逼近任意的连续函数。基于这个理论，神经网络在非线性建模和模式 识别方面得到广泛的应用。神经网络比传统辨识方法得到的模型具有更高的精度， 4 第1 章绪论 基于神经网络的工业过程优化比传统优化方法的效果好。 3 ) 采用先进的优化方法实现工业过程优化。目前在工业过程优化中应用最多的 基于人工智能思想的优化方法有三类，分别是：基于规则的专家推理或启发式推理 方法、n n 优化方法和类似于遗传算法、模拟退火算法、混沌优化的随机搜索算法。 用神经网络等人工智能技术所建立的优化模型具有非常复杂的非线性关系，不能像 传统的数学模型那样用简单的解析表达式表示，也不能用解析方法求解。这方面的 研究有：通过基于专家理论处理优化问题的经验，并融合一些启发式的知识进行推 理的方法得到最优解；采用优化n n 方法直接用于n n 学习优化过程，即依据神经 网络是一种基于目标函数的有监督式学习方法，将优化目标作为网络学习的目标函 数，让网络在学习过程中实现过程优化。 传统优化控制的各种解析算法非常依赖精确数学模型，其算法本身也是十分复 杂，在实际工业应用中受到限制。通过引入人工智能，这个问题在一定程度上得到 了解决。目前，很多大型复杂的工业过程f 在逐步形成或酝酿智能优化。由于尚处 在发展的幼年时期，工业过程智能优化的还有许多问题有待于进一步研究： 1 ) 实际工业过程稳念模型的获得及其精度的进一步提高； 2 ) 先进优化方法的不断改进和完善； 3 ) 智能优化方法在实际复杂工业过程中的应用研究； 4 ) 智能优化控制的通用化和产品化。 5 河：i 匕科技人学硕十学位论文 第2 章联合制碱 2 t 纯碱工业发展简史 纯碱的使用历史悠久，可追溯到公元几千年前。当时的人们就已丌始使用天然 碱来洗涤和制造玻璃。至今保留下来的最古老的埃及玻璃大约是公元前1 8 0 0 年制造 的【引。 1 8 世纪木叶，生产力迅速发展，天然碱的产量已远远不能满足工业的需要。1 7 9 1 年路命兰( n l e b e l a n c ) 利用人工方法成功研制出硫酸钠，这种方法被称为路布兰法或 硫酸钠法。路布兰法成功地为工业提供了人工制碱的方法。但是路布兰法有很多缺 点：熔融过程必须在固相中进行，需要高温；原料利用不充分，设备生产能力小， 设备腐蚀程度严重；纯碱质量低；工作条件恶劣等。 1 8 6 1 年，比利时人索尔维( e s o l v a y ) 发明了用海盐和是石狄石为原料制取纯碱 的方法，这种生产方法也被称为索尔维制碱法。在生产过程中，原料氨起到媒介的 作用，故索尔维法又称为氨碱法。由于氨碱法原料利用率高，可以连续生产，生产 能力大；产品的成本低，质量高。因此，到2 0 世纪初期基本上取代了路柿兰法。 自氨碱法发明以来，氨碱法在生产设备、技术等方面不断得到充实和提高。但 氨碱法仍存在较严重的缺点，即原* - ：i n 用率低，只有7 5 ；废液处理困难。18 8 5 年 德国施莱普( s c h r e i b ) 提出循环法来提高原料利用率和减少废液。1 9 2 4 年德国格鲁德 ( g l a n d ) 和吕普曼( l o p m a n n a ) 发明了一种新的以碳酸氢铵和食盐为原料的循环法。 1 9 3 5 年察安( z a h n ) 公司收购了此法专利，这一流程后期称为察安法( z a h np r o c e s s ) 。 1 9 3 9 1 9 4 2 年间我国侯德榜博士在索尔维法和察安法的基础上从事这项研究，历 经数年，终获成功，命名为“侯氏制碱法( h o u sp r o c e s s ) ”。从此，氮碱生产有了较 大的改进，使得食盐利用率提高2 7 ，避免了废液、废渣的产生，大幅降低了工厂 的生产成本，形成制碱工业与合成氨工业紧密结合的全新流程，把制碱工业的技术 推向新的高峰。因为该法与氨厂联合，以氨厂的n h 3 和c 0 2 同时生产纯碱和氯化铵 两种产品，故也称为联合制碱法。又因在生产过程中，重碱( n a h c 0 3 ) 母液用于制造 氯化铵( n h 4 c l ) ，n h 4 c l 母液又用于制n a h c 0 3 ，过程循环进行，故又称为循环制 碱法。侯氏碱法与察安法的区别见表2 1 。 氨碱法、联合制碱法和天然碱加工是目前世界上主要的纯碱生产方法。 2 2 我国制碱工业的发展及现状 我国的纯碱产量居世界第一，纯碱的主要生产方法采用：索尔维法和联合制碱 法。同时，我国也是世界上制碱和用碱最早的国家。 6 第2 章联合制碱 表2 - 1 侯氏碱法与察安法的主要区别 蛋a b 2 1 t h em a i nd i f f e r e n c eb e t w e e nz a h np r o c e s sa n dh o u sp r o c e s s 项目 察安法 侯氏碱法 方法特点加入中间盐、碳铵复分解氨、碱联合 原料碳酸氢铵、食盐氨、二氧化碳、食盐 流程特点间断 连续 食盐利用率 9 0 9 5 9 8 纯碱纯度9 3 9 4 9 8 以上 第一次世界大战期间，我国的制碱工业开始发展。1 9 2 6 年首次生产出了合格的 产品。1 9 3 9 1 9 4 2 年间我国侯德榜博士发明了侯氏制碱法，使氮碱生产有了较大的改 进，形成制碱工业与合成氨工业紧密结合的全新流程，把制碱工业的技术推向新的 高峰。1 9 4 9 年纯碱生产有了较大的发展。1 9 9 7 年底，我国纯碱业发展规模扩大到6 0 个之多，纯碱年总生产能力仅次于美国，居世界第二。 但是，我国纯碱产业在产品质量、劳动生产率、自动化水平和消耗定额等方面 与国外相比有很大的差距： 1 ) 和美国天然碱以及西欧发达国家的合成碱相比，我国纯碱质量差、氯化钠含 量高、粒度不均匀、白度包装差； 2 ) 我国氨碱法生产成本高，竞争力差。每吨纯碱平均氨耗为6 - 9 5k g ，而国外 先进水平为1 蚝； 3 ) 我国纯碱企业自动化水平和劳动生产率低下，用工人数明显多于国外同类企 业。 联合制碱法生产过程中要经常倒塔清洗，很难进行连续自动控制。为解决了倒 塔和连续工作问题，周光耀院士在侯德榜博士联合制碱技术的基础上发明了新型变 换气制碱工艺，使联合制碱过程适于连续自动控制。 新型变换气联合制碱过程是将生产中的变换气直接送入碳化塔，使脱除二氧化 碳( c 0 2 ) 和生产重碱( n a h c 0 3 ) 同时进行，重碱再经过滤送入煅烧工段煅烧制成纯碱 ( n a 2 h c 0 3 ) ，过滤后的母液送入氯化铵生产工段，即将纯碱生产与合成氨生产联接在 一起，使纯碱生产的碳化工序与合成氨生产的脱c 0 2 工序合二为一，这是新型变换 气联合制碱过程的核，t 二, - r 序【9 】。联合制碱核心工艺流程图见图2 1 。 虽然在技术上我国纯碱产业发展越来越好，但仍面临着巨大的挑战，应从以下 方面努力： 】) 采用联合制碱工艺的纯碱生产企业数目少，规模小，要逐步向生产规模大型 化、管理自动化、市场竞争有序化方向转化。 2 ) 进一步提高产品质量，对核心工序进行控制方法的改造；提高控制效果和产 7 河北科技大学硕士学位论文 品的质量。 3 ) 针对联合制碱工业的实际控制方法的应用情况，进一步优化控制方法，实现 更好的控制效果。 图2 - 1联合制碱核心工艺流程图 f i g 2 - 1 t h ef l o wc h a r to ft h es y n t h e t i ca m m o n i ad e 感a r b o r n i z a t i o nc o r ea r a f t 2 3 联合制碱工业过程的控制现状及发展趋势 联合制碱工业过程是典型的具有不确定性、多变量、大滞后、强耦合、强非线 性等特性的复杂系统。其生产过程需要对高达2 1 0 多个电机运转信号、6 0 个温度点、 2 1 个流量点、2 0 个压力点及1 6 个液位点进行检测与控制。由于系统工艺的复杂性， 系统存在着不确定性、多变量、大滞后、强耦合、强非线性等特性，曾采用模糊控 制、神经网络预测控制等方法，达到了一定的控制效果，但由于系统存在不确定性 等因素使智能建模与优化控制一直不理想。主要经历了三阶段： ( 1 ) d c s 控制目前，国内大多数碱厂的生产过程都是通过工人的手动操作在 d c s 监控平台上实现日常生产【1 0 1 。文献 11 阐述了国产d c s 在国内纯碱生产碳化过 程中的应用，文献 1 2 阐述了一个成功应用事例叫r o v o x 系统在大型制碱工程 控制中的应用。这些事例说明了d c s 在联碱制碱过程中的成功使用。但是由于联合 制碱过程的复杂性，制碱过程的优化问题仍然有很多值得进一步研究和探讨的地方。 ( 2 ) 模糊控制随着智能控制理论和自动控制理论的发展，高级控制算法结合 人工操作经验的思想开始应用于实现联合制碱工业过程的控制和优化问题。智能控 制主要用来解决难以用传统方法解决的复杂系统的控制问题。模糊逻辑控制可以模 仿人工控制过程，可以集成人工控制经验和知识。 这一成功应用是由浙江大学系统工程研究所与杭州龙山化工厂合作完成。具体 做法是在龙山化工厂原有d c s 控制的基础上，开发了一种基于模糊控制和专家经验 8 第2 章联合制碱 的控制优化系统。主要思想是：模糊控制算法规定，当论域为离散时，量化后的输 入量个数为有限个数。因此，可由离线计算出的不同组合的输入情况相对应的控制 量构成一张完整的模糊控制规则控制表，在实际控制时通过直接查询这张控制表进 行控制，大大减少了系统的在线计算量。实践表明该系统成功有效。模糊控制系统 的结构简图如图2 2 所示。 图2 - 2 模糊控制系统的结构图 f i g 2 - 2 t h es t r u c t u r eo f f u z z yc o n t r o ls y s t e m ( 3 ) 模糊神经网络控制由于模糊控制自身的缺陷，又出现了模糊神经网络控制 的方法。模糊神经网络控制是将模糊控制技术、智能控制技术、软测量技术和专家 案例推理技术有机地结合在一起，按照工艺技术指标的要求和工况变化，利用计算 机反演计算或预估合理的控制值，建立不同的控制模型，实现了复杂工业过程的优 化控制。这种方法成功应用到j x - 3 0 0 型d c s 平台上【1 3 】。实践表明：模糊神经网络 控制系统对非线性、时变和不确定性的复杂工业系统有较好的控制作用，控制效果 良好。该方法控制结构图如图2 3 所示。 随着人们对复杂非线性系统研究的逐步深入，将硬测量方法与软测量方法融合 应用成为解决复杂系统控制的有效方法。因此，一种很自然的研究思路产生：借鉴 处理不确定性的框架，将不确定性系统建模思想与智能控制相结合，利用不确定性 系统建模获得系统的确定性先验信息，再利用确定性信息改善智能控制方法的鲁棒 性和设计过程。 本文研究联合制碱工业过程的建模与优化控制问题。按照上述思路，本文首先 采用非线性粒子滤波算法对系统状态进行估计，从而获得复杂系统状态变量较丰富 的先验信息，结合神经网络控制方法，建立基于非线性滤波的神经网络结构模型， 将建模与优化控制相集成，实现联合制碱过程的建模与优化控制。 针对联合制碱工业过程的特点，以煅烧炉炉头压力为主要变量进行联合制碱工 业过程的建模与优化研究。具体做法是：通过建立基于非线性粒子滤波( p a r t i c l ef i l t e r l 的r b f 神经网络结构模型，建立了数据样本间的函数关系，利用粒子滤波算法优化 了目标函数，从而实现对炉头压力的控制与优化。 9 河北科技大学硕士学位论文 a - 五= ； c 图2 3 智能专家控制系统结构 f i g 2 - 3 t h es t r u c t u r eo f i n t e l l i g e n te x p e r tc o n t r o ls y s t e m 2 4 煅烧工艺简介 本文针对纯碱生产的关键工序锻烧工段进行研究。下面就煅烧工艺进行简 单的介绍。锻烧工艺流程图如图2 - 4 所示。 图2 - 4 煅烧工艺流程图 f i g 2 - 4 t h ef l o wc h a r to fc a l c i n e d ( 1 )煅烧原理碳酸化得到的重碱( n a h c 0 3 ) ，经过滤机洗涤、煅烧后才能制 得纯碱，同时回收二氧化碳以供碳酸化使用。重碱在常温下就能进行部分分解，在 高温时分解更加剧烈。主要发生如下反应： 2 n a h c 0 3一一笪l n a 2 c 0 3 r + h 2 0 + c 0 2 ( 2 )影响因素在温度为1 9 0 的条件下，n a h c 0 3 在半小时内即可完全分解。 因此，实际煅烧温度应控制在1 6 0 2 0 0 。c 范围之间，温度过高时重碱极易粘壁或结 成碱球；温度过低时重碱不能完全分解。 碳化得到的重碱还含有很多杂质如：n h 4 c l 、n a c l 、n h 4 h c