柠檬酸回收中基于迭代学习策略的三钙中和过程控制

为了实现三钙中和过程的自动控制,分析研究了该过程存在的问题与控制难点,并提出基于迭代学习算法的控制策略。中试平台实验结果表明:迭代学习控制策略成功实现了三钙中和过程终点pH值的稳定控制,各项指标满足控制要求,实现了该工艺的自动控制。

非线性Hammerstein模型预测控制策略及其在pH中和过程中的应用

所有实际工业过程都包含一定程度的非线性,如pH中和过程由于其本身的强非线性是工业过程控制中具有挑战性的难题,但至今为止仍缺乏有效的非线性控制方法。将基于差分方程模型的模型预测控制策略(model predictive control,MPC)推广到包含一个静态非线性多项式函数和一个线性差分方程动态环节的非线性Hammerstein系统,详细描述了基于静态非线性多项式函数的最优控制作用求解方法,提出了一套新的非线性Hammerstein MPC控制策略(nonlinear Hammerstein predictive control,NLHPC)。pH中和过程控制仿真和控制实验表明,NLHPC的控制结果好于工业上常用的非线性PID(nonlinear PID,NL-PID)控制器。

利用模糊满意聚类建立pH中和过程模型

利用模糊聚类方法建立 p H中和过程模型。针对模糊聚类中普遍存在的聚类个数需事先给定和收敛速度慢等问题 ,在原有聚类方法的基础上提出一种模糊满意聚类算法。该算法能快速确定系统的模糊划分数目 ,进而对应聚类个数建立相应的 TS局部线性化模型。以典型 p H中和过程为研究对象 ,利用上述方法建立其系统模型 ,取得了良好的仿真效果 。

具有时滞的pH值中和过程模糊自适应控制

考察中和反应ｐＨ值实时演化过程的非线性特性，提出一种能克服纯滞后特性的模糊自适应控制方案。仿真及应用表明，本方案可获得良好的控制效果。

矿浆中和过程中基于模型预估模糊自适应控制

氢氧化镍钴矿浆用已有的中和过程闭环控制方法,在受到随机干扰影响的情况下,常会造成终点pH值偏离目标值,影响后续工艺过程的矿浆沉淀性能,降低镍钴氢氧化物的产品质量.提出模型预估与模糊自适应相结合的控制方法,通过模型预估控制尽量消除大滞后带来的影响,采用模糊自适应控制可以及时、有效地调整石灰石浆流量的设定值,采用PI控制器跟踪其设定值,从而满足pH值的工业过程控制要求.在国外某大型氢氧化镍钴冶炼厂的成功应用,表明该方法有效地解决了中和过程存在的大滞后时变等问题,使得氢氧化镍钴矿浆中和过程稳定运行,提高镍钴金属成分的回收率.

蔗汁硫熏中和过程SO_2的化学吸收

本文从化学吸收角度,讨论蔗汁硫熏中和过程SO2的化学吸收作用。分别在间歇吸收实验和连续吸收 实验中进行有关参数的测量和讨论。

模糊自适应PID控制在pH中和过程中的应用

pH中和过程具有时滞、不确定、非线性特性,采用模糊自适应PID控制器能有效解决这一问题。控制器的参数调整采用模糊调整规则,控制器的设计易于实现且具有很强的适应性和鲁棒性。仿真结果表明该控制器能对pH中和过程进行有效控制。

基于客观满意聚类的pH中和过程建模方法

针对一类生产中存在严重非线性的复杂工业过程——p H中和过程,基于客观聚类思想,并结合Gustafson-Kessel聚类,提出一种新的T-S模糊建模方法。根据用户对建模性能的满意度要求,通过迭代模糊聚类,进行模型前提结构和参数的辨识。仿真结果表明,与传统的模糊聚类等方法相比,该方法不依赖于系统的先验知识和预先定义的模糊隶属度函数,具有较为精简的结构和更好的逼近性能,对数据中的噪声具有一定的鲁棒性。

基于pH中和过程的模糊控制器设计与仿真

化工中和过程中pH值具有严重的非线性性,控制十分困难,模糊控制器能表现出迅速的响应和稳定性.笔者采用模糊控制器来控制这一复杂非线性过程,对pH值中和过程进行了仿真,相比传统控制,能达到理想控制效果.

基于VC++的工业废水中和过程建模与仿真

针对常见的中和过程建模仅限于单一反应池的问题,提出中和池、调节池和事故池相结合处理的建模方法。根据中和反应过程机理建立数学模型,设定初始条件后,运用数值计算方法中的龙格库塔法求解。编写算法程序,并通过友好的界面显示动态效果、实时数据和历史曲线,试验表明,该软件能够准确地模拟中和过程,可用于教学实验,帮助学生熟悉污水处理工艺流程,完成控制实验。

基于混酸回流制备碳点的中和过程

作为碳纳米材料家族的一颗新星,碳点因具有奇特的光致发光特性、良好的生物相容性和稳定性而受到广泛关注。其制备方法通常可以归纳为“自上而下”和“自下而上”两种,而混酸回流是一种自上而下制备碳点的重要方法,中和是其中不可缺少的步骤。本文以富勒烯副产炭灰为原料,利用混酸回流方法制备了黄光发射的碳点,系统研究了NaOH、Na_(2)CO_(3)、K_(2)CO_(3)和NH_(3)∙H_(2)O四种不同中和试剂对碳点结构和发光特性的影响。热重分析、傅里叶变换红外光谱和X射线光电子能谱的研究结果表明:中和试剂的改变,影响碳点表面酸性官能团的解离程度,该结论被表面活性剂复配体系的相行为研究结果所印证。碳点结构的变化,影响了碳点的表面态,导致碳点光谱特性,如紫外-可见吸收和荧光光谱的改变。选用了四种中和试剂中,Na_(2)CO_(3)处理得到的碳点表现出最优的发光性能。我们的研究还表明:中和试剂的选用是调节混酸回流方式,制备碳点性能的重要途径。而且碳点反离子的改变对其发光性能也具有明显影响。总之,中和试剂的碱性和反离子种类共同影响着碳点的表面结构,带来了不同的性能。这项工作提示着研究者在未来制备碳点时有必要将中和试剂的种类作为一项实验条件。

藉助最小二乘支持向量机的泵式中和过程建模研究

流程工业过程有众多关键性过程参数难以在线检测,是复杂的非线性和时变的动态系统,给过程优化策略的实施和机理模型的建立造成障碍。最小二乘支持向量机(LS-SVM)算法运算简单、精度高、速度快,采用该算法并以仿真平台对泵式中和这一典型化工过程进行建模研究,结果显示LS-SVM建立的模型拟合误差小,无论拟合精度还是预报时间都明显占优,可以作为中和过程的控制和建模的有效方法。

基于KRLS的pH中和过程建模

针对典型的pH酸碱中和过程,提出基于核递推最小二乘(KRLS)的核学习动态模型。KRLS方法采用基于近似线性依赖技术的稀疏化算法,降低了计算复杂度及存储量,能适用于较大规模数据集的训练以及动态时变过程的建模。将所提方法应用到具有缓冲流的双输出中和过程实例中,为验证其有效性,在同等条件下,还与核偏最小二乘(KPLS)、核主成分分析—支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、支持向量机(SVM)等方法进行比较。实验结果表明:作为一种在线自适应方法,KRLS方法具有很高的动态建模精度,为研究pH中和过程的控制奠定了基础。

基于神经网络的pH中和过程非线性预测控制

针对pH中和过程这一化工过程系统中的典型非线性对象特点,应用神经网络建模思想和模型预测控制方法,并结合Hammerstein模型特点,研究pH中和过程非线性系统的两种新型模型预测控制手段,分别建立基于神经网络的非线性预测控制系统整体求解策略和基于Hammerstein模型的两步法预测控制策略,并用MATLAB对其进行仿真。控制仿真结果表明,建立的神经网络预测控制策略和非线性Hammerstein模型预测控制均优于传统PID控制方法,具有良好的设定值跟踪效果和抗干扰控制响应,说明这两种控制策略是非线性过程的有效控制方法。

基于支持向量机的pH中和过程辨识

针对pH中和过程具有强非线性、时变性的特点,提出一种基于支持向量机的pH中和过程模型辨识方法.该方法采用结构风险最小化准则,保证网络具有较强的推广特性,通过求解凸二次规划确保网络结构全局最优化自动生成.利用支持向量机建立辨识pH中和过程辨识模型.仿真结果表明模型辨识精度高,泛化性能好,模型有效且易于实现.

基于T-S模糊模型的酸碱中和过程的系统辨识

针对pH中和过程存在非线性和大滞后性的特点,建立了基于协同GK模糊聚类的T-S模糊模型。将协同模糊聚类与GK相结合进行系统辨识,提高了聚类效果,使其前件和后件参数得到优化。利用上述方法建立了pH中和过程系统模型,取得了良好的仿真效果,验证了该算法的优越性和有效性。

基于ANFIS的糖厂PH中和过程建模

针对糖厂pH中和过程具有强非线性,大滞后性,不确定性等特点,将模糊推理系统和神经网络相结合,介绍了一种自适应神经模糊推理系统(ANFIS),并建立了pH中和过程的模型。仿真结果表明,利用ANFIS所建立的模型能很好地逼近实际的非线性系统,并且辨识精度高,泛化能力强,为后续的优化控制研究奠定了基础。

KPCA-KPLS方法在pH中和过程建模中的应用

针对化工过程中的具有严重非线性、不确定性、时变性的复杂pH中和过程系统建模问题,提出一种基于核主元分析(KPCA)与核偏最小二乘(KPLS)相结合的建模方法.在高维特征空间内,该方法通过KPCA有效地提取输入数据的非线性主元,利用KPLS方法将输入变量投影在潜在变量上,再用输入与输出变量之间的协方差信息提取潜在特征建立pH中和过程模型.为验证其有效性,将KPCA-KPLS方法应用到弱酸强碱中和过程、强酸强碱中和过程实例中,并与核偏最小二乘、核主元分析_支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)、SVM等方法进行比较.实验结果表明:KPCA-KPLS方法具有很高的动态建模精度.

人工神经网络在单级连续中和过程辨识的应用

单级连续中和器pH中和过程具有严重非线性和不确定性,难以建立精确模型,这给精确控制带来难题。该文利用人工神经网络对非线性特性的自学习、自适应能力,为pH中和过程的辨识提供了新的途径,并进行了相关试验和仿真研究。结果表明,神经网络在单级连续中和器pH中和过程辨识中具有较好的精度和动态响应。

胱氨酸生产中中和过程的数学描述

胱氨酸生产中中和过程的数学描述刘笃琏ＭａｔｈｅｍａｔｉｃａｌＤｅｓｃｒｉｐｔｉｏｎｏｆＮｅｕｔｒａｌｉｚａｔｉｏｎｉｎＣｙｓｔｉｎｅＰｒｏｄｕｃｔｉｏｎ￥ＬｉｕＤｕｌｉａｎＡｂｓｔｒａｃｔｓ：Ｉｎｔｈｉｓｐａｓｓａｇｅ，ｔｈｒｅｅｐｒａｃｔｉｃａｌｆ...