欢迎来到天天文库
浏览记录
ID:34826284
大小:1.74 MB
页数:69页
时间:2019-03-11
《氯乙烯悬浮聚合过程建模与优化技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、浙江工业大学硕士学位论文氯乙烯悬浮聚合过程建模与优化技术研究姓名:孔丽苹申请学位级别:硕士专业:化学工程指导教师:潘海天20060401浙江工业大学硕士学位论文氯乙烯悬浮聚合过程建模与优化技术研究摘要聚合反应过程是一种典型的化工过程,具有反应机理复杂、耦合性和非线性强等特点。这给聚合反应过程建模、控制和优化等方面的研究带来了极大困难,而各种智能技术的飞速发展为解决此类问题提供了一条比较可行的途径。神经网络的反向传播(BP)训练算法具有收敛速度慢的缺点,在训练过程中会出现“锯齿形”现象,并且越靠近极值点附近其收敛速度越慢。提出了几种改进训练算法,如附加动量的BP算法、自适应学习速率调整法、弹性B
2、P算法、FR共轭梯度法、BFGS--拟牛顿法和L—M法等,仿真实例结果证明了L—M法的收敛速度最快。由于神经网络的BP_【)il练算法具有易陷入局部极值的缺点,因此提出了一种全局优化训练算法一微粒群算法(PSO)。通过对基本PSO进化方程的分析,提出了改进PSO的四种途径:微粒参数改进、变量离散化、引入遗传思想和提高种群多样性。仿真实例结果证明Yeso算法的良好性能。进行了氯乙烯悬浮聚合反应过程建模和优化研究。在氯乙烯悬浮聚合过程反应机理和动态特性分析的基础上,建立了氯乙烯悬浮聚合反应过程的eso-,申经网络模型,并成功应用于二元复合引发体系优化研究中,可达到充分利用聚合反应系统的冷却能力、缩
3、短反应时间浙江工业大学硕士学位论文和提高产品产量等目的。充分运用智能技术进行聚合反应过程建模和优化研究,不仅为聚合反应过程研究提供了一种有效的研究手段,还有助于进一步开展聚合反应过程先进控制、在线优化和故障诊断等方面的研究。本研究工作有利于促进智能技术在其它聚合物生产中得到进一步应用,为智能技术在化工过程中应用提供一种良好的示范。关键词:氯乙烯,聚合过程,建模,优化,神经网络,PSO浙江工业大学硕士学位论文MODELINGANDOPTIMIZATIONFORSUSPENSIONPOLYMERIZATIONOFVINYLCHLoRIDEABSTRACTPolymerizationprocessi
4、satypicalchemicalprocess.Duetothecomplexityofreactionmechanism,thes仃ongnonlinearityandcoupling,itisdifficulttomodel,controlandoptimizepolymerizationprocess.Thedevelopmentofallkindsofintelligenttechnologiesprovidesafeasibleapproachtosolvetheproblem.Thebackpropagation(BP)algorithmisageneralalgorithmth
5、atusedintrainingneuralnetworks.Itisasteepestdescentalgorithm.Theseriesdirectionofthedescentisupright,SOitCancausetherateofconvergenceslowly.Momentumbackpropagation,variablelearningratebackpropagation,resilientbackpropagation,FRconjugategradientalgorithm,BFGS—Quasi-NewtonalgorithmandLevenberg—Marquar
6、dt(L—M)algorithmareprovided.Invirtueofasimulationexample,thecompareresultsindicatethattheL—MconvergencerateisfastestAstheBPtrainingalgorithmcaneasilyconvergetoalocaloptimum,analgorithm—particleswarmoptimization(PSO)thathasglobal浙江工业大学硕士学位论文convergenceperformanceisprovided.Dynamicadjustingthecoeffici
7、ent、dispersingvariable,providinggeneticalgorithmandimprovingpopulationmultiplicityarefourapproachesthatcanimprovethebasicPSO.TheresultsofsimulationexampleindicatethatPSOalgorithmhasexcellentperformanc
此文档下载收益归作者所有