氯乙烯懸浮聚合過程建模與優(yōu)化技術(shù)研究.pdf

1、聚合反應(yīng)過程是一種典型的化工過程，具有反應(yīng)機理復(fù)雜、耦合性和非線性強等特點。這給聚合反應(yīng)過程建模、控制和優(yōu)化等方面的研究帶來了極大困難，而各種智能技術(shù)的飛速發(fā)展為解決此類問題提供了一條比較可行的途徑。 神經(jīng)網(wǎng)絡(luò)的反向傳播(BP)訓(xùn)練算法具有收斂速度慢的缺點，在訓(xùn)練過程中會出現(xiàn)“鋸齒形”現(xiàn)象，并且越靠近極值點附近其收斂速度越慢。提出了幾種改進訓(xùn)練算法，如附加動量的BP算法、自適應(yīng)學(xué)習(xí)速率調(diào)整法、彈性BP算法、FR共軛梯度法、BFG

2、S-擬牛頓法和L-M法等，仿真實例結(jié)果證明了L-M法的收斂速度最快。 由于神經(jīng)網(wǎng)絡(luò)的BP訓(xùn)練算法具有易陷入局部極值的缺點，因此提出了一種全局優(yōu)化訓(xùn)練算法-微粒群算法(PSO)。通過對基本PSO進化方程的分析，提出了改進PSO的四種途徑：微粒參數(shù)改進、變量離散化、引入遺傳思想和提高種群多樣性。仿真實例結(jié)果證明了PSO算法的良好性能。 進行了氯乙烯懸浮聚合反應(yīng)過程建模和優(yōu)化研究。在氯乙烯懸浮聚合過程反應(yīng)機理和動態(tài)特性分析的基

3、礎(chǔ)上，建立了氯乙烯懸浮聚合反應(yīng)過程的PSO-神經(jīng)網(wǎng)絡(luò)模型，并成功應(yīng)用于二元復(fù)合引發(fā)體系優(yōu)化研究中，可達到充分利用聚合反應(yīng)系統(tǒng)的冷卻能力、縮短反應(yīng)時間和提高產(chǎn)品產(chǎn)量等目的。 充分運用智能技術(shù)進行聚合反應(yīng)過程建模和優(yōu)化研究，不僅為聚合反應(yīng)過程研究提供了一種有效的研究手段，還有助于進一步開展聚合反應(yīng)過程先進控制、在線優(yōu)化和故障診斷等方面的研究。本研究工作有利于促進智能技術(shù)在其它聚合物生產(chǎn)中得到進一步應(yīng)用，為智能技術(shù)在化工過程中應(yīng)用提供