基于神經(jīng)網(wǎng)絡(luò)模型的高剪切濕法造粒過(guò)程模擬和放大預(yù)測(cè).pdf

1、造粒是一種被廣泛應(yīng)用于不同工業(yè)領(lǐng)域的單元操作。造粒過(guò)程通過(guò)聯(lián)結(jié)作用將初級(jí)粉料聚集在一起生成顆粒產(chǎn)品。造粒過(guò)程的影響因素有很多，包括配方特性、設(shè)備幾何特性、操作參數(shù)等。大多數(shù)影響因素與產(chǎn)品特性間呈高度非線性關(guān)系，這使得對(duì)造粒過(guò)程機(jī)理的研究變得相當(dāng)復(fù)雜。目前對(duì)造粒過(guò)程的研究只是定性的描述了某一特定造粒過(guò)程所處的機(jī)理區(qū)域，以及可能出現(xiàn)的造?，F(xiàn)象，尚不能對(duì)造粒產(chǎn)品的特性給出定量的預(yù)測(cè)。
　　人工神經(jīng)網(wǎng)絡(luò)模型因其優(yōu)秀的信息處理能力，在模式識(shí)

2、別、預(yù)測(cè)控制等許多不同領(lǐng)域取得了廣泛的應(yīng)用。其善于處理高度非線性關(guān)系的特點(diǎn)尤其適合造粒過(guò)程的建模工作。本文借助人工神經(jīng)網(wǎng)絡(luò)模型(Artificial Neural Networks)方法對(duì)高剪切濕法造粒過(guò)程建立了一種工業(yè)上普遍適用的半經(jīng)驗(yàn)?zāi)Ｐ蛠?lái)對(duì)造粒產(chǎn)品的粒度分布參數(shù)進(jìn)行定量的預(yù)測(cè)。文章的主要內(nèi)容包括以下幾個(gè)方面：
　　通過(guò)對(duì)造粒過(guò)程機(jī)理研究的相關(guān)文獻(xiàn)進(jìn)行調(diào)研，以及實(shí)驗(yàn)觀察，確定影響造粒過(guò)程的主要參數(shù)，并對(duì)這些參數(shù)進(jìn)行了歸納分析。

3、定義了總相對(duì)掃料體積(RSVtotal)、相對(duì)理論液體可用度(RTLA)、液體注入?yún)?shù)(LIF)以及斯托克斯粘性系數(shù)(Stv)四個(gè)描述造粒過(guò)程的關(guān)鍵參數(shù)。對(duì)造粒過(guò)程建立了統(tǒng)一的標(biāo)準(zhǔn)化描述方法，使其適用于不同的配方和設(shè)備。同時(shí)，關(guān)鍵參數(shù)定義法可以降低問(wèn)題描述的維度，減少實(shí)驗(yàn)及建模過(guò)程的工作量。另外，無(wú)量綱的關(guān)鍵參數(shù)消除了對(duì)設(shè)備尺寸的依賴，滿足了工業(yè)放大的需求。
　　本工作在小試車間尺度到工業(yè)生產(chǎn)尺度等不同尺寸的設(shè)備上進(jìn)行了造粒實(shí)驗(yàn)，

4、記錄了每批實(shí)驗(yàn)的配方特性、相關(guān)操作參數(shù)及產(chǎn)品粒度分布參數(shù)。測(cè)定了計(jì)算造粒過(guò)程關(guān)鍵參數(shù)所需的原材料的基本特性。計(jì)算出每批實(shí)驗(yàn)的關(guān)鍵參數(shù)值，并以此為輸入對(duì)造粒過(guò)程的粒度分布參數(shù)進(jìn)行預(yù)測(cè)。
　　人工神經(jīng)網(wǎng)絡(luò)模型的建立。利用MATLAB軟件，以關(guān)鍵參數(shù)為輸入建立了造粒過(guò)程的人工神經(jīng)網(wǎng)絡(luò)模型，對(duì)造粒產(chǎn)品的粒度分布參數(shù)進(jìn)行預(yù)測(cè)。利用隱藏節(jié)點(diǎn)可變的神經(jīng)網(wǎng)絡(luò)考察了網(wǎng)絡(luò)結(jié)構(gòu)對(duì)預(yù)測(cè)結(jié)果的影響，最終選取了最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)(Network topology

5、)。對(duì)不同傳遞函數(shù)(transfer function)和不同訓(xùn)練方法(training algorithm)的效果進(jìn)行了比較，并選取最優(yōu)組合。利用MIV(Mean Impact Value)法對(duì)各關(guān)鍵參數(shù)對(duì)造粒產(chǎn)品粒度分布參數(shù)的影響進(jìn)行了評(píng)價(jià)。針對(duì)粒度分布寬度參數(shù)預(yù)測(cè)效果稍差的現(xiàn)象采取了兩種建立人工神經(jīng)網(wǎng)絡(luò)模型常用的方法進(jìn)行優(yōu)化，并對(duì)可能的原因進(jìn)行了分析。最后，在不同的配方、不同的設(shè)備尺度及不同的操作條件下對(duì)模型的預(yù)測(cè)效果進(jìn)行了驗(yàn)證。