【摘要】 本发明选取对过滤过程中滤液固含量有影响的工艺操作参数，并将其归一化，然后利用改进的标准BP神经网络进行模拟计算建立过滤过程模型，使用模型对过滤操作参数优化并且模型实时输出值经过反归一化后，再利用滤液固含量人工分析值进行在线校正，从而得到滤液固含量的软测量值，最后根据软测量值和优化的过滤操作参数对过滤过程进行实时推断控制。本发明的精对苯二甲酸生产中氧化母液过滤过程的在线控制方法通过使用本次发明所述的方法对精对苯二甲酸生产中氧化母液的过滤操作工艺参数实施智能控制，能够稳定过滤操作、降低过滤操作后母液固含量、增加对苯二甲酸回收率。 【专利类型】发明申请 【申请人】南京工业大学 【申请人类型】学校 【申请人地址】210009 江苏省南京市新模范马路5号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】鼓楼区 【申请号】CN201010287404.5 【申请日】2010-09-17 【申请年份】2010 【公开公告号】CN101963785A 【公开公告日】2011-02-02 【公开公告年份】2011 【授权公告号】CN101963785B 【授权公告日】2012-06-27 【授权公告年份】2012.0 【IPC分类号】G05B13/04 【发明人】管国锋; 万辉; 张存吉 【主权项内容】一种精对苯二甲酸生产中氧化母液过滤过程的在线控制方法，其特征是包括以下步骤：A)利用分布式控制系统获取精对苯二甲酸生产过程中影响滤液固含量的工艺参数，包括浆料温度X1、反吹压力X2、生产负荷X3、进料量X4、转速X5、喷淋量X6和滤液量X7，并将浆料温度X1，反吹压力X2，生产负荷X3，进料量X4，转速X5，喷淋量X6，滤液量X7以及当前时刻滤液固含量人工分析值Y进行归一化处理；B)选择步骤A)中7个参数做为BP神经网络模型的输入神经元，当前时刻滤液固含量人工分析值Y做为BP神经网络模型的输出神经元，利用改进的标准BP神经网络模型进行模拟计算建立过滤过程模型，在过滤过程模型中，输入层的节点数为2～30，中间层层数为1～100，隐层节点数为1～100，输出层节点数为1～15，层之间传递函数有极限函数、线性函数、S形函数和竞争函数；C)使用过滤过程模型对过滤操作参数优化并且模型实时输出值经过反归一化后，利用分布式控制系统通过数据的实时、连续采集，得到滤液固含量的实时BP神经网络预测值R，再利用滤液固含量人工分析值Y对BP神经网络预测值R进行在线校正：当滤液固含量的BP神经网络预测值与人工分析值相对误差大于设定值时，通过实时分析得到的定系数对神经网络预测值进行在线校正，得到滤液固含量软测量值；D)根据过滤操作后滤液固含量软测量值，调节浆料温度、反吹压力、生产负荷、进料量、转速、喷淋量和滤液量，实现滤液固含量的推断控制。 【当前权利人】南京工业大学 【当前专利权人地址】江苏省南京市新模范马路5号 【专利权人类型】公立 【统一社会信用代码】1232000046600680XN 【引证次数】3.0 【被引证次数】11 【他引次数】3.0 【被他引次数】11.0 【家族引证次数】3.0 【家族被引证次数】11

未经允许不得转载：http://www.zhongzhencnc.com/1785635589.html