本文以青島海晶化工廠年產1萬噸氯化聚乙烯聚合反應裝置的控制系統為研究背景，經過對其聚合反應中溫度特性的深入分析，總結氯化聚乙烯聚合反應和控制上的難點，提出采用基于神經網絡的模糊控制的先進控制方法。模糊邏輯系統易于理解，神經網絡具有極強的自適應學習能力。通過充分利用模糊控制原理，并在神經網絡學習算法的基礎上，以控制系統的溫度為對象，設計一種利用模糊神經網絡學習算法的控制器，完成先進控制算法對于CPE控制系統的改進。
為了能夠直觀生動得表現化工工業生產中CPE的生產流程，本文以浙大中控的JX-300XP DCS集散控制系統為背景，利用其SCKey組態軟件設計了CPE的生產組態，其軟件環境具有良好的可操作、實時監控和動態顯示特性。利用SCKey組態軟件解決聚合反應釜的配方管理、批量控制和釜溫控制。為了驗證算法的可用性，本文采用具有強大計算能力的Matlab進行仿真，得到了很好的改進效果，為模糊神經網絡算法應用到生產實際提供了有效的途徑。
目錄概覽 基于模糊神經網絡對CPE控制系統改進的研究 目次
封面
摘要
英文摘要
目錄
+第一章 緒論
1．1 課題的來源和背景
1．2 模糊神經網絡控制發展與研究現狀
+1．3 國內外CPE生產的現狀
1．3．1 氯化聚乙烯工業生產發展及其現狀
1．3．2 反應釜溫度控制發展及現狀
1．4 論文主要研究內容
+第二章 CPE工業生產工藝
2．1 引言
+2．2 CPE生產原理與生產過程系統
2．2．1 CPE性質特征
2．2．2 CPE工業生產方法
2．2．3 CPE生產過程系統
+2．3 CPE聚合反應工藝分析
2．3．1 CPE聚合反應工藝
2．3．2 CPE溫度控制的重點和難點
2．3．3 先進控制方法的提出
2．4 操作要求及控制目的
2．5 本章小結
+第三章 模糊控制與神經網絡數學基礎
3．1 引言
+3．2 模糊控制
3．2．1 模糊控制的發展
3．2．2 模糊邏輯控制的基本原理
3．2．3 設計模糊控制器的步驟
3．2．4 設計模糊控制器的要點
+3．3 神經網絡控制
3．3．1 神經網絡控制理論的發展
3．3．2 BP神經網絡結構
3．3．3 BP神經網絡訓練算法
3．3．4 BP神經網絡建模方法
3．4 本章小結
+第四章 基于模糊神經網絡的反應釜溫度控制模型
4．1 引言
+4．2 模糊系統和神經網絡結合的可行性
4．2．1 模糊系統和神經網絡的融合
4．2．2 模糊推理神經網絡的初步研究
4．3 模糊神經網絡控制器結構的確定
+4．4 基于模糊神經網絡的溫度控制系統設計
4．4．1 反應釜輸入輸出量的模糊化設計
4．4．2 建立模糊控制規則
4．4．3 FNN控制器的設計
4．4．4 基于BP網絡的模糊推理的實現
4．4．5 FNN學習算法
+4．5 控制算法仿真研究
4．5．1 系統仿真模型
4．5．2 模型參數的確定
4，5．3 仿真實驗分析
4．5．4 仿真研究結論
+第五章 DCS系統設計及軟件開發
+5．1 JX-300XP DCS集散控制系統簡介
5．1．1 系統綜述
5．1．2 系統整體結構
5．1．3 系統優點
5．2 JX-300XP硬件配置
5．3 JX-300XP軟件組態
+5．3 JX-300X軟件組態步驟
5．3．1 主機設置
5．3．2 控制站組態
5．3．2 操作站組態
5．4 小結
結束語
參考文獻
致謝
攻讀學位期間發表(錄用)的學術論文目錄
聲明
