第 8 章智能控制在过程控制中的应用

第 8 章智能控制在过程控制中的应用

8.1 概述 工业生产过程的自动控制在很多工业领域占有重要位置，控制效果的优劣直接影响到产品的质量、产量和生产设备的运行寿命，影响到生产的安全、稳定和工人的劳动强度，先进控制方法的研究具有明显的经济和社会意义。对于简单过程系统，采用传统的经典或现代控制理论方法，可以获得满意的控制效果。而对于复杂过程系统，由于其具有非线性、时变、纯滞后、不确定等特性，采用传统的控制方法难以取得好的控制效果，因此，其智能控制方法成为研究热点。

智能控制理论是继经典控制理论、现代控制理论之后发展起来的，是控制理论发展新阶段的产物，其建立和发展是以众多新兴学科为基础的。智能控制的基本出发点是采用人工智能方法对复杂、不确定性系统进行有效控制。智能控制方法包括专家系统控制、模糊控制、神经网络控制和仿人智能控制等，这几种方法各有其不同的特点，并已在不同领域中取得了一些相当成功的应用，但这些方法在单独模拟人类智能活动时，又存在着各自的局限性。因此，许多学者试图综合几种方法的优点，以克服各自的局限性。

实际上，智能活动既有感知（直观、形象）活动，又有认知（逻辑）活动，两者是密切相关的，而且又是可以互相转换的，也是符合生理和心理现象的，神经网络计算和模糊逻辑推理恰恰反映了这两种活动的特性，因此基于神经网络的模糊控制近年来逐渐成为研究的热点。模糊控制和神经网络二者各自的优势在于：模糊控制易于获得由语言表达的专家知识，能有效的控制难以建立精确模型而凭经验可控制的系统，而神经网络则由于其仿生特性更能有效利用系统本身的信息，并能映射任意函数关系，具有并行处理和自学习能力，容错能力也很强。实际上，智能活动既有感知（直观、形象）活动，又有认知（逻辑）活动，两者是密切相关的，而且又是可以互相转换的，也是符合生理和心理现象的，神经网络计算和模糊逻辑推理恰恰反映了这两种活动的特性，因此基于神经网络的模糊控制近年来逐渐成为研究的热点。模糊控制和神经网络二者各自的优势在于：模糊控制易于获得由语言表达的专家知识，能有效的控制难以建立精确模型而凭经验可控制的系统，而神经网络则由于其仿生特性更能有效利用系统本身的信息，并能映射任意函数关系，具有并行处理和自学习能力，容错能力也很强。

在集成大系统中，神经网络可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架。神经网络和模糊系统均属于无模型控制器和非线性动力学系统，但神经网络适合处理非结构化信息，而模糊系统对处理结构化的知识更有效。模糊神经网络控制大致可分为三类，第一类是直接在神经网络的学习模型中引入模糊逻辑推理的方法，使其具有直接处理模糊信息的能力；第二类是利用神经网络功能及映射能力，去等效模糊系统中的各个模糊功能块；第三类是把模糊系统和神经网络集成在一个系统中，以发挥各自的优势。在集成大系统中，神经网络可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架。神经网络和模糊系统均属于无模型控制器和非线性动力学系统，但神经网络适合处理非结构化信息，而模糊系统对处理结构化的知识更有效。模糊神经网络控制大致可分为三类，第一类是直接在神经网络的学习模型中引入模糊逻辑推理的方法，使其具有直接处理模糊信息的能力；第二类是利用神经网络功能及映射能力，去等效模糊系统中的各个模糊功能块；第三类是把模糊系统和神经网络集成在一个系统中，以发挥各自的优势。

专家系统是符号逻辑人工智能中一个最重要、最活跃的分支，但存在知识获取的困难，而神经网络方法具有很强的自学习能力和自适应能力，能够实现快速推理。因此将专家系统和神经网络方法集成应用，将能发挥他们的综合优势。专家系统是符号逻辑人工智能中一个最重要、最活跃的分支，但存在知识获取的困难，而神经网络方法具有很强的自学习能力和自适应能力，能够实现快速推理。因此将专家系统和神经网络方法集成应用，将能发挥他们的综合优势。在一些大型复杂系统中，采用单一的某种智能控制方法往往不能满足控制要求，这时应考虑综合应用模糊控制、神经网络控制和专家系统控制等方法的集成智能控制方法。

本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状，然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究，以便对智能控制的应用方法有一个比较完整的了解。本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状，然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究，以便对智能控制的应用方法有一个比较完整的了解。

8.2 复杂工业过程控制的研究现状 关于复杂工业过程，目前尚无统一定义。其复杂性可概括为两个方面：客观复杂性和认识复杂性。前者是指客观工业过程中某种运动或性态跨越层次后整合的、不可还原的新性态和相互关系；后者是指对客观工业过程中复杂性的有效理解及其表达。但在实际工程中，有些专家认为，若工业过程受行为变量影响很弱且过程主要由状态变量描述，可认为是一个简单系统，即复杂工业过程的关键是由行为变量所致。

按系统科学理论，工业过程有多种分类方法：若组成工业过程系统的子过程或元部件比较少且其关系比较单纯，则称为简单的工业过程；若组成工业过程系统的子过程或元部件很多或非常大且其关系复杂，则称之为大系统工业过程；若在其中子过程的种类不太多且关系又比较简单，一般可用线性或易于表达的非线性关系描述，则称为简单大系统工业过程；若在其中子过程种类很多且关系复杂，递阶层次结构复杂，子过程间又耦合很紧，一般又不可用线性或易于表达的非线性关系描述，则称为复杂大系统工业过程。按系统科学理论，工业过程有多种分类方法：若组成工业过程系统的子过程或元部件比较少且其关系比较单纯，则称为简单的工业过程；若组成工业过程系统的子过程或元部件很多或非常大且其关系复杂，则称之为大系统工业过程；若在其中子过程的种类不太多且关系又比较简单，一般可用线性或易于表达的非线性关系描述，则称为简单大系统工业过程；若在其中子过程种类很多且关系复杂，递阶层次结构复杂，子过程间又耦合很紧，一般又不可用线性或易于表达的非线性关系描述，则称为复杂大系统工业过程。

传统的经典控制或现代控制理论在解决复杂工业过程的控制方面，有很大局限性，主要表现如下：传统的经典控制或现代控制理论在解决复杂工业过程的控制方面，有很大局限性，主要表现如下： (1) 不确定性问题 (2) 高度非线性问题 (3) 半结构化与非结构化问题 (4) 不可确定性的问题 (5) 可靠性问题

复杂工业过程的控制问题期盼着用新的理论与方法来实实在在地解决工业现场的实际问题。人们研究的复杂工业过程是一个具有高度复杂、不可确定、多层次、网络性系统，在一个层次上是不可能把工业过程完全弄清楚，对其研究需要在多个层次上进行。所谓复杂工业过程乃是工业过程中带有根本性的、普遍性的又是远远没有解决的问题。这就需要我们在未来研究中，运用复杂系统理论提供的新概念、新方法及新成果，结合已经形成的复杂工业过程特有的概念体系和方法学，通过多个层次以及对多个层次的综合集成研究，最终在个体层面上解答和揭示工业过程。复杂工业过程的控制问题期盼着用新的理论与方法来实实在在地解决工业现场的实际问题。人们研究的复杂工业过程是一个具有高度复杂、不可确定、多层次、网络性系统，在一个层次上是不可能把工业过程完全弄清楚，对其研究需要在多个层次上进行。所谓复杂工业过程乃是工业过程中带有根本性的、普遍性的又是远远没有解决的问题。这就需要我们在未来研究中，运用复杂系统理论提供的新概念、新方法及新成果，结合已经形成的复杂工业过程特有的概念体系和方法学，通过多个层次以及对多个层次的综合集成研究，最终在个体层面上解答和揭示工业过程。

从现阶段发展趋势看，在工业过程控制中控制策略的智能化，决策支持的“专家”化已成为必然。通过知识工程方法，将有关对象的定性知识、人的经验知识与技巧和启发式逻辑推理有效地集成起来，从而构成知识库系统，以支持系统控制策略和算法的优选及运行状态的优化，已成为复杂工业过程控制的重要技术手段。其实质是对人的能力放大和增强。计算机集成过程系统(Computer Integrated Process System ，CIPS) 是工业过程控制进入计算机时代的产物，以连续生产过程为研究对象，其目标是实现计算机集成综合自动化。

虽然计算机在系统中起很大作用，但仍然是辅助工具，人在监控级总体闭环中仍然起着不可取代的关键作用。这包括人在内的系统，实质上是一种人机智能系统，在协同作用过程中将展现出超过人的智力和才能的能力。但关键在于加强控制理论同生产实际密切结合，注意引入智能化方法和智能技术以及知识工程方法，逐步形成不同形式的既简单又实用的控制结构和算法，使控制理论智能化和工程化，以加快复杂工业过程控制的智能化进程。虽然计算机在系统中起很大作用，但仍然是辅助工具，人在监控级总体闭环中仍然起着不可取代的关键作用。这包括人在内的系统，实质上是一种人机智能系统，在协同作用过程中将展现出超过人的智力和才能的能力。但关键在于加强控制理论同生产实际密切结合，注意引入智能化方法和智能技术以及知识工程方法，逐步形成不同形式的既简单又实用的控制结构和算法，使控制理论智能化和工程化，以加快复杂工业过程控制的智能化进程。

8.3 复杂过程智能控制方法的研究现状 20世纪60年代，由于空间技术，海洋技术和机器人技术发展的需要，控制领域面临着被控对象的复杂性和不确定性，以及人们对控制性能要求越来越高的挑战。被控对象的复杂性和不确定性表现为对象特性的高度非线性和不确定性，高噪声干扰，系统工作点动态突变性，以及分散的传感元件与执行元件，分层和分散的决策机构，复杂的信息模式和庞大的数据量。面对复杂的对象和复杂的环境，用传统控制的理论和方法已经不能很好的完成控制任务。因此，解决复杂系统控制问题的智能控制应运而生。

近年来，把传统控制理论与模糊逻辑、神经网络、模式识别、遗传算法、小波分析等人工智能技术相结合，充分利用人类的控制知识对复杂系统进行控制。世界各国控制理论界也都在探索建立新一代的控制理论，以解决复杂系统的控制问题。经过长期的孕育与探索研究，人们认识到将人工智能原理和方法以及人的经验与智能用于复杂工业过程，是解决复杂工业过程控制问题很有希望和前景看好的途径。近年来，把传统控制理论与模糊逻辑、神经网络、模式识别、遗传算法、小波分析等人工智能技术相结合，充分利用人类的控制知识对复杂系统进行控制。世界各国控制理论界也都在探索建立新一代的控制理论，以解决复杂系统的控制问题。经过长期的孕育与探索研究，人们认识到将人工智能原理和方法以及人的经验与智能用于复杂工业过程，是解决复杂工业过程控制问题很有希望和前景看好的途径。

人们在实践中观察到人类具有很强的学习和适应周围环境的能力。有些复杂的系统，凭人的直觉和经验能很好地进行操作并达到理想的结果，这就产生了一种仿人的控制理论和方法，出现了新的、具有远大前程的“智能控制理论”研究方向。智能控制理论是对传统控制理论的发展，传统控制是智能控制的一个组成部分，是智能控制的低级阶段，因此，智能控制理论无疑是控制理论发展的高级阶段。人们在实践中观察到人类具有很强的学习和适应周围环境的能力。有些复杂的系统，凭人的直觉和经验能很好地进行操作并达到理想的结果，这就产生了一种仿人的控制理论和方法，出现了新的、具有远大前程的“智能控制理论”研究方向。智能控制理论是对传统控制理论的发展，传统控制是智能控制的一个组成部分，是智能控制的低级阶段，因此，智能控制理论无疑是控制理论发展的高级阶段。

智能控制的建立和发展是以众多新兴学科为基础的，其中思维科学是研究智能控制的重要认识论基础。智能控制的基本出发点是仿人的智能实现对复杂不确定系统的有效的控制，要模仿人的智能就要模仿人的思维方式，因此，必须研究人的思维形式和特点。这主要从三个方面着手：一是模拟人的抽象(逻辑)思维；二是模拟人的形象(直觉)思维；三是模拟人的灵感(顿悟)思维。智能控制的建立和发展是以众多新兴学科为基础的，其中思维科学是研究智能控制的重要认识论基础。智能控制的基本出发点是仿人的智能实现对复杂不确定系统的有效的控制，要模仿人的智能就要模仿人的思维方式，因此，必须研究人的思维形式和特点。这主要从三个方面着手：一是模拟人的抽象(逻辑)思维；二是模拟人的形象(直觉)思维；三是模拟人的灵感(顿悟)思维。

神经网络理论和知识工程是研究智能控制的重要基础。要从人脑神经系统结构和功能上模拟人的智能，必须研究基于连接机制的神经网络理论。由于神经网络具有逼近任意非线性函数的能力，并行信息处理及自学习等特点，因此它已成为研究智能控制的重要基础。智能控制系统是以知识为基础的系统，因此以研究知识表示、利用和获取为中心内容的知识工程也是研究智能控制的重要基础。神经网络理论和知识工程是研究智能控制的重要基础。要从人脑神经系统结构和功能上模拟人的智能，必须研究基于连接机制的神经网络理论。由于神经网络具有逼近任意非线性函数的能力，并行信息处理及自学习等特点，因此它已成为研究智能控制的重要基础。智能控制系统是以知识为基础的系统，因此以研究知识表示、利用和获取为中心内容的知识工程也是研究智能控制的重要基础。

研究和模仿人类智能是智能控制的最高目标，为模仿和构造智能控制系统，生命科学和脑科学关于人体和脑功能更深入的知识是不可缺少的，要研究生命系统中的自组织能力、免疫能力和遗传能力的精确结构。可见智能控制必须靠多学科联合才能取得新的质的突破。研究和模仿人类智能是智能控制的最高目标，为模仿和构造智能控制系统，生命科学和脑科学关于人体和脑功能更深入的知识是不可缺少的，要研究生命系统中的自组织能力、免疫能力和遗传能力的精确结构。可见智能控制必须靠多学科联合才能取得新的质的突破。智能控制系统由于被控对象的复杂性及不确定性，本质上决定了它必然是非线性系统，因此，研究非线性系统的理论如耗散结构论、突变论、协同论及混沌理论都可以作为主要工具用于智能控制的研究。

智能控制的研究领域十分广泛，除了传统控制理论外还包括：计划、学习、搜索算法、思维进化算法、复合系统、容错、纠错、重构、自主、petri网、神经网络、模糊逻辑、粗糙集理论等。智能控制所研究的被控对象可以是某一复杂的生产过程控制系统，也可以是社会经济管理系统、交通运输系统、环保及能源系统等，这里所说的被控对象是广义的，它的规模可以很大，象全球人口系统稳定性问题；也可以很小，如一个精密复杂的智能电子仪器。智能控制的研究领域十分广泛，除了传统控制理论外还包括：计划、学习、搜索算法、思维进化算法、复合系统、容错、纠错、重构、自主、petri网、神经网络、模糊逻辑、粗糙集理论等。智能控制所研究的被控对象可以是某一复杂的生产过程控制系统，也可以是社会经济管理系统、交通运输系统、环保及能源系统等，这里所说的被控对象是广义的，它的规模可以很大，象全球人口系统稳定性问题；也可以很小，如一个精密复杂的智能电子仪器。

基于人工神经网络理论、模糊数学理论，模式识别理论及专家系统理论等基础理论，并融合生理学、心理学、行为学、运筹学、传统控制理论等多学科的知识和方法，出现了许多有效的智能控制理论和方法，主要有：(1) 模糊控制(FC)；(2) 神经网络控制(NNC)；(3)专家控制(EC)；(4)分层递阶智能控制(HIC)；(5)仿人智能控制(AHIC)；(6)集成智能控制(IIC)，即将几种智能控制方法或机理融合在一起而构成的智能控制方法；(7)组合智能控制，即将智能控制和传统控制有机地结合起来而形成的控制方法。

8.4 氧乐果合成反应温度智能控制 8.4.1氧乐果合成反应过程简介氧乐果又称氧化乐果，分子式为C5H12NO4PS，是在农业生产中使用较为广泛的一种农药。其生产方法主要有后胺解法、先胺解法和异氰酸酯法，较为常用的是后胺解法，其生产流程如图8.1所示。图8.1 氧乐果生产流程示意图

图8.2 氧乐果合成反应工艺图 氧乐果生产中的合成（胺解）工序是整个氧乐果生产的关键，直接影响着氧乐果粗原油的收率、含量等指标。氧乐果的合成反应是一个剧烈的放热反应。反应物是一甲胺和精酯，反应产物是氧乐果粗原油。氧乐果合成反应工艺如图8.2所示。

计量罐中的一甲胺滴注到反应釜内，经搅拌后均匀地喷洒到反应釜中，与其中预先备好的精酯混合，发生剧烈的放热反应，生成氧乐果粗原油。反应釜外壁缠有冷却盐水管道，反应放出的热量经过热交换后被冷却盐水带走。有的计量罐内也装有冷却盘管。开始投一甲胺以前，要把精酯冷却到-20℃以下。操作工根据反应釜内精酯量计算出一甲胺应投料量。计算公式为： (8-1) 式中一般取0.44或0.43，其具体数值由技术人员根据一甲胺的含量来确定。

影响反应釜温度的因素有很多，经认真分析，主要因素如下：影响反应釜温度的因素有很多，经认真分析，主要因素如下： ① 一甲胺流量一甲胺流量是影响反应釜温度的最主要因素，流量大，则合成反应放热量多，温升快；流量小，则反应放热量少，温升慢。其中一甲胺流量主要受调节阀的影响，调节阀开度增大，则流量增加；反之，则流量减少。一甲胺流量还受计量罐中一甲胺液位的影响，阀位不变时，液位越高，则流量越大；反之，则流量越小。

② 冷却盐水流量和温度 冷却盐水流量越大，则冷却效果越好，温升越慢；反之，则温升越快。冷却盐水温度越低，则冷却效果越好；反之，则越差。其中一个反应釜的冷却盐水流量除受自身阀门开度影响外，还受其它反应釜的冷却盐水阀门开关状态的影响。 ③ 精酯量精酯量越多，则所需一甲胺量也越多，反应放热量就越多；反之，则反应放热量就越少。

④ 一甲胺累积投料量 随着一甲胺累积投料量的增加，合成反应的放热量也在增加。累积投料量达到总量的25%时，反应最为剧烈，温升较快；投料总量剩余20%时，精酯已大部分被消耗掉，即使以较快的速度投一甲胺，反应温度也不会有较大上升。

⑤ 反应进行时间 反应刚开始时，由于精酯较多，反应较为剧烈，局部温升较大。随着反应时间的延长，精酯逐步被消耗掉，与反应刚开始时相比，在一甲胺流量相等的情况下，反应放热量减少，温升变慢。 ⑥ 一甲胺温度反应温度受一甲胺温度的影响，一甲胺温度越低，则反应温度上升越慢；反之，则越快。但通常一甲胺温度比较稳定，波动不大。

⑦ 反应起始温度 反应刚开始时，精酯被冷却到的温度称为反应起始温度。起始温度越低，则温升越慢；反之，则越快。 ⑧ 环境温度环境温度影响冷却效果，环境温度越低，则冷却效果越好，温升越慢；反之，则温升越快。以上这些因素对氧乐果合成反应同时作用，共同影响着反应温度。

氧乐果合成反应包含7道工序，反应釜工艺流程如图8.3所示。在这7道工序中，氧乐果的合成反应过程对温度和一甲胺投料速度均有较高的要求。氧乐果合成反应包含7道工序，反应釜工艺流程如图8.3所示。在这7道工序中，氧乐果的合成反应过程对温度和一甲胺投料速度均有较高的要求。图8.3 反应釜工艺流程图

根据氧乐果合成的工艺要求，反应开始前先将精酯冷却到-20℃以下，然后，开始投一甲胺进行合成反应。当反应釜温度上升到-14～-12℃后，在温度不超过-12℃前提下，要求尽可能快地完成一甲胺投料。根据氧乐果合成的工艺要求，反应开始前先将精酯冷却到-20℃以下，然后，开始投一甲胺进行合成反应。当反应釜温度上升到-14～-12℃后，在温度不超过-12℃前提下，要求尽可能快地完成一甲胺投料。反应初始阶段，即使反应温度很低，温升较慢，甚至是负增长，一甲胺的投料速度也不宜过快。因为，此时反应釜内精酯含量较多，合成反应比较剧烈，容易造成局部温度过高，降低合成质量。

一甲胺累积投料量已达到总量的25%时，合成反应的总体放热效果开始超过系统的冷却效果，系统的热平衡被打破，反应温度开始快速增长，此时要采用较低的投料速度，抑制合成反应的放热量和放热速度，从而使反应温度上升趋势放缓。反应釜温度上升到接近-12℃后，保持适当的投料速度，系统处于热平衡状态，反应温度在小范围内变化。一甲胺的剩余量少于总量的20%时，由于反应釜内的精酯大部分已经被消耗掉，此时可以以较快的速度进行投料，而反应釜温度不会出现快速攀升。一甲胺累积投料量已达到总量的25%时，合成反应的总体放热效果开始超过系统的冷却效果，系统的热平衡被打破，反应温度开始快速增长，此时要采用较低的投料速度，抑制合成反应的放热量和放热速度，从而使反应温度上升趋势放缓。反应釜温度上升到接近-12℃后，保持适当的投料速度，系统处于热平衡状态，反应温度在小范围内变化。一甲胺的剩余量少于总量的20%时，由于反应釜内的精酯大部分已经被消耗掉，此时可以以较快的速度进行投料，而反应釜温度不会出现快速攀升。

8.4.2 氧乐果合成反应对象模型分析 氧乐果合成反应具有多变量、非线性、时变、扰动复杂的特点。系统的基本扰动是一甲胺流量。此外，各反应釜冷却系统可能同时开或者部分开部分关，对每次合成反应来说，还存在着冷却扰动。对同一个反应釜的每一次合成反应，一甲胺的总投料量存在差异，即使总投料量相同，还会存在由一甲胺的含量波动引起的总投料量事实上的差异。因此一甲胺总投料量也是系统不能忽视的一个扰动。

可以认为氧乐果合成反应过程控制系统如图8.4所示。被控系统有3个输入量，、 和，其中为一甲胺流量，是控制系统的基本输入；和分别为冷却扰动和一甲胺总投料量扰动。图8.4 氧乐果合成反应过程控制系统框图

经过对氧乐果合成反应的运行参数和控制参数仔细观察，可以将对象近似为一阶环节加纯滞后，其相应的传递函数为经过对氧乐果合成反应的运行参数和控制参数仔细观察，可以将对象近似为一阶环节加纯滞后，其相应的传递函数为 (8-2) 反应是一个时变系统，模型参数从反应开始到结束，在大范围内变化。纯滞后时间从几秒钟变化到几分钟。

与反应进行时间，精酯含量 ，一甲胺含量，反应釜初始温度和其它因素有关，可以用下式表示 (8-3) 是一个多因素决定的、在反应过程中不断变化的、而且变化范围比较大的参数。也就是说，对同一釜的合成反应，在不断的变化；对同一个反应釜的不同批次合成反应，的变化曲线不完全相同；不同反应釜的合成反应，的变化曲线也存在差异。时间常数和具有类似的特性。

氧乐果合成反应的静特性具有明显的非线性。反应釜温度响应曲线的增益 是在不断变化的，反应初期增益较大，一甲胺累加已投料约为投料总量的25%左右时，达到最大，然后慢慢减小，到投料结束减至最小。的大小与一甲胺含量、总投料量有关，的变化规律如图8.5，Mt(kg)表示投料累积量。增益使得系统具有高度非线性。图8.5 增益系数K变化曲线

综合上述分析，可以看出氧乐果合成反应具有多变量、非线性、时变、分布复杂等特点，传统的经典控制方法已难以满足要求。因此要舍弃对对象模型的精确求解，寻求新的控制方法。综合上述分析，可以看出氧乐果合成反应具有多变量、非线性、时变、分布复杂等特点，传统的经典控制方法已难以满足要求。因此要舍弃对对象模型的精确求解，寻求新的控制方法。

8.4.3氧乐果合成反应温度智能控制 智能控制作为一个新兴的学科领域，不要求对象的精确模型，对模型不确定、高度非线性的系统，能够对一个问题的激励输入，由自身的智能行为，产生合适的求解问题响应。智能控制已经广泛应用于用传统方法难以解决的复杂系统的控制问题。国内外已经有很多研究人员将智能控制方法运用到生化过程和化学合成过程的控制，取得了较好的效果。经过认真分析和研究，氧乐果的合成反应过程适合采用智能控制方法。

综合多方面的考虑，对氧乐果的合成反应实行分段控制。即按照一甲胺累积投料量把反应过程划分为四段。记一甲胺投料量为 ，累积投料量为，则可以把氧乐果合成反应过程划分为4个阶段： Ⅰ反应初始阶段，对应的反应时间为[0， ] Ⅱ温度上升阶段，对应的反应时间为[ ， ] Ⅲ稳定反应阶段，对应的反应时间为[ ， ] Ⅳ反应结束阶段，对应的反应时间为[ ， ] 其中，，的值分别为大约60kg, 90kg和50kg,其具体值可以在程序中更改。

Ⅰ反应初始阶段的控制策略 根据氧乐果的合成反应工艺规定，反应初始阶段的流量要控制在420kg/h左右，并可以根据反映釜初始温度进行小范围调整。反应初始阶段的控制目标是反应釜温度 ℃。因此可以对反应釜初始温度 ℃时设定一个一甲胺初始流量，根据此初始流量和反应初始温度确定一甲胺在反应初始阶段的流量控制。如果 ℃ 则关阀。

在反应初始阶段由经验可以归纳出反一甲胺流量的专家控制算法：在反应初始阶段由经验可以归纳出反一甲胺流量的专家控制算法： IF THEN CONTROL_METHOD_INDEX=1 反应初始阶段控制算法（CONTROL_METHOD_INDEX=1） IF ℃ THEN IF ℃ THEN IF ℃ THEN IF ℃ THEN IF ℃ THEN IF ℃ THEN

IF ℃ THEN IF ℃ THEN IF ℃ THEN IF ℃ THEN IF ℃ THEN IF ℃ THEN IF THEN IF THEN 其中根据经验获取，并可以在程序运行时修改。这里取

Ⅱ温度上升阶段控制策略 该阶段对于后期氧乐果合成反应较为重要。如果温升过快，会导致温度超标；反之，如果温升比较慢，则会使整体投料时间延长。因此必须控制好温度上升速度，使其斜率在合理的范围内。类似反应初始阶段，为本阶段的一甲胺流量设定一个基本值，在此基础上进行调整。记为氧乐果合成反应进入Ⅱ阶段时的反应釜温度。则可以认为理想温升速率

关键在于确定Ⅱ阶段的反应时间 ，根据经验，的值为12分钟。由此可以求得氧乐果合成反应Ⅱ阶段的理想温升速率。该反应阶段，一甲胺的流量由反应釜温度，反应釜温度变化率和一甲胺累加已投料量决定。即控制器的输入输出映射关系为如果知道映射关系，那么对任一确定的、、，就能求出控制器的输出。但是氧乐果的合成是一个非常复杂的化学反应过程，要求出精确的映射关系是非常困难的。只能对合成反应历史数据中的控制和运行参数采用抽取典型样本点的方法，对进行逼近，获得近似的映射关系。

图8.6 温升阶段神经网络示意图 对其它非样本值由依据插值法来确定相应的输出。因此我们决定采用神经网络技术对该阶段合成反应进行投料控制。如图8.6所示，构造3×4×1的BP网络，采用型激励函数。为方便起见，以温度变化率与理想温升速率的比值来反映温度变化率，以实际流量与该反应阶段的基本流量的比值作为控制器的输出。于是有

系统在第一阶段的试运行期间对氧乐果合成反应已采集了近百釜的合成反应数据，我们从这些数据中挑选出控制效果比较好的27釜反应数据，然后在这27釜数据中选取32组数据作为学习样本对网络进行训练。利用MATLAB仿真工具对网络进行训练。网络的初始权值由MATLAB仿真工具随机给定。系统在第一阶段的试运行期间对氧乐果合成反应已采集了近百釜的合成反应数据，我们从这些数据中挑选出控制效果比较好的27釜反应数据，然后在这27釜数据中选取32组数据作为学习样本对网络进行训练。利用MATLAB仿真工具对网络进行训练。网络的初始权值由MATLAB仿真工具随机给定。

经过4187步学习后网络收敛，误差平方和达到0.02。学习后的网络权值如下：经过4187步学习后网络收敛，误差平方和达到0.02。学习后的网络权值如下：从挑选出的27釜反应数据中选取16组作为测试样本对训练好的网络进行测试，网络的输出结果与实际基本吻合。

Ⅲ 平稳反应阶段控制策略 由于氧乐果合成反应对一甲胺投料工艺要求在保证温度不超标的情况下，应尽可能快的完成一甲胺投料，因此，本阶段理想的控制效果应该是让反应釜温度曲线沿着设定温度呈水平直线走。对该反应阶段必须进行比较精确的控制。根据经验，仍然对该反应阶段设定一个一甲胺流量的基本值，在该流量值的基础上进行调节。

该反应阶段由于温度允许变化的范围尤其是向上变化的范围比较小，因此，当温度贴近 并处于上升情况时，不但要考虑曲线的变化率，还要考虑曲线的二次变化率。比如说，当 ℃（假定 ℃）时，曲线的斜率为，那么当和这两种情况下对一甲胺流量的调节是不一样的，对于前者显然调节的幅度要大一些。当温度处于下降趋势时，也会遇到类似情况。因此，与温升阶段相比较，该反应阶段除了考虑反应釜温度，温度的一次变化率，一甲胺累积已投料量外，还应该考虑反应釜温度的二次变化率。

第 8 章 智能控制在过程控制中的应用