论文部分内容阅读
目前，化学过程工业正面临着巨大的挑战，随着计算机技术的高速发展，化工过程模拟已成为一种成熟的解决方法。通过计算机仿真去模拟现实生产过程的参数变量，它能够给出变量间的关系和变化规律。在实际生产过程中，化工过程动态模拟已在过程工业的控制方案研究，优化生产指标中得到了广泛的应用。
在典型化工过程中，PID控制是迄今为止使用最为广泛的控制器，但PID控制效果的好坏很大程度上取决于PID参数的优化。由于工业过程中大量时间延迟和非线性环节的存在，使经典PID难以得到快速而有效的整定。为了得到PID参数的全局最优点，本文提出了一种基于改进差分进化算法的PID整定方法。在差分算法中结合自适应控制的方法对变异算子进行改进，并引入了移民的方法以提高算法的全局寻优能力。使用改进差分算法可以迅速得到一组最优的PID参数，但是由于现代工业中过程特性的非线性变化，固定的PID参数不能完全满足要求，所以本文又引入了神经网络的智能PID控制方法，利用了神经网络非线性无限逼近的能力，建立非线性模型去优化PID参数，根据所获得的过程数据实时动态地优化调整PID参数。由于神经网络的初始权值直接影响了PID的参数调整，所以本文利用改进差分进化算法的快速全局寻优这一特性，去优化神经网络的初始权值，以得到高质量的控制效果。
本文使用HYSYS软件动态模拟了苯-环已烷的共沸精馏系统，采用Matlab编写的基于IDE的神经网络PID，通过OPC接口实现对该精馏塔的最佳控制，结果表明基于IDE的NN-PID控制效果明显优于经典PID和基于GA的NN-PID，证明了该方法的有效性和可行性。