论文部分内容阅读
众所周知,热交换器是工业传热过程必不可少的设备,几乎一切工业领域都要使用.因此,如果能够建立其动态模型,则对换热器的设计、安全运行、自动控制等方面都有着重要的意义.随着生产规模的扩大和生产技术的现代化,要求热交换器必须满足各种特殊情况和特殊要求,热交换器的工作原理越来越复杂,表现为有滞后、时变、非线性及众多不确定因素影响等等,其动态特性很难用传统的数学建模方法给出系统的精确模型.而神经网络理论具有很强的模式识别和自学习能力,可以实现那些难以用数学模型表示的复杂的映象关系.针对神经网络的这个特点,本文利用神经网络理论对换热器系统进行动态建模,通过利用改进的动态Elman网络和静态网络加动态环节两种不同的方法建立换热器系统的神经网络动态模型,分别为黑箱式动态模型和灰箱式动态模型.其中灰箱式模型是本文在研究换热器特点的基础上,根据热工过程运行的特性,而提出的基于工作点的换热器神经网络动态建模方法,具有创新性.并推导两种建模方法的算法,算法推导过程中使用矩阵形式,相对于一般文献中的针对权值元素的推导算法,矩阵形式易于理解和编程,且具有通用性,同样可以适用于多输入、多输出系统.两种模型建立后,通过对所建神经网络模型的训练,对灰箱式动态模型和黑箱式动态模型的训练和预测的效果进行了比较分析,得出灰箱式模型经过训练后,在预测的过程中精度高,模型参数随工作点和时间发生变化,真正实现了非线性系统动态建模.同时,本文针对神经网络理论到目前为止,对网络的收敛问题还没有明确的理论指导这一问题,进行了尝试,提出了自适应变步长调整法,保证了网络的收敛性.最后,通过Vb语言编程所建立的神经网络动态模型软件,同样可以适用于其它一般的工业热工过程,具有一定的通用性.