论文总字数：56238字

摘 要

软测量技术也叫做软仪表技术，是现如今有着广大发展趋势且不断崛起的工业技术。本质上找出易采集过程变量和不易采集待测变量之间持有的某种联系，紧接着，使用不同的数学计算法，来完成对主导变量的测量以及估计。

本论文对BP神经网络和RBF神经网络进行了介绍，通过查阅相关背景，借鉴于前人的研究成果，经过汲取与提炼，用某厂丁二烯精馏装置作为背景，使用基于ANN的软测量技术，利用计算机采集各辅助变量的实时数据充当训练样本。主要用BP神经网络对丁二烯浓度进行软测量建模，通过把预测结果与期望结果作比较，来给丁二烯精馏装置平稳运作给予数据支持。

关键词：软测量技术 人工神经网络 丁二烯 精馏装置

The development of soft Sensor Model for Butadiene Distillation

system based on Neural Network

Abstract

Soft measurement technology, which is also known as soft instrument technology, is a new industrial technology with broad development prospects. It bases on the relation between the easy-to-measure process variable(assistant variable) and the need measuring process variable(main variable) which is difficult to measure directly to measure the need measuring process by all kinds of mathematic methods.

In this thesis, it introduced the calculation methods of BP nerve net and RBF nerve net. Take the Butadiene distillation unit of one refinery as the background which based on entirely digesting and absorbing the foretime study fruit, fully analyzing the system characteristic, and the details of production unit. Take the real time data of assistant variable obtained by top computer as the training sample, apply the BP nerve net of manual nerve cell net soft measurement technology to the thickness of butadiene to conduct modeling, then compare the forecast value and desired value to provide data support for the stable operation of butadiene distillation.

Key Words: Soft measurement technology; Manual nerve net; Butadiene; Distillation unit

目录

摘要 I

Abstract II

第一章 绪论 1

1.1选题意义 1

1.2 国内外研究现状 1

1.3 课题任务 2

第二章 丁二烯精馏工艺 3

2.1 产品性质及用途 3

2.2 丁二烯工业生产状况 3

2.3 丁二烯工业生产工艺 3

第三章 软测量软件技术原理 6

3.1 软测量定义 6

3.2 软测量模型描述 6

3.3 软测量结构与分类 7

3.3.1 软测量结构 7

3.3.2 软测量技术分类 7

3.4 影响软测量性能因素 7

3.4.1 选择变量 8

3.4.2 数据处理 8

3.4.3 在线校正 9

3.5 软测量技术应用 9

第四章 人工神经网络 11

4.1 ANN简介及特征 11

4.2 人工神经网络的软测量模型 11

4.3 BP神经网络 11

4.3.1 简介 11

4.3.2 BP神经网络算法 12

4.3.3 BP网络设计与改进 16

4.4 RBF神经网络 17

4.4.1 RBF神经网络简介 17

4.4.2 网络原理 18

4.4.3 RBF与BP比较 21

第五章 软测量模型训练及验证 22

5.1 基于VS.NET实现BP神经网络算法 22

5.2 BP神经网络确定结构 23

5.3 软测量BP神经网络模型训练与仿真验证 24

5.4 基于MATLAB实现RBF神经网络算法 26

5.5 软测量RBF神经网络模型训练与仿真验证 27

第六章 总结与展望 29

参考文献 30

致谢 32

附录一 MATLAB程序 33

附录二 C#程序 34

第一章 绪论

1.1选题意义

众所周知，作为一个企业，想要在激烈竞争的市场中生存和发展，对于生产产品的质量要求由其重要。因此，要达到质量的优化控制，就要求我们必须在生产产品时对产品的质量以及与产品质量相关的过程变量实行严密的质量化控制，正如获取精馏塔中的产品质量。对于丁二烯精馏塔的工业生产，想要确保工业过程操作平稳运行以及生产产品的质量，就要求我们严格监视和控制与产品质量相关的过程变量，例如精馏塔的产品组分浓度。在工业生产过程中，务必对此类参数进行严加监控，因为其直接或间接的影响着生产过程状态以及品质。但是，实际工业中，一些主要变量不能直接检测或很难检测^[1]。也许是因为技术不过关，或者需要花费大量金钱的原因，只可以通过采集样本，然后离线人工化验的方法获得。

在传统的两种解决方法中，间接质量指标控制法存在精度问题，而直接测量法费用比较昂贵，由此提出了软测量技术，这是一门在工业上具有广大发展前景的新兴技术。而在近几年看来，研究最多的就是基于ANN的软测量建模方法，其发展快，应用的范围也很广，深受人们的亲赖。通过对相关辅助变量的选择，实现基于神经网络对精馏塔中丁二烯浓度进行软测量建模，为丁二烯精馏操作稳定运行提供数据支撑。

1.2 国内外研究现状

现如今，在工业过程中，软测量技术的成功应用案例着实良多。在国外，在线重要组成部分，应用十分广泛，也存在着许多公司出售自己不同式样的仪表,这些仪表被普遍的运用到生产需求中,从而获得了显著的经济利益。在国内，软测量有经验，思想早就被应用，70年代至今可视为在应用中的一个范例。由于使用基于ANN的软测量模型，能够较好的对物体对象的特性进行深刻的描绘，因此，在我国部分企业和相关公司都引进此类技术,但是，引进的这些软件的价格都比较不菲。基于这样的原因，国内人士经过自身在软测量方面的努力研究，对其理论以及在工程上的应用投入了大量工作,最终也获取了不错的成果!

1.3 课题任务

在本论文中，把软测量技术作为文章的主线，分析与研究软测量的相关内容，对软测量的应用与方法展开讨论。介绍BP和RBF神经网络，分析丁二烯精馏装置，对其深刻了解后，基于ANN来建立丁二烯精馏系统软测量模型开发。

文章探究的内容：首先，了解丁二烯精馏工艺，通过对其机理分析，采集到相关的变量数据，从中选择合适的辅助变量；然后，对采集到的数据进行相关性处理；继而来建立软测量模型，以BP神经网络为主；最后对建立的模型进行训练与仿真，验证模型的精度。

请支付后下载全文，论文总字数：56238字