碱回收过程控制统集成及苛化工段BP神经网络操作优化.pdfVIP

碱回收过程控制系统集成及苛化工段 BP神经网络操作优化 摘要 碱回收是造纸厂处理黑液的有效方法，碱回收过程分为燃烧、 蒸发和苛化三个工段，它们属于复杂的工业过程，具有复杂性、非 线性、大时滞、强耦合和参数检测困难等特点，而且人们对控制系 统的要求越来越高，常规的PID控制已经不能满足生产的需要，因 此先进控制便应用在造纸工业过程来解决复杂的控制问题。 苛化工段是碱回收工艺中的最后一个环节，在碱回收中有着重 要的作用，它为蒸煮工段得到优质、足量的白液提供了保证。要使 苛化过程反应控制得恰当，必须进行一些必要的测控，比如：分别 控制好绿液的浓度和流量；石灰的质量和加入量；反应温度；反应 时间；生产物苛性钠(白液)与碳酸钙(白泥)的分离等。而这一 过程是一个非线性时变过程，而且又有很大的滞后时间，各变量之 间机理复杂，比较难以建立机理模型。论文主要以河南某纸业碱回 收苛化工段为工程应用背景，主要工作和创新点包括以下两个方面： (1)针对当前制浆造纸行业自动化系统的特点和存在的问题， 代过程控制系统SIMATICPCS7的碱回收车间全集成自动化解决方 案。针对碱回收生产流程的控制系统，着重研究其过程控制(PCS) PCS7 层的实现方法。本论文选用西门子公司的SIMATICV6．1系统， S7 PCS7包括SIMATIc PLC、Server和OS(Operation 通讯机制，包括实时工业以太网、PROFIBUS现场总线。 (2)基于BP神经网络建立了苛化过程的数学模型，完成了苛化 过程的设计、实施以及操作优化。在分析了影响苛化效果因素的基 础上，确立了以绿液的浓度、流量和苛化度为输入变量，以反应温 度和石灰的加入量为输出变量，隐层数为l，隐层节点数为3的三层 网络模型。采用BP神经网络对苛化过程进行建模，并对此网络模型 进行了仿真。仿真结果表明该模型能较好地描述过程地行为，各操 作变量对过程输出的影响符合实际的工艺情况，网络模型的验证也 说明模型的记忆能力和泛化能力都比较理性，能够满足工业生产的 实际要求。 操作优化本质上是稳态优化。通常采用递阶控制系统结构，将 优化层置于直接控制层之上，由上位机给出几个控制器的设定值。 在此模型基础上，同时在保证苛化度满足工艺要求的情况下，以生 产成本为目标函数，对碱回收苛化过程进行优化。通过根据上位机 上给出的该工艺主要工艺操作参数的设定值，通过基本控制级的调 节作用，使上述工艺参数运行在优化区，从而在满足苛化效果的同 时，节约生产成本。 关键词：碱回收过程，苛化工段，BP神经网络，PCS7，工业以太网 CONTROLSYSTEMINTEGRATIONOFALKALI ANDBPNEURAL RECOVERYPROCESS BASED NETWORKOPERATIoN OFCAUSTICSECTION ABSTRACT Alkali isthemosteffectivemethod recoverysystem toresolvethe black it’S of and caustic liquor，andcomposeevaporation，combustion arethe havethecharacter complicatedprocesses，and plants，they they ofcomplex