基于神经网络的树脂浓度控制

提出了利用人工神经网络学习能力强的特点，构建一个树脂浓度的在线软测量模型，从而实现了对某生产过程聚合工序出料树脂浓度的检测和控制。仿真结果表明了本方案的优越性和可行性。     

影响聚丙烯树脂反应器循环气在线色谱分析仪测量数据准确性原因分析

在石油化工和煤化工聚丙烯树脂生产工艺中,反应器中氢气和丙烯浓度的比值是工艺调节熔融指数的主要依据,决定了聚丙烯树脂产品的不同牌号和产品质量,对工艺操作极为重要。由于反应器中聚合反应持续进行且剧烈,导致反应器中各组分工艺气浓度不断变化,由于实验室离线分析周期长,送分析的样品在样品采样、运输和待分析过程中持续反应,分析数据已不具备代表性,使得在线分析数据成为此处工艺操作人员掌握工艺气各组分浓度的唯一选择。在原料气组分出现波动、操作条件改变或切换生产牌号时,没有实时分析数据做参考,不仅增大了工艺的操作难度,也使得产品的不合格率增大,企业生产成本升高。聚丙烯装置树脂反应器循环气在线色谱分析仪能否准确稳定测量数据,直接决定了聚丙烯树脂产品的质量。通过多方面详细分析影响聚丙烯反应器循环气在线色谱分析仪测量数据准确性的原因,并提出科学合理的解决方案。     

大孔弱碱树脂对邻苯二甲酸的吸附性能研究

研究了大孔弱碱树脂D309(聚苯乙烯系)和PVP(聚乙烯吡啶系)树脂对水溶液中邻苯二甲酸的吸附性能,探讨了溶液的pH和无机盐对树脂吸附邻苯二甲酸的影响。结果表明,这2种树脂对邻苯二甲酸均具有良好的吸附性能,其对邻苯二甲酸的吸附都同时满足Langmuir和Freundlich等温吸附方程:D309树脂通过Lowis作用和静电作用吸附邻苯二甲酸,PVP树脂对邻苯二甲酸的吸附行为是氢键所致。吸附是一放热过程且能够自发进行。     

水溶液中啶虫脒和苯甲酸在吸附树脂上的双组分吸附行为研究

以D201和氨基修饰的交联苯乙烯-二乙烯苯共聚体ZH202为吸附剂,啶虫脒和苯甲酸为吸附质,在单组分、双组分水溶液中,不同温度(288、303、313K)下进行静态吸附实验,考察树脂对吸附质的吸附行为,吸附选择性。实验结果表明,2种吸附剂在单组分和双组分体系中对2种吸附质的吸附等温线均符合Freundlich方程;通过吸附体系的热力学参数及吸附等温线说明苯甲酸在2种吸附剂上的吸附过程均为吸热过程,啶虫脒在D201和ZH202树脂上的吸附过程属放热的物理吸附过程;树脂在水溶液双组分吸附体系中,在较低的浓度时,呈现竞争吸附现象,在较高浓度时,呈现协同吸附现象。     

乙基纤维素修饰的超高交联吸附树脂对四环素的吸附行为

通过Friedel-Crafts反应和化学修饰反应制备了乙基纤维素修饰的超高交联吸附树脂ECMR,采用傅里叶变换红外光谱和比表面及孔径分析对树脂结构和表面参数进行分析表征。通过静态吸附.脱附、吸附动力学和小柱吸附-脱附实验探讨了ECMR树脂对四环素的吸附行为。结果表明:ECMR树脂的BET比表面积为1083.9m~2/g,微孔面积为885.7 m~2/g。与NDA150相比,ECMR树脂对四环素具有更好的吸附性能,2种树脂对四环素的吸附量均随着温度升高而增加,吸附过程存在着较强的不可逆的化学吸附作用。2种树脂对四环素吸附动力学过程符合准一级方程,颗粒内扩散是吸附过程的主要控制步骤。小柱吸附-脱附结果表明ECMR:树脂对四环素的饱和吸附量较大,Methanol/4%NaOH(V_1/V_2=1/1)的溶液能够很好的使ECMR树脂再生。     

土壤电导率原位测定的直流四极法

简要地讨论了用直流四极法测定土壤中电导的原理，较详细地描述了作者设计的一种测定天然和土壤浸出液的直流四极电导池的结构，在内电极的端部覆盖一层离子交换树脂膜和动物胶膜的情况下在１０＾－１～１０＾－４ｍｏｌ／Ｌ的ＮａＣｌ标准溶液中，电导池的电导与盐的浓度呈现良好的线性关系，在上述浓度范围内，用直流四极法和交流二极法所得结果的相关系数为０．９９８。讨论了土壤含水量对结果的影响，达到稳定响应的时间约为５分     

偏苯三酸酐修饰的吸附树脂对苯酚和对硝基苯酚的吸附研究

通过后交联及化学修饰反应制备了偏苯三酸酐修饰的超高交联吸附树脂(TMA),研究了TMA树脂对苯酚和对硝基苯酚的吸附行为。结果表明,TMA树脂具有较高的比表面积和较丰富的微孔,对苯酚和对硝基苯酚均具有较好的吸附性能,且吸附过程为典型的物理吸附,其等量吸附焓变、自由能变和熵变均为负值。Langmuir和Freundlich等温方程均能较好地拟合苯酚和对硝基苯酚在TMA树脂上的吸附等温线。吸附动力学过程符合准一级动力学方程,颗粒内扩散过程是TMA树脂吸附苯酚和对硝基苯酚的主要控制步骤。     

高吸水树脂的性能及其在农业上的应用

综述了新型化学抗旱节水材料?高吸水树脂的种类、吸水原理、主要的性能特征以及具体的使用方法。高吸水树脂可以通过抑制水分蒸发,增加土壤含水量以及改良土壤结构等方面,起到保水和促进作物生长发育以及提高产量的作用。指出了我国应在开发研制高吸水树脂保水剂的种类,提高释水性能和降低价格等方面加强研究。     

湿热环境下CFRP复合材料吸湿过程的仿真分析

针对碳纤维增强树脂基复合材料(CFRP)在湿热环境下的吸湿老化问题,运用Abaqus软件从细观尺度上对复合材料周期单胞结构的吸湿过程进行了有限元仿真分析,获得了不同纤维分布下两类模型吸湿后内部的水分浓度场.结果 表明,CFRP复合材料的吸湿是绕过碳纤维而仅在树脂基体内部扩散的,吸湿前期速率较快但吸湿则后期要经过相对较长的时间才能达到平衡吸湿状态,基体中不同形式的纤维分布对CFRP复合材料吸湿过程会产生一定程度的影响.吸湿瞬态过程的有限元仿真分析为后续计算水分扩散进材料内部后的吸湿应力奠定了基础.     

工业废盐酸的动态离子交换法除铝研究

采用001×7型阳离子树脂对电解工段的废盐酸进行了脱除铝的研究。通过动态吸附实验考察了废盐酸处理量以及树脂床高径比对铝吸附效果的影响,确立了树脂床的最佳工作条件。结果显示,最佳进料流量为0.2 mL/s,树脂床的高径比为10:1,贯穿时间为10.3min,贯穿吸附容量为760 mg,接触时间τ为43.3 min时树脂床饱和需再生,此时铝的去除率为52.3%,饱和吸附容量为1409 mg。     

Comparative study of black-box and hybrid estimation methods in fed-batch fermentation

A neural network based softsensor is proposed for a PHB fed-batch fermentation process. The softsensor is designed to estimate the biomass concentration on-line. The design is based on the following model structures: 1. a feedforward neural network, 2. a RBFN (radial basis function neural network) and 3. hybrid models composed of either feedforward or RBFN neural network and the a priori known dilution term of the mass balance equations. The different designs are experimentally implemented and compared using Alcaligenes eutrophus as a model fed-batch system. Additionally, the possibility of directly inferring the substrate (glucose) concentration from the estimated biomass was investigated by assessing the variability of the corresponding yield coefficient. The combination of the neural network model and mechanistic differential equation provided the best results. Because of the variability in the yield coefficient, substrate concentration could not be inferred directly.     

石刻文物防环境浸蚀复合保护材料专家系统

利用神经网络ＢＰ算法,变步长学习函数和多线程技术构造了聚丙烯酸酯一环氧树脂互穿聚合物胶粘层保护材料和聚丙烯酸－聚有机硅氧烷互穿聚合物表面涂层材料的摩岩刻复合保护材料的合成最佳配比专家系统。     

Prediction of sulphur dioxide concentration using artificial neural networks

A three-layer neural network model with a hidden recurrent layer is used to predict sulphur dioxide concentration and the predicted values are compared with the measured concentrations at three sites in Delhi. The Levenberg–Marquardt algorithm is used to train the network. The neural network is used to simulate the behaviour of the system. A multivariate regression model is also used for comparison with the results obtained by using the neural network model. The study results indicate that the neural network is able to give better predictions with less residual mean square error than those given by multivariate regression models.     

溶解氧浓度的直接自适应动态神经网络控制方法

针对污水处理过程溶解氧浓度的控制问题,提出一种直接自适应动态神经网络控制方法(direct adaptive dynamic neural network control,DADNNC).构建的控制系统主要包括神经网络控制器和补偿控制器.神经网络控制器由自组织模糊神经网络实现系统状态与控制量之间的映射;提出一种基于规则无用率的结构修剪算法,并给出结构调整后网络收敛的理论证明.同时,为保证系统稳定,设计补偿控制器减小网络逼近误差,参数调整由Layapunov理论给出.国际基准仿真平台上的实验表明,与固定结构神经网络控制器、PID和模型预测控制等已有控制方法相比,DADNNC方法具有更高的控制精度和更强的适应能力.     

基于AIGA-BP神经网络的粮食产量预测研究

为了提高预测粮食产量的准确度,针对BP神经网络进行粮食产量预测时易陷入局部最优的缺陷,主要借鉴免疫系统的浓度调节机制和遗传算法的全局寻优特性,用自适应免疫遗传算法（AIGA）来优化BP神经网络的权值和阈值,并给出了具体的优化过程。用优化的神经网络对粮食产量进行了仿真预测,通过仿真实验表明,与BP神经网络预测法和遗传神经网络预测法对比,优化的网络模型在粮食产量预测中取得了更精确的结果。     

Fuzzy neural networks for estimation and fuzzy controller design: simulation study for a pulp batch digester

A structural implementation of a fuzzy inference system through connectionist network based on MLP with logical neurons connected through binary and numerical weights is considered. The resulting fuzzy neural network is trained using classical backpropagation to learn the rules of inference of a fuzzy system, by adjustment of the numerical weights. For controller design, training is carried out off line in a closed loop simulation. Rules for the fuzzy logic controller are extracted from the network by interpreting the consequence weights as measure of confidence of the underlying rule. The framework is used in a simulation study for estimation and control of a pulp batch digester. The controlled variable, the Kappa number, a measure of lignin content in the pulp, which is not measurable is estimated through temperature and liquor concentration using the fuzzy neural network. On the other hand a fuzzy neural network is trained to control the Kappa number and rules are extracted from the trained network to construct a fuzzy logic controller.     

动物细胞悬浮培养过程神经网络逆解耦控制

动物细胞的悬浮培养以细胞增殖快、生产效率高等优势,成为动物细胞大规模培养的首选方式。而动物细胞悬浮培养过程是一个非线性、强耦合的多输入多输出系统,对一些生物参数(如细胞密度、基质浓度和产物浓度)的控制是提高整个生产水平的关键,应用神经网络逆系统方法对动物细胞悬浮培养过程进行线性化解耦控制,根据培养过程的特点,给出了相应的数学模型,并证明了系统的可逆性,利用神经网络的非线性逼近能力辨识出原系统的逆系统,然后串接在原系统前面构成伪线性复合系统,使动物细胞悬浮培养过程线性化解耦成三个子系统：一阶线性细胞密度子系统、一阶线性基质浓度子系统和一阶线性产物浓度子系统,最后设计模糊PID控制器对各解耦后的线性子系统进行控制,避免了传统PID控制器最优参数选取困难的问题。仿真结果表明,神经网络逆系统方法实现了对动物细胞悬浮培养过程的线性化解耦,系统对给定输入实现了高性能跟踪控制。     

基于逆系统的青霉素发酵软测量

针对青霉素发酵过程中菌体浓度、基质浓度、产物浓度等关键参量难以直接测量的难题,将逆系统方法与动态递归模糊神经网络(DRFNN)相结合,提出一种基于动态递归模糊神经逆的青霉素发酵软测量方法.在证明了系统可逆的条件下,得到系统的逆模型;再应用DRFNN网络所具有的自学习,自适应能力以及对任意非线性的逼近能力,对该模型进行了...     

煤矿瓦斯浓度的CAPSO-ENN短期预测模型

为了准确预测回采工作面的瓦斯浓度,提出云自适应粒子群算法优化Elman神经网络的瓦斯浓度动态预测新方法。利用井下无线传感器网络监测系统采集的回采工作面瓦斯浓度时间序列作为样本,并对其进行数据降噪和相空间重构等预处理。采用CAPSO算法对Elman神经网络的权值、阈值进行寻优运算,建立了回采工作面瓦斯浓度动态预测模型。通过对MATLAB仿真得出结果研究表明：该模型的平均相对变动ARV值为0.000357,相对均方根误差RRMSE值为0.1056,对回采工作面的瓦斯浓度预测结果合理且可为矿井瓦斯防治工作提供有效理论依据。     

溶解氧浓度的前馈神经网络建模控制方法

针对污水处理过程溶解氧(DO)浓度控制问题,提出了一种基于前馈神经网络的建模控制方法(FNNMC).本文构造了神经网络建模控制系统,通过对建模神经网络和控制神经网络隐含层学习率的分析,证明了学习算法的收敛性以及整个系统的稳定性.最后,本文基于国际基准的Benchmark Simulation Model No.1 (BSMl)进行了仿真实验,验证了合理选取学习率的重要性,并通过与PID和模型预测控制(MPC)等已有控制方法的比较,验证了神经网络建模控制方法针对污水处理过程溶解氧浓度控制具有良好的建模能力,更高的控制精度以及更好的动态响应能力.