脂液中松节油含量在线检测的研究——用软测量技术实现
|
摘要
在蒸汽蒸馏连续法生产松香和松节油的过程中，澄清阶段的松节油含油量大小的在线检测一直是一个难点，也是整个生产过程实现自动控制的关键。本论文研究了以软测量的方法来实现澄清阶段的含油量大小检测。研究内容主要包含了以下几个方面：
一、直接测量变量的选取。分析了澄清阶段澄清脂液的物性特点，找出了脂液温度、粘度和含油量大小之间有内在联系，采用温度与粘度这两个较易实现在线检测的量作为直接测量的变量，然后通过这两个变量来间接检测含油量的大小。其中，作为间接检测量之一的粘度值，提出了一种在线检测的新方法。
二、软测量数学模型的选取和建立。通过对样本数据的研究，发现由温度值和粘度值到含油量大小的映射具有很强的非线性特性。经过研究，利用人工神经网络具有学习非线性能力强和不需要有过程的先验知识的特性，选取人工神经网络作为软测量的数学建模方法。而后，以两层BP网络为模型，建立了检测松节油含油量大小的软测量模型。并且验证了此种方法的理论可行性。
三、软仪表的设计。软仪表的显示及盘面在上位计算机中，信号的处理由软仪表内部的程序来完成。软仪表应用程序采用Visual C++6.0编制成，后台有MATLAB和Access作为支持。采用MATLAB提供的引擎(Engine)技术作为VC与MATLAB的接口，神经网络的建模和神经网络的运算在MATLAB中完成，这样做提高了开发效率也未影响到应用程序的运行速度。Access数据库管理和存储样本数据，便于实现软仪表能对不同类型松节油进行检测。
本论文的研究验证了软测量技术，尤其是运用神经网络建立软仪表数学模型用于松节油含油量大小检测的可行性。并且，提供了采用VC++、MATLAB和Access混合设计的软仪表结构设计方案。这种方案在不影响程序运行速度的前提下，缩短了应用程序的开发周期，让研究者更专注于研究对象本身，具有很强的实用和推广价值。
In the process of producing terebinth and colophony, it's difficult to measure the amount of terebinth in the turpentine on line, but it's the key to realize automatic control for the whole process. My thesis developed a soft-sensing method to measure the amount of terebinth in the turpentine on line. The content of studying in my thesis are as follow:
First is the selection of direct measuring values. Based on the relationship between the temperature value , conglutination value and the amount in the turpentine, the temperature value and the conglutination value were selected being the direct measuring values. Through these two values, the amount of terebinth was measured indirectly. And a new way to measure the conglutination value on line was brought foreword.
Next is how to build and select the model of the soft-sensing. The character of swatch data is unlinearity. For the artificial neural network is good at study the unlinearity mapping, it's possible to use the artificial neural network to build the model of the soft-sensing. And the theoretic feasibility was validated.
Third is the design of the soft-sensing. The architecture of the soft-sensing is VC-H-\MATLAB\Access. The interface of the VC++ and MATLAB is the MATLAB Engine, the data in the application program were sent to the MATLAB though the engine, the training and the computing of the neural network is in the MATLAB. The preservation and management of the
swatch data is the Access database management system.
The feasibility of measuring the amount of terebinth in the turpentine on line by using artificial neural network was validated in my thesis. And the architecture of the soft-sensing is worthy of generalizing. Through this way the investigator can mostly concentrate on the object which he is studying but not how to program, so it's convenient and efficient.
一、直接测量变量的选取。分析了澄清阶段澄清脂液的物性特点，找出了脂液温度、粘度和含油量大小之间有内在联系，采用温度与粘度这两个较易实现在线检测的量作为直接测量的变量，然后通过这两个变量来间接检测含油量的大小。其中，作为间接检测量之一的粘度值，提出了一种在线检测的新方法。
二、软测量数学模型的选取和建立。通过对样本数据的研究，发现由温度值和粘度值到含油量大小的映射具有很强的非线性特性。经过研究，利用人工神经网络具有学习非线性能力强和不需要有过程的先验知识的特性，选取人工神经网络作为软测量的数学建模方法。而后，以两层BP网络为模型，建立了检测松节油含油量大小的软测量模型。并且验证了此种方法的理论可行性。
三、软仪表的设计。软仪表的显示及盘面在上位计算机中，信号的处理由软仪表内部的程序来完成。软仪表应用程序采用Visual C++6.0编制成，后台有MATLAB和Access作为支持。采用MATLAB提供的引擎(Engine)技术作为VC与MATLAB的接口，神经网络的建模和神经网络的运算在MATLAB中完成，这样做提高了开发效率也未影响到应用程序的运行速度。Access数据库管理和存储样本数据，便于实现软仪表能对不同类型松节油进行检测。
本论文的研究验证了软测量技术，尤其是运用神经网络建立软仪表数学模型用于松节油含油量大小检测的可行性。并且，提供了采用VC++、MATLAB和Access混合设计的软仪表结构设计方案。这种方案在不影响程序运行速度的前提下，缩短了应用程序的开发周期，让研究者更专注于研究对象本身，具有很强的实用和推广价值。
In the process of producing terebinth and colophony, it's difficult to measure the amount of terebinth in the turpentine on line, but it's the key to realize automatic control for the whole process. My thesis developed a soft-sensing method to measure the amount of terebinth in the turpentine on line. The content of studying in my thesis are as follow:
First is the selection of direct measuring values. Based on the relationship between the temperature value , conglutination value and the amount in the turpentine, the temperature value and the conglutination value were selected being the direct measuring values. Through these two values, the amount of terebinth was measured indirectly. And a new way to measure the conglutination value on line was brought foreword.
Next is how to build and select the model of the soft-sensing. The character of swatch data is unlinearity. For the artificial neural network is good at study the unlinearity mapping, it's possible to use the artificial neural network to build the model of the soft-sensing. And the theoretic feasibility was validated.
Third is the design of the soft-sensing. The architecture of the soft-sensing is VC-H-\MATLAB\Access. The interface of the VC++ and MATLAB is the MATLAB Engine, the data in the application program were sent to the MATLAB though the engine, the training and the computing of the neural network is in the MATLAB. The preservation and management of the
swatch data is the Access database management system.
The feasibility of measuring the amount of terebinth in the turpentine on line by using artificial neural network was validated in my thesis. And the architecture of the soft-sensing is worthy of generalizing. Through this way the investigator can mostly concentrate on the object which he is studying but not how to program, so it's convenient and efficient.
引文
[1] 徐科军，陈荣保，张宗巍 自动检测和仪表中的共性技术 清华大学出版社 2000
[2] 张勉珍，李晓红 松脂澄清脂液质量管理中的作用 云南林业科技 1996，3(1)：75-77
[3] 王伟 人工神经网络原理 北京航空航天大学出版社 1995
[4] 刘刀桂，孟繁晶 Visual C++实践与提高—数据库篇 中国铁道出版社 2001
[5] 彭云峰 污水处理出水水质软测量预测预报系统开发 昆明理工大学硕士论文 2003
[6] 吴新生，谢益民，刘焕彬 主成分分析法用于化工过程人工神经网络建模计算机与应用化学 1999，5(3)：219-221
[7] 工业自动化仪表手册(二) 机械工业出版社 1987
[8] 朴相范，吴今哲，金哲，金在权，黄元三 粘度检测的一种新方法延边大学学报 2001，3(1)：43-46
[9] Aris R. Introduction to the analysis of chemical reactors. Englewood: Pretice-Hall, 1965
[10] Ramsay J, Wang H. An investigation into the efficacy of the modeling of chemical reaction engineering systems in plug flow tubular reactors by the use of reaction externs as compared with the conventional method based on species concentrations. Pamphlet,University of Bradford, 1988
[11] 曹柳林，吕南斗 阳离子管式聚合反应过程的实验研究与数学描述(1)模型与求解北京化工大学学报 1996，23(2)：46
[12] 楼顺天，施阳 基于MATLAB的系统分析与设计-神经网络 西安电子科技大学出版社
[13] Eberhart R C, Dobbins R W. Neural network PC tools. New York:Academic Press, 1990
[14] Hagan M T, Men Haj M B. Training feed forword netword networks with the Marquardt algorithm. [J]IEEE trans Neural net,1994,5(6): 989-993
[15] Widrow B, et al. Neural Networks Application in Industry, Business and Science. Commucation of the ACM, 1994,37(12):93-105
[16] 夏云庆，Visual C++6.0数据库高级编程 北京希望电子出版社 2002
[17] 方崇智，肖德云 过程辨识 清华大学出版社 2000
[18] 于近江，周春晖 过程控制中的软测量技术 控制理论与应用 1996，13(2)：137-144
[19] 候俊杰 深入浅出MFC 华中科技大学出版社 2002
[20] 焦李成 神经网络系统理论 西安电子科技大学出版社 1996
[21] 刘增良，刘有才 模糊逻辑与神经网络 1996
[22] 刘静，吴衍青，汤宇晖 MATLAB／VC++／Access组合编程方法及其应用 计算机工程2001，27(3)：23-25
[23] 李江红，田涛 MATLAB和Visual C++接口中编译环境的配置 软件天地2000，24(2)：10-11
[24] 薛定宇 控制系统计算机辅助设计—MATLAB语言及应用 清华大学出版社 1996
[25] MATLAB C++ Math Library User's Guide. The Math Works Inc, 1998
[26] Richter J.Advanced Windows 3rd Edition. Microsoft Press, 1999
[27] Microsoft MSDN
[28] Ravindranath K, Mashelker R A. Modeling of Polythylene Terephthalate Reactors:7. MWD Considerations. 1984,24(1):30
[29] 杨荣英，苗张木 BP神经网络主成分分析法在交通需求预测中的应用武汉理工大学学报 2002，26(3)：386-388
[30] 孙洪程，翁唯勤 过程控制工程设计 化学工业出版社 2001
[31] 张达英 分析仪器．第二版 重庆大学出版社 1995
[32] 孙欣，王金春，何声亮 过程软测量 自动化仪表 1995，16(8)：1-5
[33] 骆晨钟，邵惠鹤 软测量技术及其工业应用 仪表技术及传感器 1999，(1)：32-39
[34] Finkelstein L. Measurement and Instrumentation Science - an Analytical Review. Measurement, 1994,14:3-14
[35] Gottrell G, Munrop, Zipser D. Image Compression by backpropagation. University of California at San Diego Institute for Cognitive Science Technical Report 8702. 1987
[36] Psaltis. D,sideris, A, Yamamura.A.A. A Multilayered Neural Network Controller. IEEE Control Systems Magazine. Vol 8:17-21. 1988
[37] Collins.E,Ghosh.S, and Scofield.C. An application of a multiple neural network learning system to emulation of mortgage underwriting judgments. IEEE International conference on Neural Networks. Vol 2:459-466. 1988
[38] 范晖 VC与MATLAB混合编程 现代电子 2001，74(1)：22-25
[39] 王国印译 Visual C++技术内幕 清华大学出版社 1996
[40] 李国祥 国外分析仪器技术的最新发展动向 仪表工业 1990，48(2)：14-16
[41] 罗荣富，邵惠鹤 推断控制中二次变量选择方法的研究 1992年控制与决策学术年会论文集 《控制与决策》编委会出版 1992
[2] 张勉珍，李晓红 松脂澄清脂液质量管理中的作用 云南林业科技 1996，3(1)：75-77
[3] 王伟 人工神经网络原理 北京航空航天大学出版社 1995
[4] 刘刀桂，孟繁晶 Visual C++实践与提高—数据库篇 中国铁道出版社 2001
[5] 彭云峰 污水处理出水水质软测量预测预报系统开发 昆明理工大学硕士论文 2003
[6] 吴新生，谢益民，刘焕彬 主成分分析法用于化工过程人工神经网络建模计算机与应用化学 1999，5(3)：219-221
[7] 工业自动化仪表手册(二) 机械工业出版社 1987
[8] 朴相范，吴今哲，金哲，金在权，黄元三 粘度检测的一种新方法延边大学学报 2001，3(1)：43-46
[9] Aris R. Introduction to the analysis of chemical reactors. Englewood: Pretice-Hall, 1965
[10] Ramsay J, Wang H. An investigation into the efficacy of the modeling of chemical reaction engineering systems in plug flow tubular reactors by the use of reaction externs as compared with the conventional method based on species concentrations. Pamphlet,University of Bradford, 1988
[11] 曹柳林，吕南斗 阳离子管式聚合反应过程的实验研究与数学描述(1)模型与求解北京化工大学学报 1996，23(2)：46
[12] 楼顺天，施阳 基于MATLAB的系统分析与设计-神经网络 西安电子科技大学出版社
[13] Eberhart R C, Dobbins R W. Neural network PC tools. New York:Academic Press, 1990
[14] Hagan M T, Men Haj M B. Training feed forword netword networks with the Marquardt algorithm. [J]IEEE trans Neural net,1994,5(6): 989-993
[15] Widrow B, et al. Neural Networks Application in Industry, Business and Science. Commucation of the ACM, 1994,37(12):93-105
[16] 夏云庆，Visual C++6.0数据库高级编程 北京希望电子出版社 2002
[17] 方崇智，肖德云 过程辨识 清华大学出版社 2000
[18] 于近江，周春晖 过程控制中的软测量技术 控制理论与应用 1996，13(2)：137-144
[19] 候俊杰 深入浅出MFC 华中科技大学出版社 2002
[20] 焦李成 神经网络系统理论 西安电子科技大学出版社 1996
[21] 刘增良，刘有才 模糊逻辑与神经网络 1996
[22] 刘静，吴衍青，汤宇晖 MATLAB／VC++／Access组合编程方法及其应用 计算机工程2001，27(3)：23-25
[23] 李江红，田涛 MATLAB和Visual C++接口中编译环境的配置 软件天地2000，24(2)：10-11
[24] 薛定宇 控制系统计算机辅助设计—MATLAB语言及应用 清华大学出版社 1996
[25] MATLAB C++ Math Library User's Guide. The Math Works Inc, 1998
[26] Richter J.Advanced Windows 3rd Edition. Microsoft Press, 1999
[27] Microsoft MSDN
[28] Ravindranath K, Mashelker R A. Modeling of Polythylene Terephthalate Reactors:7. MWD Considerations. 1984,24(1):30
[29] 杨荣英，苗张木 BP神经网络主成分分析法在交通需求预测中的应用武汉理工大学学报 2002，26(3)：386-388
[30] 孙洪程，翁唯勤 过程控制工程设计 化学工业出版社 2001
[31] 张达英 分析仪器．第二版 重庆大学出版社 1995
[32] 孙欣，王金春，何声亮 过程软测量 自动化仪表 1995，16(8)：1-5
[33] 骆晨钟，邵惠鹤 软测量技术及其工业应用 仪表技术及传感器 1999，(1)：32-39
[34] Finkelstein L. Measurement and Instrumentation Science - an Analytical Review. Measurement, 1994,14:3-14
[35] Gottrell G, Munrop, Zipser D. Image Compression by backpropagation. University of California at San Diego Institute for Cognitive Science Technical Report 8702. 1987
[36] Psaltis. D,sideris, A, Yamamura.A.A. A Multilayered Neural Network Controller. IEEE Control Systems Magazine. Vol 8:17-21. 1988
[37] Collins.E,Ghosh.S, and Scofield.C. An application of a multiple neural network learning system to emulation of mortgage underwriting judgments. IEEE International conference on Neural Networks. Vol 2:459-466. 1988
[38] 范晖 VC与MATLAB混合编程 现代电子 2001，74(1)：22-25
[39] 王国印译 Visual C++技术内幕 清华大学出版社 1996
[40] 李国祥 国外分析仪器技术的最新发展动向 仪表工业 1990，48(2)：14-16
[41] 罗荣富，邵惠鹤 推断控制中二次变量选择方法的研究 1992年控制与决策学术年会论文集 《控制与决策》编委会出版 1992