制浆蒸煮过程的清洁生产综合自动化技术研究

论文摘要

本文将围绕应用综合自动化技术实现清洁生产这一主题,以制浆蒸煮生产过程为应用背景,对基于综合自动化技术的清洁生产方法展开全面深入研究,本文在对清洁生产综合自动化技术产生的背景,主要技术和方法进行详细描述的基础上取得了以下五个方面的研究成果:1.深化了基于综合自动化技术的清洁生产思想在清洁生产研究领域研究现状和主要研究成果进行分析的基础上,进一步深化了应用综合自动化技术实现清洁生产的思想,分析了综合自动化技术实现清洁生产的可行性和重要性。2.提出了一种制浆蒸煮过程分布式参数系统辨识方法根据制浆蒸煮过程的反应机理,采用一种通过正交配置法对数学模型进行简化的方法,应用该方法建立了蒸煮过程动态模型,并进行模型仿真研究。研究了分布式参数过程的辨识系统问题,提出了一种制浆蒸煮过程分布式参数系统辨识方法,将制浆蒸煮过程看成有二个子过程并被选作为参数辨识研究,子过程模型采用线性状态空间OC方法简化,得到模型采用有效数据和平方差分析进行模拟验证。3.采用多目标优化技术实现制浆生产间歇蒸煮过程清洁生产实现了制浆蒸煮过程多目标优化问题模型和间歇蒸煮过程分层多目标优化模型,基于遗传算法的分层多目标优化方法和基于Pareto遗传算法的多目标优化方法,克服了以前对间歇蒸煮过程多目标优化所使用的线性加权法系数难以准确确定、以及得到的一个有效解容易出现极端解的缺点。基于遗传算法的分层多目标优化方法可以得到一组满足工艺条件的有效解,为间歇蒸煮过程终点工艺参数优化提供了可靠依据。4.采用了连续蒸煮过程多目标模糊优化控制方法根据连续蒸煮过程清洁生产的特点,结合多目标模糊决策的方法及理论,采用多目标模糊优化控制方法对连续蒸煮过程的蒸煮终点、工艺参数进行了优化,并且大大减少了计算工作量,而且可以得到较好的清洁生产效果。5.研究了基于多智能体技术的分布式智能体结构模型根据智能体的模型、结构、通信和协调的基本理论,以及造纸制浆过程清洁生产这样一个复杂、大规模系统完成造纸制浆生产的全局优化的要求,研究了造纸制浆过程清洁生产的多智能体模型和基于多智能体技术的分布式智能体结构模型,为完成造纸制浆过程清洁生产全局优化的要求奠定了基础。以面向制浆生产过程清洁生产的多智能体模型为基础,结合多目标优化算法和多变量动态矩阵控制算法,实现了基于多智能体技术的多目标优化算法和多变量动态矩阵控制的分布式智能控制算法,并用对制浆生产蒸煮过程进行优化和控制的仿真实例说明了以上二种算法的有效性和可行性。6.提出一种制浆蒸煮过程多目标优化控制系统设计方法建立了制浆蒸煮过程系统优化控制方法。提出了基于X-Q自适应控制器的一类非线性控制器及大相角裕量计算机辅助设计多目标优化算法,以制浆蒸煮过程实际工艺为应用背景进行研究。本文所提出的制浆蒸煮过程多目标优化系统计算机辅助设计参数寻优法是有效的,该方法简单、直观、精确、适合于工程设计。本文从清洁生产理论、多目标优化、制浆蒸煮化学反应工业控制以及复杂大系统建模、优化和控制等方面对基于清洁生产的综合自动化技术进行了深入研究,为清洁生产研究提供了新方法和新思路。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 清洁生产
• 1.1.1 环境污染的末端处理方法
• 1.1.2 清洁生产的概念
• 1.1.3 清洁生产的特点
• 1.1.4 清洁生产是可持续发展的模式
• 1.2 基于综合自动化技术的清洁生产
• 1.2.1 清洁生产综合自动化技术的含义
• 1.2.2 基于清洁生产综合自动化面临的问题
• 1.2.3 清洁生产综合自动化技术在造纸行业研究现状
• 1.3 本文研究主要内容和成果
• 第二章 制浆蒸煮过程的数学模型研究
• 2.1 蒸煮过程的建模
• 2.1.1 概述
• 2.1.2 蒸煮过程数学模型
• 2.1.3 正交配置方法的应用
• 2.1.4 简化模型的检验
• 2.1.5 简化模型仿真结果
• 2.2 蒸煮模型参数辨识与简化
• 2.2.1 一个简化物理模型
• 2.2.2 辨识工具和子过程确定
• 2.2.3 参数辨识
• 2.2.4 模型验证和讨论
• 2.3 本章小结
• 第三章 制浆间歇蒸煮过程的清洁生产策略
• 3.1 多目标优化的基本理论和方法
• 3.1.1 多目标优化的模型和最优解
• 3.1.2 多目标优化的线性加权法
• 3.1.3 分层多目标优化
• 3.2 多目标优化遗传算法
• 3.3 间歇蒸煮过程的分层多目标优化
• 3.3.1 间歇蒸煮过程的工艺
• 3.3.2 蒸煮过程的卡伯值和有效碱浓度
• 3.3.3 蒸煮过程清洁生产的分层多目标优化数学模型
• 3.3.4 蒸煮过程的分层多目标优化方法
• 3.3.5 优化结果
• 3.4 本章小节
• 第四章 制浆连续蒸煮过程清洁生产策略
• 4.1 多目标决策基本概念
• 4.2 多目标模糊决策最优解概念与性质
• 4.2.1 多目标模糊决策最优解概念
• 4.2.2 多目标模糊决策最优解的若干性质
• 4.3 多目标模糊决策最优解的若干常用求解方法
• 4.3.1 极大极小方法
• 4.3.2 极大极大方法
• 4.3.3 加权乘积法
• 4.3.4 多目标模糊决策法
• 4.4 多目标模糊决策在连续蒸煮清洁生产中的应用实例
• 4.4.1 连续蒸煮过程的工艺
• 4.4.2 多目标模糊决策优化控制方法
• 4.4.3 实例分析
• 4.5 混合Pareto遗传算法在连续蒸煮清洁生产中的应用实例
• 4.5.1 混合Pareto GA
• 4.5.2 混合Pareto GA计算过程
• 4.5.3 优化结果
• 4.6 本章小节
• 第五章 多智能体技术造纸制浆过程清洁生产策略
• 5.1 智能体的概念及模型
• 5.1.1 智能体的概念
• 5.1.2 智能体的BDI模型
• 5.2 智能体的结构
• 5.2.1 认知智能体结构
• 5.2.2 反应智能体
• 5.2.3 混合结构
• 5.3 多智能体的通信和协调
• 5.3.1 智能体通信语言KQML
• 5.3.2 合同网
• 5.4 清洁生产多智能体模型
• 5.4.1 造纸制浆生产过程的清洁生产策略
• 5.4.2 系统的结构说明
• 5.4.3 实体Agent内部结构
• 5.4.4 清洁生产多智能体系统之间的协调
• 5.5 多智能体技术的多目标优化分布式算法
• 5.5.1 Agent设计
• 5.5.2 多智能体系统
• 5.5.3 协调算法
• 5.5.4 优化结果
• 5.6 多智能体技术的多变量DMC研究
• 5.6.1 多变量DMC递阶算法
• 5.6.2 Agent设计
• 5.6.3 协调算法的π演算描述
• 5.6.4 多变量DMC分布式多智能系统
• 5.6.5 仿真结果
• 5.7 本章小结
• 第六章 蒸煮过程控制系统算法研究
• 6.1 系统分析
• 6.1.1 蒸煮过程分析
• 6.1.2 执行机构特性
• 6.2 控制算法选择
• 6.3 X-Q自适应控制器多目标优化控制算法
• 6.3.1 一类新型非线性控制器
• 6.3.2 计算机辅助设计参数寻优法
• 6.3.3 系统设计及仿真
• 6.4 实验结果
• 6.5 本章小节
• 第七章 总结与展望
• 参考文献
• 攻读博士期间发表的论文
• 致谢