论文部分内容阅读
刮膜式分子蒸馏器作为目前应用最广泛的分子蒸馏蒸发器,由于其复杂的物理、化学反应及物质能量的转换与传递,使得整个生产系统具备非线性、强耦合、大滞后、不确定性等特点,因此无法建立准确的数学模型。目前,大多是由生产人员凭经验操作刮膜蒸发过程中的工艺参数,因此难以保证生产过程的持续平稳运行。当发生故障时会导致工艺参数波动较大,影响产品的纯度和得率,若不及时处理故障甚至会造成重大事故的发生。为了保证生产过程安全运行,必须快速监测出工况异常或者故障,从而提高系统的可靠性和安全性。针对以上问题,本文做出了以下研究:首先,采用主元分析法(Principal Component Analysis,PCA)进行故障检测,通过将过程数据投影到主元和残差两个子空间,建立相应的T~2和Q统计量来判断过程的运行状况。针对主元个数作为监测模型的唯一结构参数决定了故障检测的准确性问题,采用故障信噪比(Fault Signal Noise Ratio,Fault SNR)进行最优主元个数的选取,并将其应用到刮膜蒸发过程进行故障检测。通过与传统的累计方差贾献率(Cumulative Percent Variance,CPV)准则进行仿真实验对比,结果显示基于Fault SNR的模型检测结果更明确、灵敏度高,具备更好的监视性能。其次,针对PCA检测结果中T~2统计量明显变化而Q统计量无明显变化,无法准确识别工况变化或发生故障的问题,引入与主元相关性较大的过程变量并计算其预测残差构成新的统计量取代传统的Q统计量从而削弱其保守性。通过对刮膜蒸发过程的故障检测进行仿真实验,并与普通PCA进行对比,结果显示改进的PCA不仅能够有效区分工况参数变化和故障的发生,还能够检测出微小故障,有效提升了PCA的故障检测性能。最后,刮膜电机作为影响产品分离效率的重要部分,经研究发现,该类电机在特定参数条件下存在混沌行为,因其非周期和不可预测性,会被认为是错误或故障而误处理,导致电机损毁。为避免混沌的发生,采用基于监督开关(Supervising Switching Controller,SSC)的时延估计(Time-Delay Estimation,TDE)控制器抑制混沌行为,并且设计了自组织自适应模糊神经控制器(Self-organizing Adaptive Fuzzy Neural Control,SAFNC)对系统实现混沌同步控制,并通过仿真实验验证了算法的有效性。