化工過程控制中神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用探析

陳泳利

摘要：神經(jīng)網(wǎng)絡(luò)技術(shù)是智能化的技術(shù)手段，通過對輸入和輸出的數(shù)據(jù)處理、分析和學(xué)習(xí)，改善和創(chuàng)新化工過程控制。神經(jīng)網(wǎng)絡(luò)技術(shù)有利于化工過程控制高度精密化、智能化，有利于提高化工過程的安全系數(shù)?；谏窠?jīng)網(wǎng)絡(luò)技術(shù)的基本理論和基本結(jié)構(gòu)，提出神經(jīng)網(wǎng)絡(luò)技術(shù)在化工過程控制中的應(yīng)用以及未來的發(fā)展方向。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 化工過程 人工智能

中圖分類號：TM835 文獻標(biāo)識碼：A 文章編號：1007-9416（2016）12-0024-01

大量的處理單元就如同神經(jīng)單元一樣，經(jīng)過一系列的排列組合構(gòu)成了復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，廣泛應(yīng)用于復(fù)雜信息處理、機器視覺、智能化控制等方面。仿生學(xué)的設(shè)計和智能化軟件的設(shè)計，使得神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有自動處理數(shù)據(jù)、自動組織、自動學(xué)習(xí)，使得化工過程控制具有高精度、高安全系數(shù)、智能化的特點?；どa(chǎn)是一個復(fù)雜的生產(chǎn)過程，其中涉及的設(shè)備多，涉及的工藝復(fù)雜，控制難度高，如何促進化工生產(chǎn)的過程控制，從而實現(xiàn)科學(xué)管理、優(yōu)化生產(chǎn)、提高生產(chǎn)率的目的。設(shè)備的多樣、工藝的復(fù)雜、流程復(fù)雜等一系列的因素，使得神元或者是多個單元實現(xiàn)智能化控制，既能收集生產(chǎn)過程產(chǎn)生的數(shù)據(jù)，而且也能對這些數(shù)據(jù)進行處理，達到監(jiān)測生產(chǎn)環(huán)境、監(jiān)控生產(chǎn)過程、實時優(yōu)化生產(chǎn)的目的。

1 神經(jīng)網(wǎng)絡(luò)技術(shù)的基本理論和基本結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展是建立在對人腦神經(jīng)系統(tǒng)的構(gòu)成和作用機制認(rèn)識的基礎(chǔ)上，神經(jīng)單元構(gòu)成了龐大的神經(jīng)系統(tǒng)，神經(jīng)單元接受信息并傳遞信息，神經(jīng)中樞處理信息并反饋信息。神經(jīng)網(wǎng)絡(luò)技術(shù)模擬神經(jīng)系統(tǒng)處理單元類似于神經(jīng)單元，計算機控制系統(tǒng)相當(dāng)于神經(jīng)中樞，分析數(shù)據(jù)、處理數(shù)據(jù)、輸出結(jié)果。計算機技術(shù)的發(fā)展、傳感器的應(yīng)用，為神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了基礎(chǔ)。神經(jīng)網(wǎng)絡(luò)包括一個輸入層和輸出層，若干的隱含層。輸入層的作用是接受外部信息并傳遞信息；輸出層的作用是接受輸入層傳遞的信息，處理信息并反饋信息；隱含層的作用是將輸入層的信息進行組合，預(yù)處理。信息的接受、傳遞、處理和反饋一系列的過程使神經(jīng)網(wǎng)絡(luò)發(fā)揮作用的過程。

由于處理單元的應(yīng)用，使得神經(jīng)網(wǎng)絡(luò)系統(tǒng)是一種自學(xué)習(xí)、自處理、自組織的智能化系統(tǒng)。神經(jīng)系統(tǒng)的運行類似于人學(xué)習(xí)的過程，由簡單到復(fù)雜，不斷的修正節(jié)點的連接方式，直到輸出滿意的結(jié)果和符合實際應(yīng)用。神經(jīng)網(wǎng)絡(luò)系統(tǒng)是建立在數(shù)學(xué)模型的基礎(chǔ)上，利用數(shù)學(xué)建模搭建神經(jīng)網(wǎng)絡(luò)節(jié)點，建模主要有M-P模型、BP模型、RBF模型等。根據(jù)外部參數(shù)的不同和應(yīng)用的目的，采用不同的函數(shù)，如可逆函數(shù)、線性函數(shù)、非線性函數(shù)、S函數(shù)等等，建立數(shù)學(xué)模型，輸入?yún)?shù)，不斷的優(yōu)化模型，優(yōu)化的過程使神經(jīng)網(wǎng)絡(luò)系統(tǒng)自學(xué)的過程。神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法與模型的設(shè)置有關(guān)，如BP模型采取反傳處理誤差的訓(xùn)練算法，優(yōu)化算法，達到優(yōu)化模型的目的，使建立的模型更加符合實際應(yīng)用情況。

2 神經(jīng)網(wǎng)絡(luò)在化工過程控制中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)具有很強的信息處理能力、自學(xué)習(xí)能力、自組織能力。根據(jù)輸出的信息，可以建立信息之間的關(guān)系和處理多余的信息，簡化生產(chǎn)過程中的信息，檢測生產(chǎn)環(huán)境，監(jiān)控生產(chǎn)，達到最優(yōu)化的生產(chǎn)過程。神經(jīng)網(wǎng)絡(luò)覆蓋生產(chǎn)過程中的所有要考慮的因素，因此神經(jīng)網(wǎng)絡(luò)的應(yīng)用也覆蓋化工過程控制的方方面面。

化工生產(chǎn)涉及的環(huán)節(jié)多種多樣，當(dāng)某一環(huán)節(jié)發(fā)生故障，若處理不及時，將使這一環(huán)節(jié)癱瘓甚至使整個生產(chǎn)過程癱瘓，造成重大安全事故。高效、實時、預(yù)測的檢測和診斷故障的系統(tǒng)是化工過程控制中安全、高效生產(chǎn)的保障。美國的科學(xué)家首次提出將神經(jīng)網(wǎng)絡(luò)技術(shù)用于化工過程控制中，用于檢測、診斷、預(yù)警故障。神經(jīng)網(wǎng)絡(luò)系統(tǒng)是一種仿生系統(tǒng)，具有思維、意識和學(xué)習(xí)能力的動力學(xué)系統(tǒng)，能夠處理復(fù)雜的事物和環(huán)境，根據(jù)實際生產(chǎn)過程不斷校正系統(tǒng)，實時監(jiān)測參數(shù)的變化，對故障進行診斷和報警。目前主流的故障診斷的神經(jīng)網(wǎng)絡(luò)系統(tǒng)有：反傳動態(tài)經(jīng)網(wǎng)絡(luò)控制系統(tǒng)、自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)和RBF神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。

神經(jīng)網(wǎng)絡(luò)技術(shù)主要靠傳感器接受外部信息，大量傳感器的應(yīng)用，有利于智能化控制生產(chǎn)過程?；み^程的控制主要是對生產(chǎn)過程中的機器控制，生產(chǎn)過程涉及的機器種類繁多，同時維持安全、高效率階段比較困難。神經(jīng)網(wǎng)絡(luò)系統(tǒng)自動控制機器生產(chǎn)，控制生產(chǎn)參數(shù)和生產(chǎn)流程，最優(yōu)化生產(chǎn)過程控制和安全化控制，實時跟蹤控制生產(chǎn)?？刂浦饕袃煞N基本的方法，一種數(shù)學(xué)建模，將對象的目標(biāo)信息作為標(biāo)準(zhǔn)，經(jīng)過不斷的訓(xùn)練和反饋，修正誤差，優(yōu)化模型，優(yōu)化控制模式；另外一種是控制器設(shè)置，如PID控制器，實現(xiàn)實時控制，不僅對精確知識進行處理，而且對模糊信息也能進行處理。國內(nèi)外都已經(jīng)有成熟的化工過程控制中的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，如對乙酸乙烯酯聚合成乳液過程的實時控制，氯氣生產(chǎn)過程的故障預(yù)報神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

3 總結(jié)

神經(jīng)網(wǎng)絡(luò)技術(shù)是21世紀(jì)最重要的技術(shù)之一，化工過程控制是化工生產(chǎn)的安全保障。化工過程控制應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)，有利于提高控制的安全系數(shù)，提高生產(chǎn)效率，有利于智能化管理，提高管理水平，有利于整個社會生產(chǎn)力水平的提高和社會智能化發(fā)展。化工過程控制采取神經(jīng)網(wǎng)絡(luò)技術(shù)，有利于工業(yè)技術(shù)的創(chuàng)新和改善工人工作環(huán)境，保障工人人身安全。

參考文獻

[1]杜蛟，王勇，尚曉嫻.人工神經(jīng)網(wǎng)絡(luò)在化工領(lǐng)域中的應(yīng)用[J].中國化工貿(mào)易，2013.

[2]杜單良，羅健旭，余昭旭.基于NLJ算法的污水處理過程優(yōu)化控制[J].計算機與應(yīng)用化學(xué)，2015.