小波核函数极限学习机提升醋酸精馏产品质量的模型预测控制

本文主要探讨了在2015年的华东理工大学学报(自然科学版)上发表的一篇论文，标题为"基于小波核函数极限学习机的模型预测控制模拟"。作者针对醋酸精馏过程中存在的产品质量控制精度低的问题，提出了采用小波核函数极限学习机(KELM)的模型预测控制(MPC)策略。小波核函数极限学习机作为一种先进的机器学习方法，因其训练速度较快且稳定性强而被选中构建醋酸浓度控制器的预测模型。 传统的温度间接控制方法在醋酸精馏中的效果不佳，因此，论文的核心思想是通过软测量技术确定醋酸浓度，然后直接控制产品质量，从而提升控制精度。KELM算法的优势在于它能够处理非线性问题，将预测控制器的输出作为再沸器蒸汽流量控制器的设定值，形成一个串级控制系统。这样做的目的是为了实现对精馏过程的复杂动态控制，包括前馈控制和非线性预测控制。 作者利用 Aspen Dynamics 流程模拟软件建立了一个醋酸精馏塔的动态模型，对基于KELM的模型预测控制策略进行了详细的仿真研究。实验结果表明，与传统的直接模型预测控制(DMC)相比，使用KELM-MPC方法显著提高了塔底醋酸浓度的控制精度，并且控制结构简洁，易于实际应用。这种方法不仅能够精确控制产品质量，还能够在边缘条件下的生产中展现出良好的性能。 本文的关键点包括醋酸精馏的模型预测控制、软测量技术的应用、小波核函数极限学习机的效能以及非线性控制策略的优化。这些研究成果对于改进化工过程控制，特别是精细化工领域的控制技术具有重要的实践价值和理论意义，为工业生产过程的优化控制提供了新的思路和技术支持。