聚合反应过程建模及推理控制的研究

This project tries to study some new methods for modeling and inferential control to take a typical polymerization reaction for example-Bisphenol A polycondensation reactions as the research object. In allusion to the practical engineering problems that some quality indexes ( such as the reactant content, conversion ratio, catalyst activity, etc.) can not be online measured and be difficult to achieve high quality and low energy consumption in the production process, the study looks at the following key contents: .1) Combine the mechanism modeling and statistical modeling and use the lifting technique and the polynomial transforms to establish the mathematic model for a complex polymerization reaction process, and a parameter identification method which is less calculation and easier to realize is proposed by integrating the theories of hierarchical identification and multi-innovation identification..2) Study online revising method and compensating technique for the model so as to advance a new modeling approach inhibiting interference and research its convergence. .3) Study a theory and method of inferential optimization control for the uncertain system using Sigma point method and the idea of adaptive based on the process model which is obtained by previous method. .4) The proposed theory and method will be applied to a production device of Bisphenol A to detect the quality index and realize inference control in the production process. .This project belongs to application foundation research and this work aims at solving the problem of inferential control and modeling of complicated chemical processes that have immeasurable output variables. The research achievements will have a wide popularization prospect in China's process industrial production.

本项目以一个典型聚合反应实例- - 双酚A缩聚反应生产过程为研究对象，针对反应过程中的质量指标（如反应物浓度、转化率、催化剂活性等）无法直接在线测量，难以实现高质低耗的工程问题，研究新的建模及推理控制理论与方法，主要内容1)采用机理建模与统计辨识建模相结合方法,利用提升技术和多项式变换建立聚合反应过程模型，结合递阶辨识和多新息辨识，提出计算量小、易于实现的参数辨识方法；2)研究估计模型的在线校正和补偿方法，提出能抑制过程干扰的辨识新方法，并研究辨识方法的收敛性能；3)基于获得的过程模型，采用Sigma点法和自适应机制，提出不确定优化推理控制系统的理论与方法；4)将提出的理论和方法推广应用于双酚A 生产装置，实现生产过程的质量指标在线检测和推理控制。本项目属于应用基础研究，其目标是解决一类存在不可测输出变量的复杂化工过程的模型化和推理控制问题，研究成果在我国流程工业生产过程具有广泛的推广前景。

针对化学反应过程中的质量指标（如反应物的含量、转化率、催化剂活性等）无法直接在线测量，难以实现高质低耗的实际工程问题，本项目重点研究了复杂化工聚合反应系统的建模问题、在线测量数据和不可测变量估计的在线校正和补偿问题，以及多变量化工过程优化推理控制策略问题等，并以一个典型聚合反应的实例—双酚A缩聚反应生产过程为背景，研究建立了双酚A缩合反应过程中催化剂活性的动态估计模型和缩合反应生成物浓度的动态估计模型，完成了基于ASPEN PLUS仿真平台的双酚A工艺的部分流程模拟仿真与优化。提出了包括参数估计误差界方法，带随机采样延迟的多率系统的辨识算法，基于分布式互信息的辅助变量选择方法，以及可用于推理控制的自适应跟踪补偿学习算法等。本项目属于应用基础研究，对推理控制理论发展，及其推理控制方法在我国流程工业企业的应用具有重要意义。.研究工作按预期目标进行。课题资助或部分资助发表论文64篇，其中SCI收录论文24篇，EI收录38篇。培养工学博士研究生6名和硕士研究生14名。研究的部分理论成果已应用于一个双酚A工业生产装置。