Abstract
對於複雜而高度非線性的化工程序，本論文提出非線性真時控制的方法。並且成功地應用在真實的批式反應製程與多成分的蒸餾控制模擬。利用類神經網路以及平行運算使得非線性模式控制理論得以達到真時的要求。非線性模式預測控制的目的，在於控制過去以傳統方式不容易控制的非線性程序。因此本文以化工複雜的程序，真實的醋酸乙烯乳化聚合批式反應以及模擬的多成分蒸餾塔系統，作為控制的對象。這兩個系統分別代表兩種不同典型的化工程序。前者是一個批式程序，系統動態隨時間變化不斷地改變，很顯然是一個高度的非線性系統，傳統上就沒有一般化的控制理論可以應用。同時，這是一個高分子反應系統，我們對系統中一些動力學參數到目前仍然無法完全了解。由於系統理論的不完備，因此過去的控制上幾乎都是以經驗法則來處理，缺乏預測的能力，也無法去識別系統的擾動。本文中，我們對這一個複雜的系統，以一個結合經驗與理論的類神經網路來作為控制的模式，大大地增加其控制的能力，使產品達到品質的要求。因而在類神經網路的應用方面，我們發展出一個利用「人工數據類神經網路」模式來作模式預測控制的控制策略，並且實際應用在一個醋酸乙烯乳化聚合反應批式製程的真實系統的品質控制上。對於批式反應程序，將實驗數據與物理原理整合發展出混合類神經網路模式。增加模式預測能力與運算速度，同時藉著類神經網路快速運算的特性，使用線上測量識別系統未知的變數，以準確的模式作批式製程的非線性真時控制，達到品質控制的目的。另一方面，蒸餾塔系統是大家所熟知的一個連續式的化工分離程序。關於這個程序的動態模擬之研究早已成熟。但是由於其高度的非線性以及複雜性，使得程序的模擬在一般的計算環境無法達到真時的要求。我們利用平行運算的手段降低其計算的時間，使得線上非線性識別以及模式預測控制成為可能。由於對複雜程序的平行化模式推導，是化工計算的一個新的方法，完全不同於過去循序式的模擬計算方式。因此，我們同時也推導了不同的平行化模式並作平行化程度的分析。所以在平行運算的應用方面，對於多成分蒸餾系統動態的嚴格模擬，發展系統化的平行化模擬計算方法。以平行的計算環境，縮短模式計算所花費的時間，達到非線性嚴格模式真時控制的目的。This thesis develops nonlinear real-time controllersfor the complex and highly nonlinear chemical processes.Successful applications to the real polymerization batchprocess and the multi-components distillationsimulation were presented. The real-time nonlinearmodel predictive control metrology was realized in the waysof using Artificial Neural Networks (ANNs ) and Parallelcomputing. In the application of ANN, we integrated theexperimental data and the first principles of the batchprocess into the Hybrid ANN model. This approach enhancesthe prediction ability of the model and speeds up theevaluation. The unknown disturbance was identified from theinformation of the on-line measurement. Base on anaccurate model, the nonlinear real-time controller of thebatch process improved good quality control. In theapplication of Parallel computing, we developed systemicmethods to parallel the calculation of simulating themulti-components distillation system dynamics. The timespent on the model simulation was shortened on thisparallel computing environments. Fast parallel computingmade the realization of the nonlinear rigorous modelpredictive real-time control.