(3.235.75.196) 您好!臺灣時間:2020/03/29 03:05
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
本論文永久網址: 
line
研究生:林家瑋
研究生(外文):Jia-Wei Lin
論文名稱:類神經網路應用於酸鹼中和程序參數估測之研究
論文名稱(外文):The Study of the Applications of Artificial Neural Networks to Parameter Estimationfor a pH Neutralization Process
指導教授:郭東義
指導教授(外文):Tong-Yi Guo
學位類別:碩士
校院名稱:國立高雄應用科技大學
系所名稱:化學工程與材料工程系
學門:工程學門
學類:化學工程學類
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:91
中文關鍵詞:酸鹼中和系統倒傳遞類神經網路參數估測反轉滴定函數
外文關鍵詞:pH neutralization processesBack-propagation neural networkParameter Estimationinverse titration function
相關次數:
  • 被引用被引用:0
  • 點閱點閱:273
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本論文為探討酸鹼中和系統的模式及控制問題。為處理其高度非線性之酸鹼中和程序,使用倒傳遞類神經網路對酸鹼中和程序之進料多質子弱酸平衡常數、濃度進行估測。首先,於模擬系統上取得數筆訓練樣本,以供倒傳遞類神經網路進行訓練。其結果顯示,當未知弱酸進料成分、濃度隨時間改變時,其訓練後的類神經網路仍能保持估測能力。我們再以反轉滴定法將相關參數線性化,並定義誤差,導入控制器中,於此演算法之下於控制性能上有很好的表現。
In the thesis, the problem of modeling and control for pH neutralization processes is investigated. In order to tackle highly nonlinear characteristic of pH neutralization processes, the back-propagation neural network is used to estimate the concentration and equilibrium constant of the influent polyprotic acid. At first, a number of samples from the simulation system are provided for training the neural network. The simulation results show that the trained neural network is able to estimate the composition and concentration while the unknown influent weak acid is changing with time. Also, using the obtained model parameters, the error of controller is parameterized by an inverse of the titration curve instead of pH values. It shows that proposed algorithm provide a good performance for pH neutralization processes.
中文摘要 ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••• Ⅰ
英文摘要 ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••Ⅱ
致謝 ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••Ⅲ
目錄 ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••Ⅳ
表目錄 ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••Ⅵ
圖目錄 ••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••Ⅶ
第一章 緒論••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••1
1.1 前言•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••1
1.2 文獻回顧•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••2
1.3 研究動機與目的•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••4
1.4 組織章節•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••5
第二章 酸鹼中和系統••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••7
2.1 前言•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••7
2.2 反應動態模式•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••7
2.3 結論•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••9
第三章 類神經網路背景知識及演算法••••••••••••••••••••••••••••••••••••••••••••••••11
3.1 神經元與神經元結構模型•••••••••••••••••••••••••••••••••••••••••••••••14
3.2 神經網路的學習方式•••••••••••••••••••••••••••••••••••••••••••••••••••••••14
3.2.1 有教師學習••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••14
3.2.2 無教師學習••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••15
3.2.3 強化學習••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••15
3.3 BP類神經網路模型及概念•••••••••••••••••••••••••••••••••••••••••••••••17
3.4 倒傳遞演算法•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••18
3.5 Levenberg-Marquardt 演算法•••••••••••••••••••••••••••••••••••••••••••23
3.6 結論•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••26
第四章 酸鹼中和估測參數方法及探討••••••••••••••••••••••••••••••••••••••••••••••••27
4.1 BP類神經網路應用於酸鹼中和系統•••••••••••••••••••••••••••••••27
4.2 控制器設計••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••28
4.3 濃度估測探討•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••32
4.4 單質子弱酸估測探討•••••••••••••••••••••••••••••••••••••••••••••••••••••••33
4.4.1 單質子酸估測範圍及訓練樣本數據••••••••••••••••••••38
4.5 雙質子弱酸估測探討•••••••••••••••••••••••••••••••••••••••••••••••••••••••40
4.5.1雙質子酸估測範圍及訓練樣本數據••••••••••••••••••••••45
4.6 結論•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••47
第五章 模擬結果••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••48
5.1 虛擬單質子弱酸進料•••••••••••••••••••••••••••••••••••••••••••••••••••••••48
5.2 虛擬單質子弱酸進料改變•••••••••••••••••••••••••••••••••••••••••••••••48
5.3 虛擬雙質子弱酸進料•••••••••••••••••••••••••••••••••••••••••••••••••••••••49
5.4 虛擬雙質子弱酸進料改變•••••••••••••••••••••••••••••••••••••••••••••50 5.5 結論•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••51
第六章 結與未來展望••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••74
參考文獻••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••75
[1]R. A. Wright, and C. Kravaris, “Nonlinear control of pH processes using the strong acid equivalent,” Ind. Eng. Chem. Process Res., Vol. 30, pp. 1561-1572, 1991.
[2]R. L. Moore, Nuetralization of Waste Water by pH Control, Instrument Society of America, Reserch Triangle Park, NC, 1978.
[3]G. K. McMillian, pH Control, Instrument Society of America, Reserch Triangle Park, NC, 1984.
[4]F. G. Shinskey, pH and pIon Control in Process and Waste Streams, John Wiely & Sons, 1973.
[5]T. Y. McAvoy, E. Hsu, and S. Lowenthal, “Dynamics of pH in controlled stirred tank reactor,” Ind. Eng. Chem. Process Des. Dev., Vol. 11, pp. 68-70, 1972.
[6]T. Y. McAvoy, “Dynamic models for pH and other fast equilibrium systems,” Ind. Eng. Chem. Process Des. Develop., Vol. 11, pp. 630-631, 1972.
[7] J. F. Li, and T. Y. Guo, “Adaptive Control of pH Neutralization Process,” Preceeding of the 4th, KUAS, Academic Symposium, 2004
[8]曾衍迪, 金光海, 鄭西顯, “人工智慧類神經網路實驗設計軟體(ANNDOE)之發展,” 化工計術, 第七卷第三期, 1999.
[9]D.E Rumelhart, G.E Hinton, and R.J. Williams, “Learning Internal
Representation by Error Propagation,” Parallel Distributed
Processing, Vol. 1, pp. 318-362, 1986
[10]G. Cybenko, “Approximation by superpositions of a sigmoidal
Function,” Mathematics of Control Singals and Systems2, Vol. 2,
pp. 303-314, 1989.

[11]A. Negarestani, S. Setayeshi, M. Ghannadi-Maragheh, and B. Akashe,
“Layered neural networks based analysis of radon concentration and
environmental parameters in earthquake prediction,” Journal of
Environmental Radioactivity , Vol. 62, pp. 225–233, 2002.
[12]M. Shamsipur , B. Hemmateenejad, and M. Akhond, “Multicomponent acid–base titration by principal
component-artificial neural network calibration,” Analytica Chimica
Acta, Vol. 461, pp. 147–153, 2002
[13] E. P. Nahas, M. A. Henson, and D. E. Seborg, “Non-linear
internal model control strategy for neural network models,” Computers and Chemical Engineering, Vol. 16, pp. 1039, 1992.
[14] M. C. Palancar, J. M. Aragon, and J. S. Torrecilla, “pH-control
system based on artificial neural networks.” Industrial and
Engineering Chemistry Research, Vol. 37, pp.2729., 1998.
[15]A. P. Loh, K. O. Looi , and k. F. Fong , “Neural network modeling and control strategies for a pH process,” Journal of Process Control, Vol. 5, pp. 355-362, 1995.
[16]D. L. Yu, and J. B. Gomm, “Implementation of neural network
predictive control to a multivariable chemical reactor,” Control
Engineering Practice., Vol. 11 pp1315-1323, 2003.
[17] G. Venugopal Krishnapura, and J. Arthur “A neural adaptive
controller,” Chemical Engineering Science, Vol. 55, pp. 3803-3812,
2000.
[18]周開利, 康耀紅, 神經網路模型及其MATLAB仿真程序設計, 清華大學出版社, 2004.
[19]葛哲學, 孫志強, 神經網路理論與Matlab R2007, 電子工業出版
社, 2007.
[20]D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learnig
representations by backpropagation error,” Nature, vol.323,
pp. 533-536, 1986.
[21]M. T. Hagan, and M. Menhaj, “Training feedforward networks with
the Marquardt algorithm,” IEEE Tansactions on Neural Networks,
vol.5, no.6, 1994.
[22]D. F. Shanno, “Recent advances in numerical techniques for
larges-cale optimization,” Neural Networks for Control, Milleer,
Sutton and Werbos, eds., Cambridge MA : MIT Press, 1990.
[23]羅華強, 類神經網路-MATLAB的應用 ,高立圖書有限公司, 2008.
[24]Hagan Demuth Beale原著,汪惠健 審校, 類神經網路設計, 新加
坡商湯姆生亞洲私人有限公司台灣分公司, 2004.
[25]R. A. Wright, M. Soroush, and Costas Kravaris, “Strong acid equivalent control of pH processes: an experimental study,” Ind. Eng. Chem. Process Res., Vol. 30, pp. 2437-2444, 1991.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔