Điều khiển nhiệt độ tháp chưng cất sử dụng mạng neural và bộ điều khiển dự báo MPC

Điều khiển nhiệt độ tháp chưng cất sử dụng mạng neural và bộ điều khiển dự báo MPC Điều khiển nhiệt độ tháp chưng cất sử dụng mạng neural và bộ điều khiển dự báo MPC Điều khiển nhiệt độ tháp chưng cất sử dụng mạng neural và bộ điều khiển dự báo MPC luận văn tốt nghiệp,luận văn thạc sĩ, luận văn cao học, luận văn đại học, luận án tiến sĩ, đồ án tốt nghiệp luận văn tốt nghiệp,luận văn thạc sĩ, luận văn cao học, luận văn đại học, luận án tiến sĩ, đồ án tốt nghiệp

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Đặng Xuân Hiếu ĐIỀU KHIỂN NHIỆT ĐỘ THÁP CHƯNG CẤT SỬ DỤNG MẠNG NEURAL VÀ BỘ ĐIỀU KHIỂN DỰ BÁO MPC LUẬN VĂN THẠC SĨ KHOA HỌC KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Hà Nội, Năm 2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Đặng Xuân Hiếu ĐIỀU KHIỂN NHIỆT ĐỘ THÁP CHƯNG CẤT SỬ DỤNG MẠNG NEURAL VÀ BỘ ĐIỀU KHIỂN DỰ BÁO MPC Chuyên ngành: Kỹ thuật điều khiển tự động hóa LUẬN VĂN THẠC SĨ KHOA HỌC KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Đinh Văn Thành TS Nguyễn Thu Hà Hà Nội, Năm 2019 LỜI CẢM ƠN Qua thời gian nghiên cứu thực hiện, đến luận văn thạc sỹ với đề tài: “ĐIỀU KHIỂN NHIỆT ĐỘ THÁP CHƯNG CẤT SỬ DỤNG MẠNG NEURAL VÀ BỘ ĐIỀU KHIỂN DỰ BÁO MPC” TS Đinh Văn Thành, Đại học công nghệ Đông Á TS Nguyễn Thu Hà, Bộ môn Điều khiển Tự Động, Đại học Bách Khoa Hà Nội hướng dẫn hoàn thiện Để đạt thành này, em xin gửi lời cảm ơn sâu sắc tới TS Đinh Văn Thành TS Nguyễn Thu Hà, người tin tưởng giao đề tài, đạo hướng dẫn tận tình cho em suốt thời gian theo đuổi đề tài Em xin bày tỏ lòng cảm ơn chân thành tới ThS Đinh Thị Lan Anh, Bộ môn Điều khiển Tự Động, Đại học Bách Khoa Hà Nội tận tình hướng dẫn cung cấp cho kiến thức ý kiến q báu để em hồn thiện đề tài Em xin gửi lời cảm ơn tới thầy cô giáo môn Điều khiển tự động gia đình, bạn bè, người thân ln ln động viên, góp ý, ủng hộ, tạo điều kiện thuận lợi cho em suốt thời gian thực đề tài Hà Nội, ngày … tháng năm 2019 Sinh viên thực i TÓM TẮT Tháp chưng cất thiết bị quan trọng trình sản xuất đặc biệt lĩnh vực hóa chất, thực phẩm hóa dầu Nhiệm vụ tháp chưng cất tách hỗn hợp thành hai hay nhiều thành phần Quá trình phân tách xảy tháp thẳng đứng Nhiệt lượng cấp vào thiết bị đun nằm đáy tháp chưng cất nhằm tạo dòng chạy dọc theo tháp chưng cất tương tác với dòng chất lỏng chảy từ xuống Nồng độ chất có nhiệt độ hóa cao dạng lỏng tăng dần tầng thấp Ngược lại chất có nhiệt độ hóa thấp có nồng độ dạng khí tăng dần tầng cao Là thiết bị sử dụng lượng lớn q trình cơng nghệ, tối ưu hóa hoạt động giảm lượng tiêu thụ tháp chưng cất tốn có ý nghĩa quan trọng Trong nghiên cứu trước đây, em thực sử dụng điều khiển MPC với mơ hình mạng neuron xây dựng phương pháp huấn luyện ngoại tuyến thu kết tích cực Tuy nhiên điều khiển gặp khó khăn tín hiệu đặt thay đổi với biên độ lớn có nhiễu khơng đo tác động vào hệ thống sai lệch mơ hình mơ hình mạng neuron đối tượng thực Nhằm giải vấn đề trên, đề tài em đề xuất sử dụng phương pháp huấn luyện trực tuyến để loại bỏ sai lệch mơ hình mạng neuron nhân tạo điều khiển MPC cho tháp chưng cất Đối tượng sử dụng đề tài tháp chưng cất chân không sử dụng sản xuất bia không cồn với đầu vào bia coi hỗn hợp cồn nước (các hương chất lọc tách khâu trước quy trình cơng nghệ) với nồng độ cồn 5% Để đơn giản hóa chúng tơi xét tháp chưng cất giả định có bốn tầng với lưu chất đầu vào tầng thứ hai nhiệt độ đo tầng thứ Thông qua mô phỏng, nghiên cứu tính khả thi việc kết hợp mạng neuron điều khiển MPC không để điều khiển nhiệt độ tháp chưng cất mà cịn áp dụng cho đối tượng khác với bước thực tương tự ii MỤC LỤC LỜI CẢM ƠN i TÓM TẮT ii MỤC LỤC iii DANH MỤC TỪ VIẾT TẮT vi DANH MỤC BẢNG vii DANH MỤC HÌNH VẼ viii CHƯƠNG 1: MỞ ĐẦU .1 1.1 Lý chọn đề tài 1.2 Mục đích đề tài 1.3 Đối tượng phạm vi nghiên cứu đề tài .2 1.4 Ý nghĩa khoa học đề tài .2 1.5 Phương pháp nghiên cứu 1.6 Nội dung đề tài CHƯƠNG 2: TỔNG QUAN VỀ THÁP CHƯNG CẤT .4 2.1 Khái niệm 2.2 Lịch sử 2.1 Phân loại thiết bị chưng cất 2.2 Điều khiển tháp chưng cất 2.3 Tháp chưng cất quy trình sản xuất bia khơng cồn .17 CHƯƠNG 3: MƠ HÌNH HĨA THÁP CHƯNG CẤT 20 3.1 Các giả thiết mơ hình hóa .21 3.2 Các trình vật lý tháp chưng cất 21 3.2.1 Q trình chuyển thể lỏng khí (VLE) .21 3.2.2 Enthalpy 23 3.2.3 Khối lượng riêng .24 3.2.4 Thủy động lực học 25 iii 3.2.5 Các phương trình cân .27 3.3 Mô tháp chưng cất 29 CHƯƠNG 4: XÂY DỰNG MƠ HÌNH MẠNG NEURON XẤP XỈ MƠ HÌNH THÁP CHƯNG CẤT 32 4.1 Giới thiệu mạng neuron nhân tạo 32 4.1.1 Cấu trúc neuron mạng neuron 33 4.1.2 Huấn luyện mạng neuron 37 4.2 Toolbox Neural Network 41 4.3 Xây dựng mạng neuron xấp xỉ mơ hình tháp chưng cất 42 4.3.1 Cấu trúc mạng 42 4.3.2 Dữ liệu huấn luyện mạng 42 4.3.3 Huấn luyện mạng hở 43 4.3.4 Huấn luyện mạng kín 44 CHƯƠNG 5: THIẾT KẾ BỘ ĐIỀU KHIỂN MPC VỚI MƠ HÌNH MẠNG NEURON 46 5.1 Bộ điều khiển MPC – Receding horizon 46 5.2 Bộ điều khiển MPC sử dụng mơ hình mạng neuron 48 5.3 Sử dụng phương pháp huấn luyện trực tuyến 52 5.4 Mô điều khiển Simulink 54 KẾT LUẬN 57 Những kết luận 57 Hướng phát triển đề tài 57 TÀI LIỆU THAM KHẢO 58 Phụ lục A PHẦN MỀM REFPROP 61 Phụ lục B XẤP XỈ ENTHALPY 62 Phụ lục C THÔNG SỐ CỦA THÁP CHƯNG CẤT 65 Phụ lục D KẾT QUẢ HUẤN LUYỆN MẠNG NEURON .66 iv Phụ lục E THIẾT KẾ BỘ ĐIỀU KHIỂN PID 71 v DANH MỤC TỪ VIẾT TẮT HIDiC Heat-Integrated Distillation column (tháp chưng cất tích hợp) MPC Model Predictive Control (điều khiển dự báo dựa mơ hình) VLE Vapor Liquid Equilibrium (q trình chuyển thể lỏng khí) RF Reflux Flow (dịng hồi lưu) NARX Nonlinear Auto Regressive with eXogenous TDL Tapped – Delay – Line IW Input Weight LW Layer Weight DMC Dynamic Matrix Control MAC Model Algorithmic Control NDT Non-Dimensional Tuning PSO Partial Swarm Optimisation CSMC Continuous Sliding Mode Controller vi DANH MỤC BẢNG Bảng 2-1: Các cấu hình điều khiển Bảng 3-1: Tham số công thức Antoine 22 Bảng 3-2: Số liệu enthalpy theo nhiệt độ ethanol dạng lỏng 23 Bảng 4-1: Các hàm truyền sử dụng mạng neuron [3] .34 Bảng A-1: Từ khóa REFPROP dùng đề tài 61 Bảng B-1: Số liệu enthalpy theo nhiệt độ ethanol dạng khí .62 Bảng B-2: Số liệu enthalpy theo nhiệt độ nước dạng lỏng .63 Bảng B-3: Số liệu enthalpy theo nhiệt độ nước dạng khí .64 Bảng C-1: Thông số tháp chưng cất 65 Bảng D-1: Trọng số đầu vào lưu lượng dòng cấp mạng hở (F) 66 Bảng D-2: Trọng số đầu vào nhiệt lượng cấp mạng hở (QB) .67 Bảng D-3: Trọng số đầu vào lưu lượng dòng phản hồi mạng hở (RF) .67 Bảng D-4: Trọng số đầu vào phản hồi nhiệt độ mạng hở (t) .68 Bảng D-5: Trọng số đầu vào lưu lượng lượng cấp mạng kín (F) 68 Bảng D-6: Trọng số đầu vào nhiệt lượng cấp mạng kín (QB) 69 Bảng D-7: Trọng số đầu vào lưu lượng dịng phản hồi mạng kín (RF) 69 Bảng D-8: Trọng số đầu vào phản hồi nhiệt độ mạng kín (t) 70 vii DANH MỤC HÌNH VẼ Hình 2-1: Hệ thống chưng cất cơng nghiệp lọc hóa dầu Hình 2-2: Mơ hình thiết bị trưng cất cổ điển .5 Hình 2-3: Mơ hình tháp Hình 2-4: Tháp chưng cất phịng thí nghiệm Hình 2-5: Cấu hình điều khiển LV cho tháp chưng cất .8 Hình 2-6: Mơ điều khiển PID sử dụng chỉnh định NDT PSO [6].10 Hình 2-7: Kết đầu điều khiển trượt[7] .11 Hình 2-8: Năng lượng tiêu thụ điều khiển trượt[7] 12 Hình 2-9: Mơ hình tách kênh sử dụng điều khiển mờ[8] 12 Hình 2-10: Kết mô tách kênh sử dụng điều khiển mờ[8] 13 Hình 2-11: Sơ đồ điều khiển PID mờ[9] .13 Hình 2-12: Đáp ứng nhiệt độ đỉnh tháp với điều khiển PID mờ[9] .14 Hình 2-13: Đáp ứng nhiệt độ đáy tháp với điều khiển PID mờ[9] 14 Hình 2-14: Đáp ứng nhiệt độ với điều khiển MPC[10] 15 Hình 2-15: Kiểm tra đáp ứng mạng hối quy[11] 16 Hình 2-16: Lưu đồ cơng nghệ sản xuất bia khơng cồn [21] 17 Hình 3-1: Mơ hình tháp chưng cất .20 Hình 3-2: Xấp xỉ Enthalpy ethanol dạng lỏng 24 Hình 3-3: Sơ đồ thủy động lực học khay tháp chưng cất 25 Hình 3-4: Các cấu hình khay tháp chưng cất .26 Hình 3-5: Mơ hình simulink để mô tầng tháp 30 Hình 3-6: Mơ hình Simulink .31 Hình 4-1: Cấu trúc neuron mạng neuron nhân tạo 32 Hình 4-2: Cấu trúc neuron 33 Hình 4-3: Cấu trúc lớp neuron 34 Hình 4-4: Mạng neuron với ba lớp mạng 35 Hình 4-5: Mạng hồi quy đơn giản 36 Hình 4-6: Cấu trúc mạng neuron NARX 36 Hình 4-7: Mạng hở .40 Hình 4-8: Mạng kín 41 Hình 4-9: Cấu trúc mạng sử dụng để xấp xỉ tháp chưng cất 42 viii KẾT LUẬN Những kết luận Sau thời gian tích cực nghiên cứu thực đề tài: “ĐIỀU KHIỂN NHIỆT ĐỘ THÁP CHƯNG CẤT SỬ DỤNG MẠNG NEURAL VÀ BỘ ĐIỀU KHIỂN DỰ BÁO MPC”, em thu kết sau: – Tìm hiểu đề phương pháp huấn luyện mạng neuron trình điều khiển để loại bỏ sai lệch mơ hình mạng neuron với đối tượng nhận dạng – Vận dụng phương pháp huấn luyện trực tuyến mạng neuron vào thiết kế điều khiển MPC cho đối tượng tháp chưng cất Thuật tốn thử nghiệm thành cơng với tháp chưng cất quy mô nhỏ bước tương tự áp dụng cho tháp chưng cất có cấu tạo phức tạp đối tượng phức tạp khác Hướng phát triển đề tài – Sử dụng mơ hình mạng neuron để nhận dạng đối tượng nhiều vào nhiều Thử nghiệm cấu trúc mạng khác để tăng độ xác mơ hình mạng neuron – Chứng minh hồn thiện phương pháp lý thuyết – Áp dụng nhận dạng trực tuyến để xây dựng điều khiển MPC tự nhận dạng áp dụng cho đối tượng thực tế Tuy có nhiều nỗ lực cố gắng trình nghiên cứu thực đề tài không tránh khỏi khiếm khuyết định Em mong nhận lời nhận xét đánh giá từ quý thầy cô Em xin chân thành cảm ơn! 57 TÀI LIỆU THAM KHẢO [1] U.S Dept of Energy, Office of Energy Efficiency and Renewable Energy, “Distillation Column Modeling Tools,” DOE Washington, DC [Online] Avalable: https://www1.eere.energy.gov/manufacturing/resources/chemicals/ pdfs/distillation.pdf [2] Ivar J Halvorsen and S Skogestad, "Energy efficient distillation", Journal of Natural Gas Science and Engineering, 2011, 1-10 [3] Martin T Hagan, Howard B Demuth, Mark Beale, "Neural Network Design", PSW Publising, ISBN: 0-971732 1-0-8, 1996 [4] Distillation [Online] Available: https://en.wikipedia.org/wiki/Distillation [5] William L Luyben, “Process Modeling Simulation and Control for Chemical Engineers”, McGraw Hill, 1999 [6] Reshma N Pawar and Sharad P Jadhav, "Design of NDT and PSO based decentralised PID controller for wood-berry distillation column", IEEE International Conference on Power, Control, Signals and Instrumentation Engineering (ICPCSI), 2017 [7] Ruben Acosta-Solano and Oscar Huerta-Guevara, "Continuous sliding mode and PI controllers: Application to distillation column", 12th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE), 2015 [8] Mohamed Hamdy, Abdalhady Ramadan and Belal Abozalam, "Comparative study of different decoupling schemes for TITO binary distillation column via PI controller", IEEE/CAA Journal of Automatica Sinica, Volume 5, Issue 4, July 2018 [9] Kannawat Somsung and Suvalai Pratishthananda, "Design and Implementation of Fuzzy Supervisory Controllers Using Fuzzy c-Means Clustering Combined with Fuzzy Gain Scheduling for a Binary Distillation Column", IEEE Conference on Cybernetics and Intelligent Systems, 2006 58 [10] Zhiyun Zou, Zhizhen Wang, Lei Meng, Meng Yu, Dandan Zhao and Ning Guo, "Modelling and advanced control of a binary batch distillation pilot plant", Chinese Automation Congress (CAC), 2017 [11] Totok R Biyanto, Bambang L Widjiantoro, Ayman Abo Jabal and Titik Budiati, "Artificial neural network based modeling and controlling of distillation column system", International Journal of Engineering, Science and Technology, 2010 [12] E.F Wijn, “Weir flow and liquid height on sieve and valve trays”, Chem Eng J 1999, 73, 191−204 [13] Y.S Choe and William L Luyben, "Rigorous Dynamic Models of Distillation Columns",Ind Eng Chem Res 1987, 26, 2158-2161 [14] S Skogestad, “Process Engineering, Mass and Energy balances”, Tapir Academic Publisher, 2003 [15] S Kobuchi, K Ishige, S Yonezawa, K Fukuchi and Y Arai, “Correlation of Vapor-Liquid Equilibria Using Wilson Equation with Parameters Estimated from Solubility Parameters and Molar Volumes”, Journal of Chemical Engineering of Japan, Vol 44, 2011, No 7, 449-454 [16] R Lanzafame and M Messina, “A New Method For The Calculation of Gases Enthalpy” Energy Conversion Engineering Conference and Exhibit, Vol.1, pp 318~328, July 2000 [17] K Nasrifar, M Moshfeghian, “Evaluation of saturated liquid density prediction methods for pure refrigerants”, Fluid Phase Equilibria 158-160, 1999, 437-445 [18] B D Smith, Design of equilibrium stage process New York: McGraw-Hill, 1963 [19] T Mejdell and S Skogestad, "Estimation of Distillation Compositions from Multiple Temperature Measurements Using Partial-Least-Squares Regression", Ind Eng Chem Res 1991,30, 2543-2555 [20] H.T Siegelmann, B.G Horne and C.L Giles, “Computational capabilities of recurrent NARX neural networks”, IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Vol 27, April 1997 59 [21] “Neural Network Toolbox,” MathWork [Online] Available: https://www.mathworks.com/products/neural-network.html [22] E F Camacho and C Bordons, Model Predictive Control, 1st ed London: Springer-Verlag, 1999 [23] D.Q Mayne and Michalska (1990) "Receding horizon control of nonlinear systems" IEEE Transactions on Automatic Control [24] A.T.C Goh, "Back-propagation neural networks for modeling complex systems" Artificial Intelligence in Engineering (1995) 143-151 [25] N.D Phước, Tối ưu hóa điều khiển điều khiển tối ưu Nhà xuất bách khoa, 2015 [26] S.A Kulkarni, "Simulation and control of a binary vacuum distillation column", Master Thesis, Texas Tech University, 1995 [27] "SIGMATEC Dealcoholization System", Schmidt 60 Phụ lục PHỤ LỤC A PHẦN MỀM REFPROP REFPROP kho liệu cho giá trị thực nghiệm thông số đơn chất hợp chất trình nhiệt động học enthalpy, khối lượng riêng, áp suất khí bão hịa … Kho liệu cung cấp Viện Tiêu chuẩn Kỹ thuật quốc gia Mỹ (NIST) Phần mềm tích hợp vào Matlab với cú pháp sau: Result = refpropm (prop_req, spec1, value1, spec2, value2, substance) Trong đó: - prop_req thơng số muốn truy cập - spec1, spec2 thông số biết - value1, value2 giá trị thông số biết - substance tên đơn chất muốn truy cập (REFPROP không hỗ trợ cho hỗn hợp cồn nước) Các từ khóa dùng đề tài cho bảng sau: Bảng A-1: Từ khóa REFPROP dùng đề tài Từ khóa Ý nghĩa D Khối lượng riêng H Enthalpy M Khối lượng mol P Áp suất Q Tỉ lệ chất khí hỗn hợp bão hịa Q=1 tương ứng với chất khí Q=0 tương ứng với chất lỏng T Nhiệt độ Một số chức khơng hỗ trợ có tính nhiệt độ từ enthalpy Do để xác định nhiệt độ hàm enthalpy em sử dụng tính lập bảng giá trị REFPROP để lấy giá trị cho xấp xỉ đa thức trình bày phụ lục B 61 Phụ lục PHỤ LỤC B XẤP XỈ ENTHALPY Như trình bày tất số liệu thực nghiệm đề tài lấy từ kho liệu NIST cung cấp qua phần mềm REFPROP Do phần mềm khơng hỗ trợ tính tính nhiệt độ từ enthalpy nên để xây dựng cơng thức tính nhiệt độ từ enthalpy em sử dụng công cụ xấp xỉ hàm curve fit MATLAB Dưới số liệu kết xấp xỉ cho enthalpy ethanol dạng khí enthalpy nước dạng lỏng dạng khí Nhiệt độ tính theo K enthalpy tính theo kJ/mol Bảng B-1: Số liệu enthalpy theo nhiệt độ ethanol dạng khí Nhiệt độ Enthalpy Nhiệt độ Enthalpy Nhiệt độ Enthalpy 279.00 53.10 309.00 55.24 339.00 57.38 289.00 53.81 319.00 55.95 274.00 284.00 294.00 299.00 52.76 53.45 54.16 54.52 304.00 54.88 314.00 324.00 329.00 334.00 55.60 344.00 57.73 56.31 354.00 58.42 56.67 349.00 359.00 Hình B-1: Xấp xỉ Enthalpy ethanol dạng khí 62 57.02 58.08 58.76 Phụ lục Cơng thức xấp xỉ enthalpy ethanol dạng lỏng: Với = -7.108×10 , ( )= = 0.07555, + (B.1) + = 32.57 Bảng B-2: Số liệu enthalpy theo nhiệt độ nước dạng lỏng Nhiệt độ Enthalpy Nhiệt độ Enthalpy Nhiệt độ Enthalpy 279.00 0.44 309.00 2.71 339.00 4.97 274.00 284.00 0.064 0.82 304.00 314.00 3.08 324.00 3.84 289.00 1.20 319.00 299.00 1.95 329.00 294.00 1.58 2.33 334.00 344.00 4.59 5.34 3.46 349.00 5.72 4.21 359.00 6.48 354.00 6.10 Hình B-2: Xấp xỉ Enthalpy nước dạng lỏng Công thức xấp xỉ enthalpy nước dạng lỏng: Với = 3.794×10 , ( )= = 0.07517, + + = -20.56 63 (B.2) Phụ lục Bảng B-3: Số liệu enthalpy theo nhiệt độ nước dạng khí Nhiệt độ Enthalpy Nhiệt độ Enthalpy Nhiệt độ Enthalpy 279.00 45.25 309.00 46.23 339.00 47.18 319.00 46.55 349.00 47.49 359.00 47.79 274.00 284.00 289.00 294.00 299.00 45.08 45.41 45.58 45.74 45.90 304.00 46.07 314.00 46.39 324.00 46.71 329.00 46.87 334.00 344.00 354.00 47.03 47.34 47.64 Hình B-3: Xấp xỉ Enthalpy nước dạng khí Cơng thức xấp xỉ enthalpy nước dạng lỏng: Với = -1.89×10 , ( )= = 0.04388, + + = 34.47 64 (B.3) Phụ lục PHỤ LỤC C THÔNG SỐ CỦA THÁP CHƯNG CẤT Các thông số liên qua đến cấu tạo tháp chưng cất cho bảng sau: Bảng C-1: Thông số tháp chưng cất Thông số Ký hiệu Giá trị Lưu lượng dịng cấp bình thường F 2.3 gmol/s Tỉ lệ thành phần dòng cấp (ethanol) xF 5% Nhiệt độ dòng cấp TF 313 K Lưu lượng sản phẩm đỉnh D 0.3 gmol/s Lưu lượng dòng phản hồi RF 0.2 gmol/s Lưu lượng dòng sản phẩm đáy B gmol/s Hệ số tương quán khay tháp chưng cất Co 0.75 Đường kín tháp d 0.5 m Diện tích lỗ hổng Ath 0.0068 m2 Chiều dài vách ngăn Lw 75 m Chiều cao vách ngăn hw 0.3 m Dung lượng bình chứa MD 0.4 kgmol Dung lượng thiết bị đun MB 0.75 kgmol Nhiệt lượng thiết bị ngưng tụ QD 14.197 Kcal/s Nhiệt lượng cấp cho thiết bị đun bình thường QB 14.938 Kcal/s Tổng số khay N Khay cấp liệu (tính từ lên) NF Nhiệt độ hoạt động bình thường T 319.46 K 65 Phụ lục PHỤ LỤC D KẾT QUẢ HUẤN LUYỆN MẠNG NEURON Kết huấn luyện mạng hở: Bảng D-1: Trọng số đầu vào lưu lượng dòng cấp mạng hở (F) −1.55 × 10 1.14 × 10 8.27 × 10 −1.64 × 10 −1.04 × 10 −4.99 × 10 1.85 × 10 −6.34 × 10 −3.41 × 10 1.6 × 10 2.09 × 10 −2.81 × 10 −1.41 × 10 4.22 × 10 1.58 × 10 1.09 × 10 2.29 × 10 −1.57 × 10 1.46 × 10 6.6 × 10 −1.93 × 10 −2.55 × 10 −7.01 × 10 5.12 × 10 1.57 × 10 7.59 × 10 −4.98 × 10 −8.01 × 10 3.25 × 10 2.26 × 10 1.31 × 10 −1.1 × 10 −2.6 × 10 7.93 × 10 −5.9 × 10 7.32 × 10 1.22 × 10 −1.5 × 10 8.53 × 10 −5.6 × 10 −1.7 × 10 6.46 × 10 4.98 × 10 −8.9 × 10 7.86 × 10 −2.4 × 10 7.28 × 10 4.88 × 10 −1.0 × 10 66 1.18 × 10 −8.6 × 10 9.11 × 10 −8.5 × 10 8.02 × 10 2.98 × 10 −9.6 × 10 1.98 × 10 7.60 × 10 9.82 × 10 −4.8 × 10 2.16 × 10 −3.3 × 10 −4.4 × 10 −5.7 × 10 −5.7 × 10 2.96 × 10 3.12 × 10 −3.2 × 10 2.32 × 10 9.95 × 10 5.57 × 10 −6.7 × 10 −4.9 × 10 2.64 × 10 1.38 × 10 2.40 × 10 2.99 × 10 −6.3 × 10 5.42 × 10 1.66 × 10 Phụ lục Bảng D-2: Trọng số đầu vào nhiệt lượng cấp mạng hở (QB) 9 3.06 × 10 1.85 × 10 −2.5 × 10 9.34 × 10 8.31 × 10 1.15 × 10 9.71 × 10 6.14 × 10 9.46 × 10 −1.1 × 10 −1.5 × 10 1.36 × 10 2.39 × 10 −1.6 × 10 −1.9 × 10 6.94 × 10 2.75 × 10 −2.2 × 10 1.05 × 10 6.10 × 10 8.14 × 10 9.83 × 10 8.13 × 10 5.31 × 10 7.51 × 10 6.10 × 10 8.14 × 10 8.92 × 10 3.25 × 10 4.80 × 10 6.22 × 10 6.62 × 10 6.02 × 10 2.03 × 10 3.29 × 10 3.66 × 10 4.51 × 10 6.43 × 10 4.40 × 10 9.10 × 10 4.07 × 10 4.89 × 10 3.28 × 10 3.23 × 10 2.53 × 10 −6.6 × 10 3.15 × 10 1.68 × 10 3.22 × 10 2.46 × 10 3.76 × 10 1.74 × 10 2.56 × 10 3.21 × 10 1.84 × 10 5.07 × 10 7.57 × 10 1.13 × 10 2.24 × 10 4.23 × 10 −1.3 × 10 6.32 × 10 −3.5 × 10 4.00 × 10 −1.8 × 10 3.14 × 10 −3.2 × 10 −1.6 × 10 −1.3 × 10 1.99 × 10 8.36 × 10 9.77 × 10 2.03 × 10 −2.8 × 10 4.76 × 10 −8.3 × 10 2.91 × 10 2.68 × 10 −2.4 × 10 −2.7 × 10 1.62 × 10 5.52 × 10 1.38 × 10 −1.9 × 10 −1.2 × 10 −1.8 × 10 6.72 × 10 −1.4 × 10 4.49 × 10 Bảng D-3: Trọng số đầu vào lưu lượng dòng phản hồi mạng hở (RF) −2.3 × 10 9.10 × 10 8.08 × 10 8.64 × 10 7.43 × 10 1.13 × 10 1.02 × 10 1.07 × 10 −2.9 × 10 −7.1 × 10 2.67 × 10 1.90 × 10 2.30 × 10 1.13 × 10 5.68 × 10 1.33 × 10 1.32 × 10 1.36 × 10 −7.3 × 10 −7.2 × 10 6.58 × 10 1.95 × 10 1.52 × 10 −1.3 × 10 2.73 × 10 8.27 × 10 1.68 × 10 2.08 × 10 1.35 × 10 −1.2 × 10 8.46 × 10 −7.7 × 10 −1.5 × 10 6.09 × 10 4.32 × 10 −2.4 × 10 7.38 × 10 4.64 × 10 1.72 × 10 5.13 × 10 67 −1.5 × 10 −2.5 × 10 7.94 × 10 7.68 × 10 −2.8 × 10 1.31 × 10 −5.2 × 10 −1.2 × 10 8.64 × 10 1.22 × 10 1.08 × 10 −5.6 × 10 −5.8 × 10 −7.1 × 10 −8.7 × 10 −6.6 × 10 −6.9 × 10 5.27 × 10 4.07 × 10 −1.5 × 10 1.07 × 10 2.01 × 10 9.57 × 10 −1.0 × 10 −8.6 × 10 2.18 × 10 4.50 × 10 8.33 × 10 −6.0 × 10 −8.2 × 10 −1.2 × 10 Phụ lục Bảng D-4: Trọng số đầu vào phản hồi nhiệt độ mạng hở (t) 7.82 × 10 3.52 −6.46 × 10 × 10 −1.48 2.45 × 10 × 10 −1.86 6.86 × 10 × 10 4.19 −3.47 × 10 × 10 −3.47 5.67 × 10 × 10 3.03 1.38 × 10 × 10 −3.24 −2.34 × 10 × 10 5.68 3.97 × 10 × 10 5.09 −1.16 × 10 × 10 −9.68 × 10 −5.45 × 10 1.46 × 10 7.96 × 10 −4.94 × 10 8.42 × 10 −1.67 × 10 −3.36 × 10 1.37 × 10 −1.22 × 10 1.44 × 10 −3.19 × 10 1.22 × 10 1.24 × 10 −1.77 × 10 1.78 × 10 6.00 × 10 −3.59 × 10 3.17 × 10 −1.94 × 10 5.84 × 10 2.61 × 10 5.80 × 10 −1.84 × 10 2.27 × 10 −1.45 × 10 1.35 × 10 −3.43 × 10 −1.94 × 10 1.49 × 10 −3.12 × 10 1.30 × 10 −2.30 × 10 2.25 × 10 −7.72 × 10 −1.58 × 10 1.53 × 10 6.38 × 10 −8.01 × 10 −7.41 × 10 9.03 × 10 −7.67 × 10 −1.15 × 10 4.98 × 10 −6.86 × 10 1.16 × 10 −3.06 × 10 −7.42 × 10 6.79 × 10 9.92 × 10 Kết huấn luyện mạng kín: −5.38 5.34 × 10 × 10 −1.60 × 10 2.61 × 10 9.33 × 10 −2.28 × 10 2.20 × 10 7.88 × 10 −1.21 × 10 8.93 × 10 −9.45 × 10 Bảng D-5: Trọng số đầu vào lưu lượng lượng cấp mạng kín (F) −1.52 × 10 9.25 × 10 −3.51 × 10 −4.15 × 10 −2.89 × 10 −2.54 × 10 5.34 × 10 −2.42 × 10 −2.03 × 10 −2.04 × 10 −1.48 × 10 −1.29 × 10 −1.49 × 10 −1.21 × 10 −2.31 × 10 −3.92 × 10 7.82 × 10 −2.22 × 10 1.90 × 10 3.62 × 10 −4.26 × 10 4.80 × 10 −4.94 × 10 9.85 × 10 4.11 × 10 1.38 × 10 −2.30 × 10 −4.53 × 10 1.09 × 10 6.23 × 10 2.76 × 10 −1.19 × 10 1.06 × 10 1.48 × 10 4.42 × 10 1.86 × 10 2.24 × 10 −4.48 × 10 1.82 × 10 1.10 × 10 6.92 × 10 2.49 × 10 6.22 × 10 9.82 × 10 2.51 × 10 6.98 × 10 2.69 × 10 1.28 × 10 3.39 × 10 68 1.89 × 10 −2.11 × 10 3.75 × 10 −8.83 × 10 3.17 × 10 −7.29 × 10 1.30 × 10 −1.55 × 10 1.51 × 10 2.02 × 10 −1.05 × 10 7.12 × 10 −8.84 × 10 −2.01 × 10 4.47 × 10 −2.42 × 10 −8.67 × 10 −1.22 × 10 −1.22 × 10 −1.03 × 10 −4.27 9.77 × 10 × 10 8.25 × 10 −2.85 × 10 −2.69 × 10 −8.48 × 10 −1.39 × 10 1.47 × 10 −2.80 × 10 1.48 × 10 −1.21 × 10 Phụ lục Bảng D-6: Trọng số đầu vào nhiệt lượng cấp mạng kín (QB) 9 −1.42 × 10 9.61 × 10 −7.41 × 10 1.16 × 10 −8.31 × 10 8.76 × 10 3.01 × 10 5.07 × 10 −4.38 × 10 1.30 × 10 −5.62 × 10 1.49 × 10 −2.81 × 10 6.86 × 10 5.96 × 10 −1.33 × 10 1.08 × 10 2.40 × 10 2.19 × 10 7.59 × 10 −1.27 × 10 9.86 × 10 −3.98 × 10 1.37 × 10 −2.44 × 10 2.15 × 10 2.32 × 10 8.68 × 10 −1.35 × 10 7.73 × 10 −9.64 × 10 1.60 × 10 −7.35 × 10 −6.52 × 10 1.31 × 10 −7.15 × 10 4.02 × 10 4.69 × 10 −4.31 × 10 2.12 × 10 4.95 × 10 −4.72 × 10 8.88 × 10 −1.53 × 10 1.26 × 10 −7.90 × 10 3.24 × 10 −8.39 × 10 5.04 × 10 −6.71 × 10 −4.88 × 10 −5.04 × 10 −5.87 × 10 −2.50 × 10 6.37 × 10 −5.80 × 10 −2.63 × 10 −4.15 × 10 4.30 × 10 −9.67 × 10 9.27 × 10 −1.46 × 10 5.43 × 10 −9.00 × 10 3.91 × 10 −2.20 × 10 −4.42 × 10 9.03 × 10 −1.95 × 10 −2.11 2.22 × 10 × 10 −1.63 × 10 −8.38 × 10 3.03 × 10 −4.85 × 10 1.51 × 10 1.99 × 10 −3.59 × 10 4.97 × 10 −3.83 × 10 Bảng D-7: Trọng số đầu vào lưu lượng dòng phản hồi mạng kín (RF) −1.41 × 10 −1.30 × 10 1.02 × 10 −5.11 × 10 −1.02 × 10 3.07 × 10 −1.17 × 10 4.63 × 10 −6.46 × 10 1.62 × 10 −4.58 × 10 6.53 × 10 1.39 × 10 1.65 × 10 8.95 × 10 1.48 × 10 6.11 × 10 6.12 2.73 × 10 × 10 −4.76 4.97 × 10 × 10 −8.25 × 10 6.31 × 10 −1.31 × 10 −5.51 × 10 5.53 × 10 −1.38 × 10 −4.40 × 10 9.87 × 10 7.17 × 10 −4.12 × 10 1.12 × 10 −4.73 × 10 1.48 × 10 −6.66 × 10 3.84 × 10 8.31 × 10 6.31 × 10 2.68 × 10 8.20 × 10 2.39 × 10 6.09 × 10 4.21 × 10 8.49 × 10 8.75 × 10 6.88 × 10 −4.39 × 10 1.18 × 10 1.01 × 10 69 −1.38 × 10 1.41 × 10 9.04 × 10 5.44 × 10 −6.45 × 10 8.84 × 10 4.26 × 10 −1.01 × 10 1.04 × 10 −6.71 × 10 −1.64 × 10 1.26 × 10 −3.35 × 10 −7.29 × 10 −3.14 × 10 −6.77 × 10 −4.89 × 10 −3.48 × 10 −1.38 × 10 7.24 × 10 −1.04 3.40 × 10 × 10 −2.74 × 10 −3.27 × 10 −8.41 × 10 −6.62 × 10 −4.17 × 10 1.16 × 10 −4.38 × 10 1.81 × 10 −6.63 × 10 Phụ lục Bảng D-8: Trọng số đầu vào phản hồi nhiệt độ mạng kín (t) 2.17 × 10 3.33 −2.73 × 10 × 10 −1.56 7.12 × 10 × 10 −1.96 1.19 × 10 × 10 6.12 5.89 × 10 × 10 7.29 2.40 × 10 × 10 3.12 2.84 × 10 × 10 −3.31 −2.28 × 10 × 10 4.84 4.00 × 10 × 10 4.65 −1.16 × 10 × 10 −9.04 × 10 4.64 × 10 2.92 × 10 9.01 × 10 −4.55 × 10 9.53 × 10 −1.55 × 10 −2.26 × 10 1.46 × 10 −3.38 × 10 1.54 × 10 −3.08 × 10 1.36 × 10 1.30 × 10 −1.75 × 10 1.85 × 10 7.67 × 10 −3.51 × 10 3.28 × 10 −1.83 × 10 6.24 × 10 3.22 × 10 5.93 × 10 −1.77 × 10 2.31 × 10 −1.47 × 10 1.34 × 10 −4.10 × 10 −2.03 × 10 1.39 × 10 70 −3.09 × 10 1.33 × 10 −2.36 × 10 2.15 × 10 −1.03 × 10 −1.91 × 10 1.26 × 10 4.87 × 10 −9.98 × 10 −9.96 × 10 5.90 × 10 −1.11 × 10 −4.28 × 10 9.95 × 10 −1.04 × 10 9.79 × 10 −3.07 × 10 −5.50 × 10 8.32 × 10 1.13 × 10 −5.23 −4.99 × 10 × 10 −1.52 × 10 3.34 × 10 9.89 × 10 −1.67 × 10 2.52 × 10 3.31 × 10 −8.27 × 10 1.38 × 10 2.78 × 10 Phụ lục PHỤ LỤC E THIẾT KẾ BỘ ĐIỀU KHIỂN PID Bộ điều khiển PID dùng để so sánh đáp ứng phương pháp PID truyền thống với phương pháp MPC kết hợp mạng neuron đề xuất đề tài Phương pháp thiết kế điều khiển PID tối ưu độ lơn Mơ hình sử dụng để thiết kế điều khiển PID xác định phương pháp nhận dạng thực ngiệm dựa vào đáp ứng bước nhảy sử dụng toolbox indentification Matlab Hình E-1: Kết nhận dạng đáp ứng bước nhảy Ta thu mơ hình xấp xỉ tuyến tín đối tượng công thức E.1 với độ khớp 99% = 1.513 × 10 + 5.597 × 10 + 6.416 × 10 (E.1) Áp dụng nguyên lý tối ưu độ lớn cho đối tượng tuyến tính bậc ta có: = = = 621.8905 = 0.5258 71 (E.2) (E.3) ... với đề tài: “ĐIỀU KHIỂN NHIỆT ĐỘ THÁP CHƯNG CẤT SỬ DỤNG MẠNG NEURAL VÀ BỘ ĐIỀU KHIỂN DỰ BÁO MPC? ?? TS Đinh Văn Thành, Đại học công nghệ Đông Á TS Nguyễn Thu Hà, Bộ môn Điều khiển Tự Động, Đại học... thiết kế điều khiển cho đối tượng tháp chưng cất việc sử dụng điều khiển MPC mạng neuron nhân tạo Trong [10], nhóm tác giả thử nghiệm sử dụng điều khiển MPC để điều khiển tháp chưng cất phịng...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - Đặng Xuân Hiếu ĐIỀU KHIỂN NHIỆT ĐỘ THÁP CHƯNG CẤT SỬ DỤNG MẠNG NEURAL VÀ BỘ ĐIỀU KHIỂN DỰ BÁO MPC Chuyên