基于人工神經(jīng)網(wǎng)絡(luò)的柴油乳化機(jī)自動(dòng)化制備研究

徐偉幸，施愛平，劉 超

（江蘇大學(xué)，鎮(zhèn)江 212013）

基于人工神經(jīng)網(wǎng)絡(luò)的柴油乳化機(jī)自動(dòng)化制備研究

徐偉幸，施愛平，劉 超

（江蘇大學(xué)，鎮(zhèn)江 212013）

0 引言

乳化柴油[1]是將水和柴油通過乳化劑和乳化設(shè)備形成的油包水(W/O)型乳液。和普通柴油比,乳化柴油具有燃燒性能好、能耗低、污染少等優(yōu)點(diǎn)。燃油摻水不僅可以節(jié)能, 而且能達(dá)到環(huán)保要求, 因此受到世界各國科學(xué)家的重視。乳化技術(shù)目前已經(jīng)滲透到石油化工、生物技術(shù)以及環(huán)境科學(xué)等領(lǐng)域，具有巨大的應(yīng)用潛力。

1 柴油乳化機(jī)

柴油乳化機(jī)是一個(gè)具備多個(gè)控制參量（油、水、劑的配比，乳化泵的剪切磁化速率、勻化級數(shù)），對控制精度及反應(yīng)時(shí)間要求較高的的自動(dòng)化裝置。由于各個(gè)參量之間的相互影響，對多參量系統(tǒng)的控制是一個(gè)復(fù)雜的過程[2]。上述參量合理的選擇與控制對產(chǎn)品的品質(zhì)起著決定性的作用，需要采用先進(jìn)的控制技術(shù)對以上參量進(jìn)行實(shí)時(shí)的檢測與控制，以保證能夠生產(chǎn)出滿足標(biāo)準(zhǔn)的乳化柴油。同時(shí)柴油乳化機(jī)的工作環(huán)境往往比較復(fù)雜：外界溫度、濕度的變化，需求量的調(diào)整等等，這些外在因素也會對最終產(chǎn)品的質(zhì)量產(chǎn)生一定的影響。傳統(tǒng)的柴油乳化機(jī)經(jīng)常采用的控制技術(shù)有PLC、現(xiàn)場總線、PID等控制技術(shù)，在應(yīng)對多參量、高精度、快反應(yīng)以及復(fù)雜多變的外部環(huán)境時(shí)，以上控制技術(shù)會出現(xiàn)控制反應(yīng)時(shí)間較長，控制精度不夠高的問題，直接影響了乳化柴油產(chǎn)品的品質(zhì)與質(zhì)量。經(jīng)過反復(fù)的試驗(yàn)與對比，本項(xiàng)目最終選擇采用基于人工神經(jīng)網(wǎng)絡(luò)的控制技術(shù)對柴油乳化機(jī)進(jìn)行實(shí)時(shí)的檢測與控制。

2 人工神經(jīng)網(wǎng)絡(luò)技術(shù)

“人工神經(jīng)網(wǎng)絡(luò)”(ARTIFICIAL NEURAL NETWORK，簡稱ANN)是在對人腦組織結(jié)構(gòu)和運(yùn)行機(jī)制的認(rèn)識理解基礎(chǔ)之上模擬其結(jié)構(gòu)和智能行為的一種工程系統(tǒng)[3]。人工神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜系統(tǒng)的建模問題上表現(xiàn)出了較強(qiáng)的優(yōu)越性，它通過對簡單的非線性函數(shù)進(jìn)行復(fù)合來表達(dá)復(fù)雜的系統(tǒng)過程，具有自組織、自學(xué)習(xí)的特點(diǎn)，不需要預(yù)先對模型的形式及參數(shù)加以限制，只需根據(jù)訓(xùn)練樣本的輸入、輸出數(shù)據(jù)來自動(dòng)尋找其中的相關(guān)關(guān)系，給出過程對象的具體數(shù)學(xué)表達(dá)。同時(shí)，由于其信息具有分布存儲的特點(diǎn)，使建立的模型具有較強(qiáng)的抗干擾性。

基于誤差反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)）是目前最常用的神經(jīng)網(wǎng)絡(luò)之一，由信息的正向傳播和誤差的反向傳播兩個(gè)過程組成[4,5]。對于具有n個(gè)輸入、m維輸出節(jié)點(diǎn)的BP神經(jīng)網(wǎng)絡(luò)，輸入到輸出的關(guān)系可以看作是n維歐氏空間到m維歐氏空間的映射。層與層之間采用全連接方式，同層單元之間不存在相互連接。BP網(wǎng)絡(luò)每一層權(quán)值可通過學(xué)習(xí)來調(diào)節(jié)，其基本處理單元(除輸入層外)為非線性輸入—輸出關(guān)系，其傳遞函數(shù)一般選用S型作用函數(shù)：

網(wǎng)絡(luò)運(yùn)行時(shí)，輸入數(shù)據(jù)首先通過加權(quán)值傳到隱含層節(jié)點(diǎn)，通過傳遞函數(shù)的作用再送到輸出節(jié)點(diǎn)。由于網(wǎng)絡(luò)中存在著大量的非線性節(jié)點(diǎn)，因此，網(wǎng)絡(luò)的輸入/輸出映射具有高度的非線性。對于BP神經(jīng)網(wǎng)絡(luò)，只要有足夠多的隱含層節(jié)點(diǎn)，理論上可以實(shí)現(xiàn)任意多輸入到輸出的映射。BP神經(jīng)網(wǎng)絡(luò)由兩部分構(gòu)成：信息的正向傳遞和誤差的反向傳播。在正向傳遞中，輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計(jì)為單隱含層或者多隱含層結(jié)構(gòu)；最后一個(gè)隱含層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。當(dāng)實(shí)際輸出與期望輸出不相符時(shí)，進(jìn)入到誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱含層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過程，是各層權(quán)值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，此過程一直進(jìn)行到網(wǎng)絡(luò)的輸出誤差減少到可以接受的程度，或者達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。具有一個(gè)輸入層、一個(gè)隱含層、一個(gè)輸出層的三層BP神經(jīng)網(wǎng)絡(luò)示意圖如圖1所示。

圖1 三層BP神經(jīng)網(wǎng)絡(luò)模型

3 自動(dòng)化制備研究

由Kolmogorov定理可知，三層BP網(wǎng)絡(luò)可以逼近任意連續(xù)的非線性映射，所以BP網(wǎng)絡(luò)建模的實(shí)質(zhì)就是如何正確選定網(wǎng)絡(luò)的各層節(jié)點(diǎn)數(shù)。

3.1 輸入層節(jié)點(diǎn)數(shù)的確定

本課題中，判斷乳化柴油制備情況優(yōu)劣的主要參數(shù)有乳化柴油的油水摩爾比、產(chǎn)品的粘度值與十六烷值三個(gè)方面，故輸入層節(jié)點(diǎn)數(shù)取3。

3.2 輸出層節(jié)點(diǎn)數(shù)的確定

網(wǎng)絡(luò)所要預(yù)測與控制的目標(biāo)參數(shù)為配比量（油、水及高性能乳化劑三者間的配比）、乳化泵的剪切磁化速率以及勻化級數(shù)，故輸出層的節(jié)點(diǎn)數(shù)也取為3。

3.3 隱含層節(jié)點(diǎn)數(shù)的確定

隱含層節(jié)點(diǎn)數(shù)的確定目前還沒有很好的辦法，隱節(jié)點(diǎn)數(shù)與問題的要求、輸入輸出節(jié)點(diǎn)的多少有關(guān)。若隱節(jié)點(diǎn)數(shù)太少，網(wǎng)絡(luò)可能訓(xùn)練不出來，或網(wǎng)絡(luò)不強(qiáng)壯，不能識別以前沒有看到的樣本，容錯(cuò)性差；但隱節(jié)點(diǎn)數(shù)太多又會使學(xué)習(xí)時(shí)間過長，誤差不一定達(dá)到最佳，通常通過試差法來確定。取乳化柴油工藝實(shí)驗(yàn)中典型實(shí)驗(yàn)數(shù)據(jù)共100套，選取其中80個(gè)樣本組成訓(xùn)練集，剩余20個(gè)樣本組成預(yù)測集。神經(jīng)網(wǎng)絡(luò)算法利用公式（18）所示的S型作用函數(shù)作為傳遞函數(shù)，其輸入以及輸出均在[0，1]區(qū)間連續(xù)取值。因此在建立神經(jīng)網(wǎng)絡(luò)模型時(shí)，先將乳化柴油實(shí)驗(yàn)的油水摩爾比、粘度值、十六烷值3個(gè)參數(shù)共100套實(shí)驗(yàn)數(shù)據(jù)分別進(jìn)行標(biāo)準(zhǔn)歸一化，再對學(xué)習(xí)及預(yù)測結(jié)果進(jìn)行反歸一化。

首先確定一個(gè)3個(gè)輸入節(jié)點(diǎn)、3個(gè)輸出節(jié)點(diǎn)的3-N-3初始拓?fù)浣Y(jié)構(gòu)，然后對含不同隱含節(jié)點(diǎn)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行訓(xùn)練和預(yù)測，找到具有最佳輸出預(yù)測能力的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。其中網(wǎng)絡(luò)的學(xué)習(xí)速率為0.25，動(dòng)量系數(shù)為0.20。實(shí)驗(yàn)發(fā)現(xiàn)當(dāng)隱含節(jié)點(diǎn)數(shù)為9、10、11、12、13時(shí)，網(wǎng)絡(luò)運(yùn)行比較穩(wěn)定。表1是采用不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)所得到的學(xué)習(xí)與預(yù)測誤差結(jié)果。

表1 不同隱含節(jié)點(diǎn)訓(xùn)練與預(yù)測結(jié)果

比較表1的結(jié)果，我們可知采用拓?fù)浣Y(jié)構(gòu)為3-10-3的BP神經(jīng)網(wǎng)絡(luò)，其預(yù)測集的實(shí)驗(yàn)輸出與預(yù)測輸出平均相對誤差水平都優(yōu)于其它網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，網(wǎng)絡(luò)運(yùn)行至5000次后仍未發(fā)生過擬合現(xiàn)象，網(wǎng)絡(luò)較穩(wěn)定。因此選擇BP神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為3-10-3型，即輸入層為3個(gè)節(jié)點(diǎn)（油水摩爾比、粘度值、十六烷值），隱含層包含10個(gè)節(jié)點(diǎn)，輸出層為3個(gè)節(jié)點(diǎn)（配比量、剪切磁化速率及勻化級數(shù)）。

4 結(jié)論

以上的計(jì)算結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)模型能夠?qū)ε浔攘俊⒓羟写呕俾始皠蚧墧?shù)進(jìn)行較精確的預(yù)測，通過獲得的預(yù)測值，我們能夠?qū)θ榛瘷C(jī)輸入端的油、水、劑配比量、乳化泵的剪切磁化速率及勻化級數(shù)進(jìn)行實(shí)時(shí)而有效的設(shè)置與控制，從而保證乳化機(jī)能夠連續(xù)不間斷的生產(chǎn)出合乎標(biāo)準(zhǔn)的乳化柴油。

[1]李建彤,韓萍芳,呂效平.乳化柴油研究及其應(yīng)用進(jìn)展[J].化工進(jìn)展,2004,23(4).

[2]劉蔚.乳化柴油及其實(shí)驗(yàn)研究[D].大連理工大學(xué),2003.

[3]賀戰(zhàn)兵.基于人工神經(jīng)網(wǎng)絡(luò)預(yù)測控制的交通信號調(diào)度[J].計(jì)算技術(shù)與自動(dòng)化,2010(3).

[4]朱大奇.人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J].江南大學(xué)學(xué)報(bào)(自然科學(xué)版),2004,(2).

[5]邱東強(qiáng).神經(jīng)網(wǎng)絡(luò)控制的現(xiàn)狀與發(fā)展[J].自動(dòng)化與儀器儀表,2001,(5).

Research on automatic preparation system of emulsifying machine of diesel oil based on artif i cial neural networks

XU Wei-xing, SHI Ai-ping, LIU Chao

乳化柴油和普通柴油比,乳化柴油具有燃燒性能好、能耗低、污染少等優(yōu)點(diǎn)，而柴油乳化機(jī)則是一個(gè)具備多個(gè)控制參量，對控制精度及反應(yīng)時(shí)間要求較高的的自動(dòng)化裝置。采用基于人工神經(jīng)網(wǎng)絡(luò)的控制技術(shù)對柴油乳化機(jī)進(jìn)行實(shí)時(shí)的檢測與控制，從而保證乳化機(jī)能夠連續(xù)不間斷的生產(chǎn)出合乎標(biāo)準(zhǔn)的乳化柴油。

人工神經(jīng)網(wǎng)絡(luò)；柴油乳化機(jī)；自動(dòng)化制備

徐偉幸（1978 -），男，江蘇丹徒人，講師，主要從事流體機(jī)械設(shè)計(jì)及其自動(dòng)控制研究。

TP391

B

1009-0134(2011)4(上)-0100-02

10.3969/j.issn.1009-0134.2011.4(上).31

2010-10-20