建模课程设计.ppt

1、过程建模课程设计 双组份精馏塔建模,自动化专业2012.5,设计要求,1.查阅相关文献：学校主页 图书馆 电子资源 中国学术文献总库 http:/202.199.112.249/kns50/single_index.aspx2.机理建模：以轻组分液相含量为状态变量，求整塔状态方程3.系统辨识：以精馏塔数据为基础，在MATLAB环境下分组编写最小二乘类辨识算法程序，辨识模型,一、机理分析方法,一、列原始方程1、物料平衡（1）冷凝器及回流罐 总的连续方程：,组份连续性方程：,(2)塔顶塔盘（n=NT）根据物料平衡：,组份连续性方程：,一、机理分析方法,(3)第J块塔盘（n=j）第J块塔盘物料平衡算

2、式,组份连续性方程：,一、机理分析方法,(4)加料板（n=Nf）总的连续方程：,组份连续性方程：,一、机理分析方法,(5)第一块塔盘(n=1)总的连续方程：,组份连续性方程：,一、机理分析方法,(6)再沸器与塔板总的连续方程：,组份连续性方程：,相平衡：,水力平衡：,一、机理分析方法,二、精馏塔各通道特性求取 精馏塔的数学模型已经建立，现以单块塔板为例，求各通道的动态特性（传递函数）。,一、机理分析方法,假设：1.忽略塔板效率；2.回流罐采用液位定值控制，即MD为定值。,根据总的及组份物料平衡关系，对第j块塔可列出如下方程式：,组份物料平衡关系:,一、机理分析方法,对（*1）式作线性化并代入总

3、物料平衡方程,忽略塔板效率，由相平衡 代入上式并整理,由各分离级联立 组成状态方程,左侧状态变量为,右侧第一项矩阵维数,右侧第二项矩阵维数,右侧第一项,右侧第二项,右侧第三项,1.Contributed by:Peter Van OverscheeK.U.Leuven-ESAT-SISTAK.Mercierlaan 943001 HeverleePeter.Vanoverscheeesat.kuleuven.ac.be2.Process/Description:Data of a simulation related to the identification of an ethane-eth

4、ylene distillation column.The series consists of series:U_dest,Y_dest:without noise(original series)U_dest_n10,Y_dest_n10:10 percent additive white noise U_dest_n20,Y_dest_n20:20 percent additive white noise U_dest_n30,Y_dest_n30:30 percent additive white noise,This file describes the data in the de

5、still.dat file.,3.Sampling time 15 min.4.Number of samples:90 samples5.Inputs:a.ratio between the reboiler duty and the feed flowb.ratio between the reflux rate and the feed flowc.ratio between the distillate and the feed flowd.input ethane composition e.top pressure6.Outputs:a.top ethane compositio

6、nb.bottom ethylene composition c.top-bottom differential pressure.,This file describes the data in the destill.dat file.,clear%workspace 工作间清零clc%清屏load destill.dat%载入数据U=destill(:,2:21);Y=destill(:,22:33);u=U(:,1:5);y=Y(:,1:3);%输入信号u；输出信号y；disp(u=U(:,1:5);y=Y(:,1:3);)%显示信号类型%u=U(:,6:10);y=Y(:,4:6);

7、%disp(u=U(:,6:10);y=Y(:,4:6);)%u=U(:,11:15);y=Y(:,7:9);%disp(u=U(:,11:15);y=Y(:,7:9);)%u=U(:,16:20);y=Y(:,10:12);%disp(u=U(:,16:20);y=Y(:,10:12;)M,N=size(u);L=length(u);m=3;n=5;l=L-max(m,n);%数据长度,一次完成算法赋值部分参考程序,for i=1:l H(i,:)=-y(i+n-1:-1:i,1)u(i+m-1:-1:i,1);Endz=y(n+1:L,1);%第二个参数要与-y(i+n-1:-1:i,1)

8、的第二个参数相同disp(T是最小二乘法一次完成算法的辨识结果)Ta=1;T(1:n)b=T(n+1:n+m)th=poly2th(a,b),最小二乘一次完成算法计算程序,%生成对角矩阵，矩阵元素为服从（0.9 1）均匀分布的随机数for i=1:l LAMDA(i,i)=random(Uniform,0.9,1);end%与基本最小二乘的区别;disp(T是加权最小二乘法一次完成算法的辨识结果)Ta=1;T(1:n)b=T(n+1:n+m)th=poly2th(a,b),for j1=1:L h=H(j1,:);%取第j1行%生成加权因子，服从（0.9 1）均匀分布的随机数 lamda=ra

9、ndom(Uniform,0.9,1);end,加权最小二乘法 一次完成算法权值赋值及辨识公式程序,加权最小二乘法递推算法权值赋值程序,x=0.98;%衰减因子v=x2;%遗忘因子l=L-max(m,n);%数据长度%新输出向量赋值程序for i=1:l z(i)=x(l-i)*y(i+n);end%赋值结束%构成观测矩阵for i=1:l H(i,:)=x(l-i)*-y(i+n-1:-1:i,1)u(i+m-1:-1:i,1);end,for i1=1:length(Y);H(i1,:)=x(l-i)*-y(i1+n-1:-1:i1,1)u(i1+m-1:-1:i1,1);end L=length(Y);t(1:(m+n),:)=0.001;%赋初值 p=(106)*eye(m+n);%赋初值 for j1=1:L h=H(j1,:);%取第j1行 end,遗忘因子法赋值程序,遗忘因子法递推算法部分计算程序,