Dynamic Estimator of Artificial Neural Networks in High-Pressure Copolymerization application

摘要 本文的目的在研討類神經網路的EVA (Ethylene-Vinyl Acetate) 高壓反應器的共聚合程序之產品性質 (熔融指數) 預測，並利用此項預測探討品別轉換之操作。 本文首先經由甘子威 (2003)、陳柏碩 (2004) 建構EVA高壓共聚合反應器的數學模式及整廠模式的溫度環路控制架構作為模擬之依據及數據之來源。利用產品性質 (熔融指數) 之控制策略與陳柏碩 (2004) 兩階段操作策略比較品別轉換情形下所需的時間；而實際高分子工業中，因無法對聚合物的產品性質 (熔融指數) 作線上量測，以及此共聚合程序的數學模式過於複雜，因此建構一個類神經網路，用以預測產品性質 (熔融指數) 的動態變化，此類神經網路的估測器對新鮮進料±10%改變都有不錯的預測結果；最後並研討共聚合程序模式產生誤差的情形下，如何運用類神經網路的預測以達到控制效果。針對單一品別以及品別轉換下，產品性質 (熔融指數) 皆有控制到所需品別的設定值。Abstract The main purpose of this research is to construct an Artificial Neural Network (ANN) for the prediction of an important quality variable, Melting Index, in a high-pressure EVA copolymerization reactor, where free radical copolymerization reaction takes place. The ANN is used to explore the feasibility of inferential feedback control and to enhance the grade transition. The modeling building for ANN makes uses of the mathematical models from Gan (2003) and Chen (2004). The model is simulated and excited by PRBS inputs to generate the required dynamic data for modeling. The ANN prediction of MI is corrected every four hours by a measurement data. The corrected ANN prediction is used as feedback to maintain the MI at a specified value. Robustness of the control system to modeling error is also demonstrated. The resulting control of MI is then applied to the case where grade transition is demanded.誌謝 I 摘要 III Abstract V 目錄 VII 圖索引 IX 表索引 XIII 1 緒論 1 1.1 前言 1 1.2 文獻回顧 3 1.2.1 聚合反應模式建立與討論 3 1.2.2 聚合程序的控制討論 4 1.2.3 聚合程序的產品品質轉換討論 5 1.2.4 類神經網路的建立與討論 8 1.3 研究動機與目的 10 1.4 組織章節 11 2 乙烯-乙酸乙烯酯共聚合反應概述 13 2.1 聚合原理 14 2.1.1 聚合物結構 14 2.1.2 聚合物類別 16 2.1.3 聚合反應機構類別 17 2.2 高壓反應器模式建立 21 2.2.1 質能平衡 22 2.2.2 聚合反應機構 24 2.2.3 擬反應動力常數 27 2.2.4 熱力學模式 31 2.2.5 聚合物之分子量 33 2.3 整廠模式與溫度控制之品別轉換 35 2.3.1 整廠模式建立 35 2.3.2 整廠模式模擬結果 36 2.4 整廠模式產品性質的控制與討論 50 2.4.1 熔融指數控制架構 50 2.4.2 熔融指數控制與品別轉換模擬結果 53 2.5 結語 68 3 類神經網路的應用 69 3.1 類神經網路 71 3.1.1 何謂類神經網路 71 3.1.2 類神經網路的優缺點與分類 73 3.1.3 倒傳遞網路演算法 76 3.2 類神經網路建立 84 3.2.1 熔融指數類神經網路 84 3.2.2 類神經網路的預測 97 3.3 結語 101 4 類神經網路產品性質的控制與討論 103 4.1 類神經網路應用於品別轉換的控制 104 4.2 模式誤差熔融指數的控制 110 4.3 結語 116 5 結論 117 參考文獻 119 附錄A 擬穩態假設 125 附錄B 各成份平衡式 127 附錄C Soave-Redlich-Kwong狀態方程式 131 附錄D 動力常數 135 作者簡介 13