基于矩值的聚合物分子量分布控制

The micromolecular architectures strongly influence properties and applications of the polymer, thus control of molecular weight distribution has become an important research target. Based on gray-box modeling result, the control of MWD through the numerical characters of distribution function will be investigated. Moments has been taken as direct control object to get a general control scheme to MWD function. The controlled moment vector dimensionality reduction will be proposed and testified based on the characters of distribution function and moments which will provide a solution for the accurate tracking of MWD. Based on the interdependency of moments, the decoupling method for high-dimension controlled moments will be discussed through the multivariate statistical process control method. Finally, a weighted control target function will be proposed combined with the character of lower-order moments are measurable or predictable. General limited constraints can be abstracted from the control object, and the accurate feedback control of MWD profile can be realized. Research results also can be used in other similar distribution systems and the accurate control of optimal distribution profile can be realized.

分子量分布（MWD）可以全面反映聚合物微观特性进而决定聚合物性质和用途，因此能够提供某种分子链长平衡的分子量分布就成为聚合物微观质量控制领域的重要研究课题。本项目在分子量分布灰箱建模的基础上，探讨基于分布函数数字特征的MWD控制问题。利用灰箱模型可以建立有限阶次矩向量与MWD之间单射关系的特点，以矩值为直接被控对象，研究基于有限阶矩值对MWD函数进行部分反馈控制的通用解决方案。首先从分布函数及矩值的性质出发，提出被控矩向量降维准则并进行证明，为以有限阶矩值为直接被控目标实现MWD的精确跟踪提供理论基础。然后基于矩值的互相关性，以多变量统计过程控制方法为基础，探讨高维被控矩向量降维解耦的实现方法。最后，结合低阶矩可测/可推断的特点，提出加权控制目标函数，自控制目标中抽象出通用约束条件，实现MWD曲线的精确反馈控制。研究成果也可以应用到类似的分布参数系统中，实现建模与最优分布形状的精细控制。

实现分子量分布（MWD）的形状控制是聚合反应产品设计的重要目标之一。在利用正交多项式神经网络实现灰箱建模的基础上，我们推导了当网络权向量可由MWD矩向量线性表出时，作为网络基函数的正交多项式需满足的约束条件，为基函数的选择提供了理论依据，使建模方法更具通用性。提出了一种改进的递归神经网络形式，把非线性自回归正交多项式网络的全连接形式改为稀疏连接，实现了当前输入变量到矩向量空间的线性映射。研究了MWD对象的截断矩问题，证明该问题具有唯一解，即分布函数的矩与分布函数一一对应，且由有限低阶矩可以推导MWD的所有矩值，独立低阶矩的个数与分布函数独立参数个数相等。这一结论为基于有限阶矩控制分布函数提供了理论基础。在分子量分布函数截断矩具有唯一解的前提下，研究利用有限阶矩向量实现分布函数的精细控制。与MWD相比，某些低阶矩更易实现在线测量，且具有明确物理意义。因此以矩值为直接被控对象实现MWD的调节不仅可以解决分布参数对象控制的难题，而且易于实现建模与控制的在线监测和修正，提高控制品质。在实际应用中神经网络模型不可避免的存在建模误差及未建模动态，因此控制系统的鲁棒性和精确性难以保证，严重阻碍了MWD实时在线控制的实现。本课题参考估计型无模型自适应控制（MFC）系统设计方案，在利用输出反馈控制方法估计控制器参数的基础上增加MFC外环，用于克服未建模动态和参数估计误差的综合影响，保证系统的鲁棒性。最终为基于模型预估的分布函数控制问题提供了通用解决方案。在研究过程中还为基于机器学习的聚合物粒径分布建模方法这一新的研究方向提供了基础性结果。课题成果正在聚合反应中试装置中试用，该成果的推广应用将进一步提高我国聚合物生产企业的产品质量，提高行业竞争力。项目所提方法可以推广至其他分布参数系统中，实现工业柔性化生产。