[发明专利]一种液体进料控制方法

摘要

本发明公开了一种液体进料控制方法，属于化学实验技术领域，解决了现有液体进料控制方法无法建立液体进料量与推进气体之间的非线性数学模型，难以实现对于液体进料量的精准计量的技术问题。该液体进料控制方法包括：将进料液体至于储罐中，通过向所述储罐中注入推进气体使得所述进料液体被推出所述储罐从而实现所述进料液体的连续进料；通过构建BP人工神经网络模型建立所述推进气体的体积流量与所述进料液体的体积流量的非线性关系，并根据所述非线性关系计算所需的所述进料液体的体积流量所对应的所述推进气体的体积流量；根据计算结果控制所述推进气体的体积流量以使得所述进料液体达到所需的体积流量。

主权项

1.一种液体进料控制方法，其特征在于，包括：将进料液体置于储罐中，通过向所述储罐中注入推进气体使得所述进料液体被推出所述储罐从而实现所述进料液体的连续进料；通过构建BP人工神经网络模型建立所述推进气体的体积流量与所述进料液体的体积流量的非线性关系，并根据所述非线性关系计算所需的所述进料液体的体积流量所对应的所述推进气体的体积流量；以及根据计算结果控制所述推进气体的体积流量以使得所述进料液体达到所需的体积流量，其中，在建立所述推进气体的体积流量与所述进料液体的体积流量的非线性关系的步骤中包括：收集多组所述进料液体的体积流量与所对应的所述推进气体的体积流量的样本数据；以所述进料液体的体积流量以及与所述推进气体有关的影响所述进料液体的体积流量的环境参数作为输入、以所述推进气体的体积流量作为输出构建BP人工神经网络模型；以及根据所述多组样本数据对所述BP人工神经网络模型进行训练，建立所述推进气体的体积流量与所述进料液体的体积流量的非线性关系，其中，所述BP人工神经网络模型包括：分别包含有神经元的输入层、隐含层和输出层，在根据与所述推进气体有关的影响所述进料液体的体积流量的环境参数构建BP人工神经网络模型的步骤中包括：构建所述输入层，所述输出层包含多个神经元，所述输入层的多个神经元的输入对应所述进料液体的体积流量以及与所述推进气体有关的影响所述进料液体的体积流量的环境参数，其中，所述环境参数包括：室温、实验温度、进入系统前气体压力和进入系统后气体压力；构建所述隐含层，所述隐含层的神经元数量采用试凑法获得；以及构建所述输出层，所述输出层包含一个神经元，所述输出层的一个神经元的输出对应所述推进气体的体积流量，其中，根据所述多组样本数据对所述BP人工神经网络模型进行训练包括：网络初始化，设置所述BP人工神经网络模型的各个参数；对每一输入样本进行前向运算，分别得到所述每一输入样本的实际输出；根据所述每一输入样本的实际输出和期望输出，反向递推计算出训练误差；以及根据从所述输入层到所述隐含层的连接权值和从所述隐含层到所述输出层的连接权值的调整量与所述训练误差的负梯度成正比的关系修正权值系数。