工业过程多变量系统的辅助常规控制设计

利用PID控制器对多变量系统进行控制,主要采取分散常规控制或解耦控制的策略。对于存在耦合的系统,分散常规控制无法消除各变量间的相互扰动,而直接设计动态解耦矩阵有时候会存在困难,静态解耦的效果却并不明显。针对已设计好分散常规控制器的方系统,以解耦为目标和原则,设计多变量系统中分散常规控制方案剩余配对的控制器作为辅助控制器,以频域近似的方法整定其PID参数,实现多输入多输出的控制结构,降低了各变量的相互耦合作用,提高了控制性能。通过对Shell公司的典型控制问题的辅助控制器设计与仿真实验,取得了比原有分散常规控制与静态解耦控制更好的控制效果,验证了控制策略的可行性与有效性。     

PVC沸腾床干燥过程优化控制系统

本文针对ＰＶＣ沸腾床干燥过程，基于人工神经元网络，建立了沸腾床能耗稳态优化模型，在此基础上，设计了一个多变量状态反馈控制系统，有效地解除了多输入多输出系统各变量之间的相互关联，并实现了ＰＶＣ质量控制。运行结果表明，该控制系统鲁棒性很强，并实现了最小能耗控制。     

基于CARIMA模型管式加热炉辨识研究

常减压加热炉是一个复杂的控制对象,特别是燃烧系统和多路进料支管出口温控系统,是多输入多输出相互关联耦合的多变量时变系统。该方法基于现场采集的数据,建立反映这种关系的离线CAR IMA模型,对模型参数进行递推最小二乘法的辨识,并且具有很高的精度和较强的泛化能力。     

化工过程非方瘦系统的串级控制系统结构设计

化工过程一般为多变量系统,其中输出变量个数多于输入变量个数的非方多变量系统称为瘦系统,现有的非方系统控制结构设计一般采用方形化处理方法,只能形成一个输入变量与一个输出变量配对的单回路控制,要么作为工艺控制指标的重要变量不能成为被控变量,要么次要变量未纳入反馈控制,无法满足控制要求。本文介绍了非方系统的平均频域相对增益阵,对瘦系统进行了变量配对分析,提出了一种瘦系统串级控制系统结构设计方法。这种方法在不添加输入变量的同时有效利用了所有的输出变量反馈,使系统反馈信息更完备,构造了重要变量与次要变量结合的串级控制系统。最后通过实例分析说明了瘦系统的串级控制系统结构设计方法不仅能够得到合理的变量配对,而且系统控制性能良好,尤其在进行干扰抑制的过程中体现出了快速性和高效性。     

化工过程非方瘦系统的串级控制系统结构设计

化工过程一般为多变量系统，其中输出变量个数多于输入变量个数的非方多变量系统称为瘦系统，现有的非方系统控制结构设计一般采用方形化处理方法，只能形成一个输入变量与一个输出变量配对的单回路控制，要么作为工艺控制指标的重要变量不能成为被控变量，要么次要变量未纳入反馈控制，无法满足控制要求。本文介绍了非方系统的平均频域相对增益阵，对瘦系统进行了变量配对分析，提出了一种瘦系统串级控制系统结构设计方法。这种方法在不添加输入变量的同时有效利用了所有的输出变量反馈，使系统反馈信息更完备，构造了重要变量与次要变量结合的串级控制系统。最后通过实例分析说明了瘦系统的串级控制系统结构设计方法不仅能够得到合理的变量配对，而且系统控制性能良好，尤其在进行干扰抑制的过程中体现出了快速性和高效性。     

基于滑模的多变量广义预测解耦控制

针对多变量控制系统的耦合问题,将广义预测控制和滑模控制结合起来,提出一种基于滑模的多变量广义预测解耦控制方法.首先把m个输入n个输出的多变量耦合系统分解成m个输入单个输出子系统,再通过对子系统输出预测得到滑模切换函数值,求解开环优化求得控制律,最后通过仿真实验表明,该控制方法对多变量耦合系统的控制是正确有效的.     

基于预测控制的全流程节能降耗优化控制方法

研究了基于预测控制模型的面向相互耦合的多个过程单元的以节能降耗为目的的全流程优化控制方法,并针对某炼油厂2×105 t/a气分装置先进控制技改项目,在各个精馏塔实施了多变量模型预测控制的基础上,提出了基于全流程优化控制方法的产品质量和能耗的整体优化方案,并在虚拟生产装置上进行仿真验证,结果表明该方法有效可行.     

先进控制系统在水泥生产中的应用研究

水泥生产中窑磨控制系统是一个复杂的多变量耦合的工艺系统。窑操作员对特定一个变量进行调节时，会造成其他工艺变量的波动。对于这样的工艺系统，目前DCS控制系统采用PID回路或多串级的方式进行控制，但由于PID回路处理的是一入一出的控制方式。因此无法解决在调节过程中多种变量耦合间的影响，因而造成调节过程浮动大，控制目标不稳定的现象。     

PTA装置氧化过程实时优化与先进控制

针对精对苯二甲酸装置滞后大、物料循环多、变量相互耦合和工况变化大的特点,采用机理模型和优化控制相结合的方法,在线实时优化生产工艺参数,并采用先进控制技术将生产过程平稳推移至最佳工况,充分挖掘装置节能降耗潜力,实现装置效益的最大化。     

基于闭环耦合度的大系统常规PID控制回路的投用规则

化工过程全流程为具有高维输入输出的多变量大系统,内部存在一定程度的耦合作用,因此其底层常规PID控制系统的设计、投用和整定也必然与整个系统的耦合程度有关。首先,提出了闭环相对增益和耦合度的概念,分析闭环相对增益在理想控制条件下与开环相对增益的等效性,发现闭环控制回路的反馈作用引起操纵变量和被控变量的关联,由此加剧整个系统的耦合程度,因此闭环控制回路并非投用得越多越好。然后,提出了基于闭环耦合度的化工过程大系统常规PID控制回路的投用规则,根据被控过程开环相对增益阵确定控制回路变量配对和投用顺序,依次投用各控制回路并计算控制回路的耦合度,当耦合度超过阈值时停止剩余控制回路的投用。最后,以典型多变量TE过程为例验证了该投用规则的有效性。     

基于多数据空间全潜结构映射的化工过程性能评估方法

针对化工过程运行状态在线评估的问题,提出多数据空间全潜结构映射（multi-space total projection to latent structures,MsT-PLS）性能评估方法。该方法采用“离线建模,在线评估”的评估策略。首先对历史多数据输入空间进行全面分解,结合多数据空间基向量提取方法,剔除多数据输入空间中与质量变量无关信息的干扰。在与质量变量相关的多数据输入空间上,建立不同运行性能等级的离线数据网络分类模型,实现“离线建模”。“在线评估”阶段,以数据滑动时间窗为评估单元,将过程性能分为稳定和过渡性能等级,把在线数据与历史性能等级进行相似度匹配。利用过程变量相对贡献度,对性能变化起决定性影响的过程变量进行识别和贡献度分析,为系统性能劣化原因的识别提供了参考。最后,应用到乙烯裂解过程在线性能评估中,说明了本评估方法可以对系统进行准确的在线性能评估。     

基于变量分组DTW-MCVA的不等长间歇过程故障检测方法

针对不等长间歇过程监控中批次数据同步化未能充分挖掘局部信息的问题,提出一种基于变量分组DTW-MCVA（VGDTW-CVA）的不等长间歇过程故障检测方法。首先,利用互信息矩阵描述不等长间歇过程测量变量之间的相关性,并基于互信息矩阵进行变量分组。然后利用DTW算法对各个变量组分别进行同步化,并将同步化后的变量组整合为完整的三维数据集。最后,利用MCVA方法建立动态监控模型实现对间歇生产过程的在线监控。盘尼西林发酵过程的仿真结果表明,VGDTW-MCVA能够比基本的DTW-MCVA方法更好地监控间歇过程故障。     

步进MPCA及其在间歇过程监控中的应用

针对多向主元分析法(MPCA)在间歇过程监控过程中需要预测过程未来输出的困难,提出了一种新的步进多向主元分析方法。该方法通过建立一系列的PCA模型,避免了对预估过程变量未来输出的需要,通过引入遗忘因子能够自然地处理多阶段间歇过程的情况。对于多阶段链霉素发酵过程的监控表明,相对于普通MPCA,步进MPCA能够更精确地对过程故障行为进行描述。     

基于互信息的分散式动态PCA故障检测方法

对现代大型复杂动态过程来讲,不同测量变量会存在不同的序列相关性,而且变量间的相互影响会体现在不同的采样时刻上。为此,结合利用分散式建模的优势,提出一种基于互信息的分散式动态过程故障检测方法。该方法在对每个测量变量都引入多个延时测量值后,利用互信息为每个变量区分出与其相关的测量值,并建立起相应的变量子块。这种变量分块方式使每个变量子块都能充分地获取与之相对应的自相关性与交叉相关性信息,较好地处理了数据的动态性问题。然后,利用主元分析（PCA）算法对每一变量子块进行统计建模从而建立起适于大规模动态过程的多模块化的故障检测模型。最后,通过实例验证该方法用于动态过程监测的可行性和有效性。     

基于动态多属性决策方法的工业过程控制性能评价

工业控制系统由于设备老化而导致控制性能发生变化,而传统的控制性能评价方法对于这种慢时变特性具有局限性。提出了一种基于变权动态多属性决策的控制性能评价方法。首先在对系统性能进行判断时,利用系统故障率与运行时间相结合的计算方法对系统的运行状态进行划分,获得不同运行阶段的决策信息;采用四个评价指标分别为超调量、非线性指标、输出方差、阀黏滞指标构造多属性决策判断矩阵,对老化慢时变系统进行评价,并运用色谱分析法计算决策过程中属性权重的变化,最终确定当前性能运行状态;将该方法应用于某工业DMF回收装置中,对比实验结果验证了该方法的有效性。     

Application of online support vector regression for soft sensors

Soft sensors have been widely used in chemical plants to estimate process variables that are difficult to measure online. One of the crucial difficulties of soft sensors is that predictive accuracy drops due to changes in state of chemical plants. Characteristics of adaptive soft sensor models such as moving window models, just‐in‐time models and time difference models were previously discussed. The predictive accuracy of any traditional models decreases when sudden changes in processes occur. Therefore, a new soft sensor method based on online support vector regression (SVR) and the time variable was developed for constructing soft sensor models adaptive to rapid changes of relationships among process variables. A nonlinear SVR model with the time variable is updated with the most recent data. The proposed method was applied to simulation data and real industrial data, and achieved higher predictive accuracy than traditional ones even when time‐varying changes in process characteristics happen. © 2013 American Institute of Chemical Engineers AIChE J 60: 600–612, 2014     

Tracer investigation of a packed column under variable flow

Tracer techniques are well-established methods in investigations of a flow process dynamics. The concept of experimental evaluation of residence time distribution (RTD) is widely utilized. There exist advanced methods of RTD function analysis. The methods generally assume the constant flow rate in the system. In this work, we aim to determine the flow parameters for a process under variable flow rate using ordinary tracer data. The experimental study analyzed as an illustration of the method is the tracer experiment carried out on a pilot scale system—packed bed reactor.     

Discoloration process modeling by neural network

The photo-oxidation of acid orange 52 dye was performed in the presence of H₂O₂, utilizing UV light, aiming the discoloration process modeling and the process variable influence characterization. The discoloration process was modeled by the use of feedforward neural network. Each sample was characterized by five independent variables (dye concentration, pH, hydrogen peroxide volume, temperature and time of operation) and a dependent variable (absorbance). The neural model has also provided, through Garson Partition coefficients and the Pertubation method, the independent variable influence order determination. The results indicated that the time of operation was the predominant variable and reaction mean temperature was the lesser influent variable. The neural model obtained presented coefficients of correlation on the order 0.98, for sets of trainability, validation and testing, indicating the power of prediction of the model and its character of generalization.     

基于变量子域PCA的故障检测方法

针对工业过程监控中传统主元分析（PCA）方法没有突出局部变量信息的问题,提出一种基于变量子域PCA（variable sub-region PCA,VSR-PCA）的故障检测方法。首先使用PCA将原始数据空间分解成主元子空间（principal component subspace,PCS）和残差子空间（residual subspace,RS）,计算变量与PCS的互信息来度量两者的相关性并以此划分变量子域。然后在变量子域中计算局部T²统计量和局部SPE统计量,并通过贝叶斯推理整合所有子域的信息构造全局统计量,使得在利用所有过程信息的同时挖掘局部变量信息。在连续搅拌反应釜系统上的仿真结果表明,VSR-PCA方法具有更好的过程监控性能。     

单颗粒褐煤高温烟气干燥过程数值模拟

褐煤干燥对于提高其品质具有重要意义。为了模拟高温烟气干燥这一高温差、变温差非稳态传热传质过程中褐煤内水分蒸发过程,采用有限体积法建立了一维球坐标系下蒸发界面向内迁移的单颗粒褐煤干燥数学模型,并利用该模型分析了初始烟气温度和颗粒粒径对单个褐煤颗粒干燥特性的影响。模型模拟结果与实验结果对比表明二者变化趋势一致,所建模型能较好地反映出高温烟气干燥过程中褐煤内水分蒸发过程。结果表明,初始烟气温度越高,颗粒粒径越小,蒸发界面向内迁移速度越快,水分脱除越快,干燥时间越短;蒸发界面平均迁移速度均与初始烟气温度和颗粒粒径呈线性关系;在初始烟气温度700℃下,较短的停留时间使得颗粒表面温度未达到挥发分析出温度,本研究中不同粒径褐煤颗粒在干燥过程中基本没有挥发分的析出。