精细化工过程控制技术的重要发展趋势

分析了精细化工生产过程的特点及其控制需求,阐明了精细化工过程控制技术的现状与主要发展趋势,包括精细化工过程的集成控制、自动批量生产控制、优化控制、生产工况和生产质量的综合性统计过程控制以及生产过程的综合性安全保护控制等。重点论述了精细化工过程控制技术领域应着重研究的两项重要课题,一为统计过程控制技术,研究和开发适合精细化工过程间歇生产特点的多变量统计控制方法,即多向、非线性、多尺度、多种分布、自适应统计过程控制方法,提高精细化工过程的工况监控和质量控制水平;二为研究和应用防护层分析与设计、非正常工况管理等综合性安全保护控制工程技术,提高精细化工过程的安全控制水平。     

一种生化反应器智能自适应学习和预测神经元网络系统

The adaptive learning and prediction of a highly nonlinear and time-varying bioreactor benchmark process is studied using Neur-On-Line, a graphical tool kit for developing and deploying neural networks in the G2 real time intelligent environment,and a new modified Broyden, Fletcher, Goldfarb, and Shanno （BFGS） quasi-Newton algorithm. The modified BFGS algorithm for the adaptive learning of back propagation （BP） neural networks is developed and embedded into NeurOn-Line by introducing a new search method of learning rate to the full memory BFGS algorithm. Simulation results show that the adaptive learning and prediction neural network system can quicklv track the time-varving and nonlinear behavior of the bioreactor.     

间歇精馏过程的模糊逻辑与增益自调整PID混合控制

针对间歇精馏过程的强非线性和非平稳时变特性,结合模糊逻辑控制和增益自调整PID控制的优点,提出了一种模糊逻辑和增益自调整PID混合控制的先进控制策略,详细推导了其控制算法,设计了相应的控制器,并在EuroBEEB工控机上用实时BASIC语言编程实现,对一套甲醇/水二元间歇精馏塔的塔顶浓度进行了推断控制实验,获得了比单独采用模糊逻辑控制时更好的控制结果。这说明,模糊逻辑和增益自调整PID混合控制是强非线性和非平稳时变过程的一种有效控制策略。     

相空间重构-最小二乘支持向量机用于间歇过程变量在线预报

时间序列预测技术可实现过程参数未来变化趋势的早期预报,从而为分析判断工况是否正常、确定转入下一工序的时机提供依据.针对间歇过程数据长度短、非线性、动态、不同批次数据不等长等特点,提出了一种基于相空间重构-最小二乘支持向量机的非线性时间序列预测方法.首先将多批次数据随机的拼接组成长数据向量,差分处理后采用相空间重构关联积分C-C方法计算该序列的延迟时间τ和嵌入维数m,从而构建训练集和检验集,然后采用最小二乘支持向量机算法建立预测模型.对某间歇蒸馏过程上升气温度建立的5步预测模型可用于生产现场的在线预报.     

精细化工过程控制技术的发展动向

精细化工产品的市场需求快速多变,产品更新换代快,使得精细化工生产过程一般采取小批量、多品种生产,生产过程多为间歇或半连续过程,时变性、非线性强,生产过程的工艺流程复杂,操作步骤繁杂,劳动强度大;精细化工生产过程的工艺介质多为有一定毒性、腐蚀性和易燃易爆性的化学品,过程运行危险性大;这些特点使得精细化工生产过程更难以控制,综合自动化水平普遍较低.为了提高精细化工生产过程的综合自动化水平,需根据精细化工生产过程的特点及其控制需求,进行精细化工生产过程控制技术的研究和应用.目前,精细化工过程控制技术的主要发展动向为:从常规仪表控制向计算机控制、集散式控制系统(Distributed Control System,DCS)控制发展;从简单的顺序控制、程序控制向基于ISA SP88间歇过程控制标准的自动批量生产控制发展;从人工控制、常规PID控制向先进的批次-批次迭代学习优化控制发展;从简单工艺参数的控制向生产工况和生产质量的综合性统计过程控制发展;从简单的工艺参数越限连锁报警向综合性安全保护控制和在线实时非正常工况管理发展.     

自回归求和滑动平均方法用于间歇过程变量在线预测

间歇过程变量的在线预测是一种重要的生产过程质量控制手段。实现间歇过程变量的在线预报需要对过程以往的批次数据建立预测模型,即需挖掘批次间和批次内的数据信息。针对间歇过程数据不同批次不等长、数据长度短、非线性等特点,采用数据重构——自回归求和滑动平均方法建立其在线预测模型：将收集到的间歇过程变量以批次为单位进行数据平滑;对这些批次数据按照随机的顺序首尾相接,组成长数据集;对于批次连接处数据跳跃的情况,采用后面所有批次数据减去上一批次的最后一个值,以实现数据的平滑;采用自回归求和滑动平均方法建立数据模型,并用于间歇蒸馏温度的在线预报。采用该方法建立的4步预测模型对某间歇蒸馏过程上升气温度的预测均方差较小,符合生产现场的预测要求。     

基于G2的化工仿真培训系统设计与开发

化工过程仿真培训技术是一种以培训为目的，通过建立化工过程动态数学模型，并以计算机技术再现真实系统特性的仿真技术。与真实环境相比，化工仿真培训系统可为受训人员提供一种安全、高效的受训环境。目前，国内已有几百套仿真培训系统在化工、石油等企业投入使用，应用效果明显。本文采用实时智能系统软件G2作为开发平台，     

间歇精馏塔四种先进控制策略的设计与应用比较

对一套甲醇／水二元问歇精馏塔实验装置,由于其非线性、非平稳特性,设计和应用了模糊逻辑控制、增益自调整控制、增益自调整和模糊逻辑混合控制以及基于状态空间模型的模型预测控制共4种先进控制策略,基于一套温度-浓度经验模型估算塔顶浓度,进行了间歇精馏控制实验,获得了满意的控制结果,并对这4种先进控制策略与普通PI控制的控制性能进行了比较。应用实验结果证明,4种先进控制策略均能对间歇精馏过程进行有效控制,控制效果差别不大,但都明显优于普通PI控制。其中增益自调整控制精度高,模型预测控制收率高,能较好地实现质量卡边控制。     

应用人工神经元网络进行pH中和过程故障诊断

应用NeurOn-Line神经元网络应用系统开发技术和G2实时智能专家系统开发技术,开发了一套pH中和过程的故障诊断系统。先简单描述了该pH中和过程及其建模,然后详细论述了该故障诊断系统在NeurOn-Line和G2软件平台上的设计和编程开发情况。共进行了pH中和过程的正常运行模式,pH传感器测量值偏高、pH传感器测量值偏低和碱液浓度变稀三种故障模式的仿真和诊断。仿真结果表明该故障诊断系统能快速准确诊断出pH中和过程的正常运行和故障模式。     

一种新型非线性Hammerstein系统动态矩阵控制算法

将动态矩阵控制策略(DMC)推广到由一个非线性静态多项式函数和一个线性动态阶跃响应环节组成的非线性Ham-merstein系统,详细地给出了该新型非线性Hammerstein系统动态矩阵控制算法(NLH-DMC).把NLH-DMC应用于一套强非线性pH中和过程,给定值跟踪和抗干扰仿真结果表明,NLH-DMC比线性DMC(LDMC)和过程控制领域常用的非线性PID(NL-PID)具有更好的控制性能.进一步的仿真实验证实,NLH-DMC不仅具有良好的控制响应,而且在存在较大模型误差时仍具有很好的稳定性及鲁棒性.