软测量技术在DehaV DCS上的实现和应用

针对丁二烯生产装置精馏塔塔顶控制回路存在的问题，建立了软测量模型，并设计了串级推断控制回路。利用从集散控制系统采集的大量现场数据，运用基于多元线性回归方法的软测量建模技术，建立了塔顶中丁二烯产品纯度的软测量模型．实现了产品质量闭环控制。通过DeltaV DES系统实现控制回路的改造。实际使用证明，该软测量模型具有良好的特性，较高的估计精度和实时性；塔的控制更加平稳，节约了能耗，具有较好的经济效益。     

丁二烯精馏塔的推断控制方案与软测量模型

研究了某厂丁二烯精馏塔塔底控制回路目前存在的问题，提出了基于软测量的推断控制方案。利用DCS采集的现场数据进行相关性分析后，分别建立了非线性回归模型和人工神经网络模型。选用较为简单的回归模型构成了软测量仪表。     

基于多神经网络结构的丙烯浓度软测量建模

大型气体分馏装置的分馏塔丙烯浓度的软测量一般采用统计建模法进行,根据丙烯精馏塔的工艺流程和控制系统结构的分析,确定了塔顶的温差、双温差、回流量变化以及塔顶压力变化△p作为软测量模型所需的二次变量,利用气相色谱仪进行线下化验分析获得的丙烯浓度和对应采样时刻的塔顶、塔底温度、回流量、塔顶压力等数据,通过随机抽取的方法生成含训练样本集和测试样本集。采用训练样本全集和经过K-means聚类后的数据,建立了由10,15,20个隐层节点构成的单隐层多层前向网络模型;利用Levenberg-Marquardt训练算法,通过LS连接得到软测量模型,利用离线色谱分析仪的化验分析结果作为校正信号。仿真结果表明软测量模型具有较好的精确度和鲁棒性。     

常减压装置初馏塔顶产品干点软测量的应用研究

在常减压装置中,影响初馏塔顶石脑油干点的因素很多,反应十分复杂,故难以建立准确的机理模型.针对传统的主元分析法(PCA)或自适应模糊推理系统(ANFIS)建立软测模型中的缺点,本文提出采用主元分析法预处理输入变量,再结合自适应模糊推理系统,进行常减压装置初馏塔顶石脑油干点的软测量模型的改进,能及时测定化工过程的变量,对稳定生产过程,有效控制产品质量具有重要意义.通过MATLAB仿真,表明该改进型方法的软测建模效果较好,建模的训练时间大大节省了,且泛化能力和拟合精度很好.     

基于OPC的先进控制在丁二烯装置中的应用

针对丁二烯生产装置精馏塔中组分浓度难以控制的问题,提出了基于OPC技术的先进控制方案。在DeltaV DCS控制网络中添加应用站和上位机,应用站作为OPC数据服务器。在上位机用VB编写基于OPC技术的先进控制软件包,实现了数据采集和软测量程序,并把软测量模型的计算结果返回到工程师站,实现物料组分的闭环控制。现场运行结果表明,该方案能够有效地解决精馏塔中组分浓度不能在线测量和直接闭环控制的问题,显著地改善了控制效果。     

基于软测量技术的推断控制在共沸精馏系统中的应用

针对某丁二烯共沸精馏塔控制系统实际存在的问题，利用大量的现场数据，运用基于回归分析的软测量技术，设计了釜液中水含量软测量模型，实现了釜液水含量的在线实时估计。同时并根据实际的质量控制目标，设计了一个基于软测量的推断控制方案，并在推断控制算法中增加了约束控制功能，增强了控制系统的可靠性和实用性。现场运行结果表明，控制系统能够有效地解决精馏塔产品质量不能在线实时检测和直接质量闭环控制的问题，实现了釜液水含量的卡边控制。     

打浆度软测量技术的研究及应用

针对打浆度直接在线检测难度大的特点,采用软测量技术,实现了打浆过程打浆度的在线软测量。介绍了打浆度软测量模型建立,阐述了软测量技术在盘磨控制中的PLC应用。     

精馏塔多通道对角矩阵解耦控制仿真

在化工生产中,许多单元操作的控制涉及至少2个被控变量,因此产生至少2个以上的控制回路。在该类具有多个控制回路的多变量控制系统中,同一被控对象上的多个控制回路,在实现其各自的控制目标时,将发生相互作用和相互影响。精馏塔是化工等行业中广泛使用的高耗能分离设备,为满足工艺要求和节能,需将塔顶和塔底产品流控制在设计值,即双成分控制。通常,利用回流量和加热量作操纵变量分别控制塔顶和塔底产品的组成。不过,回流量的变化也会影响塔底产品的组成,加热量的改变也会影响塔顶产品的组成。当采用温度作为反映产品组成的间接指标时,塔顶和塔底温度控制回路具有强烈的耦合作用,会导致系统不稳定。一个简单有效的方法就是解出耦合,因此,本文先介绍了一种基于对角矩阵的温度解耦控制方案,并在MATLAB/Simulink平台进行了控制仿真。结果显示:与两个独立PID回路控制相比,对角矩阵解耦控制不仅能达到更优的控制效果,还具有极强的对象特性鲁棒性。     

基于Multisim的恒压型热线风速测量系统电路仿真分析

为开展恒压型热线风速测量系统的优化设计,建立了基于Multisim的电路仿真模型,其中,热线探头采用PSpice模型实现其特性的模拟,恒压控制回路中采用了T型动态补偿网络以提高系统的频响。进行了恒压型控制回路元件参数和流场流速对系统动静态性能影响的仿真分析及热线探头时间常数原位测量仿真。结果表明：从Multisim电路仿真模型得到流场流速、补偿网络参数、控制回路输入电压和电阻等对系统动静态特性的影响规律与数值计算的一致,验证了在Multisim中开展恒压型热线风速测量系统仿真研究的可行性,同时,这种针对实际电路参数的仿真分析对恒压型热线风速测量系统的优化设计和制备具有重要指导意义。     

基于软测量的先进控制系统的实现

针对某精馏装置存在的测量和控制方面的问题，提出了基于软测量的推断控制方案。分别用逐步回归和BP神经网络方法建立了对象的软测量模型，分析了建模效果。最后介绍了如何在DCS上组态实现该控制方案。     

基于文化算法的神经网络及其在建模中的应用

在深入研究文化算法和神经网络相关文献基础上,针对神经网络建模的特点提出了一种训练神经网络的文化算法流程构造文化神经网络,并将该网络用于乙烯精馏塔产品质量软测量建模.通过训练与泛化能力的比较分析,结果表明基于文化神经网络的软测量模型具有良好的性能和较好的应用前景.     

基于改进极限学习机的软测量建模

极限学习机（ELM）因其泛化能力好和学习速度快而成为软测量的新方法,但当应用到铝电解工艺参数建模时,ELM通常需要较多隐层节点并且泛化能力较低。针对这一问题,提出一种基于改进极限学习机（IELM）的软测量模型。首先,利用粗糙集中的约简理论剔除输入变量中的冗余或不相关属性,以降低ELM的输入复杂性;然后,利用偏相关系数对输入变量和输出变量间的相关性进行分析,将输入数据分为正输入和负输入两部分,分别对这两部分建立输入单元,重新构建ELM网络;最后,建立了基于改进极限学习机的铝电解分子比软测量模型。仿真实验结果表明,基于改进极限学习机的软测量模型具有较好的泛化能力和稳定性。     

精馏塔的机理-神经网络混合建模

酒精精馏过程是一个复杂的化工过程,动态响应缓慢,内在机理复杂,参数间相互关联.为了解决精馏塔机理模型精度低和神经网络模型外推能力差的缺点,同时也为了精馏塔的先进控制提供一种可靠的先进模型,针对试验室酒精精馏塔,充分发挥机理模型和神经网络模型的特点,建立一种基于机理模型和神经网络补偿模型的酒精精馏塔的混合模型.最后对混合模型进行了仿真试验,仿真结果显示有很好的性能,精馏塔的精馏精度和精馏效率都得到了很大的提高.而且下一步正准备以此模型为基础,设计精馏塔的先进控制算法.     

精馏塔软测量建模中数据校正的计算机实现

针对精馏塔软测量模型建立过程中数据校正技术进行了研究。根据精馏塔反应过程的特征，对从现场采集的数据中的几种不同误差，运用相应的方法进行查找剔除，并通过多项式拟合法和预测校正法等方法对剔除的数据进行补偿，使得数据更加准确可靠，从而建立更为精确的软测量模型。同时设计了计算机程序可以实现的数据校正算法，运用Visual Basic语言进行编程对数据校正基本实现了自动化处理，在实际应用中取得了良好的效果。     

Nonlinear parametric predictive temperature control of a distillation column

The integration of a nonlinear reduced process model with Parametric Predictive Control (PPC) is discussed for the bottom temperature control of a stabilizer distillation column. One of the main objectives is ensure the quality of the bottom product despite disturbances and complex dynamics. The purpose is to balance nonlinear control with simplicity, facilitating implementation in a DCS. The controllers developed were first tested in a simulated environment and then in the field, showing good performance under a wide range of operating conditions. The use of an estimator to compensate for modeling errors and unmeasured disturbances is also discussed.     

DMC-PID串级控制在精馏集散控制系统中的应用

针对塔底温度存在的大滞后、大惯性时间常数难以控制的特点,论文将DM C算法引入到精馏过程中,以DCS为平台,提出了以DM C算法与PID控制相结合的串级控制系统,并设计了在DCS系统中如何实施的具体方案。最后通过仿真研究表明,这种方案使控制系统具有更快的响应速度和良好的调节性能,提高了系统的动静态性能指标,其总体性能明显优于PID-PID串级控制系统。     

基于Volterra 模型的非线性系统预测控制

基于系统的正、负和双阶跃响应,提出一种新的非线性预测控制模型的建立方法,同时给出了相应的非线性控制算法,并证明了控制算法解的存在性和唯一性,针对 化工过程蒸馏塔控制系统,通过仿真计算验证了该方法的有效性。     

Supervisory multiple regime control

The objective of this work is to identify a control algorithm that is capable of handling nonlinear behaviour (operating point dependent) witnessed in most industrial processes. To this end, the proposed solution is that of a supervisory multiple model control scheme, SMMC. This work demonstrates that the multiple model methodology can be recast into a Supervisory approach, whereby the supervisor is employed as a selector. This selector (supervisor) identifies the appropriate local-controller from a fixed family set. Unlike other supervisory techniques a multiple model observer (MMO) is proposed for the selection mechanism. Switching between local-controllers is accomplished bumplessly through a multiple model bumpless transfer scheme. Consequently, producing a continuous control signal as the process transverses between different operating regimes. The key issue in this application is the unique interaction between the local-controllers and the supervisor. This interaction is necessary to ensure global stability is maintained at all times, especially during switching. In short, the SMMC scheme enables the implementation of linear control theory, which is well accepted in industry, to standard nonlinear processes. The SMMC approach warrants the control design to extend beyond normal operating conditions that breakdown when standard linear control techniques are applied. The above notion is applied to a pilot-scale binary distillation column. In this example the column's distinct operating points describe the nonlinear behaviour. The results illustrate that as the distillation column shifted between different operating points the SMMC self-regulates accordingly. This self-regulation ensures that global stability and performance are maintained at an optimum. The entire SMMC design was implemented within a PC Windows-NT environment that was interfaced to an industrial DCS system.     

基于主成分分析--改进的极限学习机方法的精对苯二甲酸醋酸含量软测量

目前,化工生产过程日益复杂,生产操作变量越来越多,由于客观条件的限制,有些重要的过程参数无法通过直接测量的手段精确测得.通过软测量可实现复杂化工生产过程重要参数的精确测量,进而指导化工企业的生产,提高化工生产的产出效率,是解决问题的一个有效的方法.针对复杂化工过程软测量建模中存在的问题,本文提出了一种改进的极限学习机模型(improved extreme learning machine,IELM).一方面将主成分分析(principal component analysis,PCA)方法应用到极限学习机(ELM)里,通过PCA对模型输入变量进行主成分分析,不仅去除了变量间的线性相关关系,而且对高数据进行降维处理,最终降低了极限学习机的输入复杂性;另一方面利用相关系数判断输入主元数据与输出数据间的相关关系,从而得到正相关输入和负相关输入,依据这两类数据构造ELM模型,使得每类输入数据对网络的输出有同样的作用,进一步提高极限学习机的泛化能力.最后建立了PCA-IELM模型,首先用标准数据库的Triazines数据集验证该模型有效性,随后得出了基于PCA-IELM方法的精对苯二甲酸(purified terephthalic acid,PTA)溶剂脱水塔塔顶醋酸含量软测量模型,仿真结果表明PCA-IELM模型处理高维数据时较传统的ELM算法具有稳定性好,建模精度高等特点,为神经网络在复杂化工应用领域提供新思路.