基于ROMeo的压缩机性能监测

随着设备的使用和磨损,压缩机的性能会减弱.以ROMeo为建模环境,结合压缩机的性能曲线,建立压缩机的性能监测模型,利用ROMeo的数据校正功能,实现对压缩机性能的监测.     

基于数学损失模型的离心式压缩机变工况性能计算

对离心式压缩机完成了基于Microsoft Visual C++语言的参数化结构设计。通过编程实现对压缩机主要结构参数的快速化计算,进而设计出一种小流量高压比单级离心式压缩机。设计时全面考虑了压缩机叶轮和扩压器中的各种流动损失,建立了符合实际流动的数学损失模型。运用VC++对该数学损失模型进行计算机集成,完成了离心式压缩机变工况性能预测软件的编写。利用该软件对所设计的压缩机变工况工作性能进行计算,并通过CFD数值计算验证了变工况性能预测软件的可靠性。     

基于模糊模型参考学习控制的焦炉温度控制

焦炉是一个大惯性、纯滞后、非线性、时变和参数分布的系统,很难对其建立精确的数学模型.现有的线性系统控制方法对焦炉的温度控制存在精度不高、不能适应工况变化等问题.而模糊控制又因规则和隶属度函数的粗糙性导致系统在稳态时出现振颤,模型参考自适应控制需要对被控对象进行阶次辨识,而且算法复杂.针对上述问题,提出一种新的控制策略,使用模糊模型参考学习控制算法来对焦炉的温度进行控制,该方法结合模糊控制和自适应控制的优点,通过在线学习算法适应工况变化,提高了控制精度.对焦炉简化模型进行的仿真实验结果表明,系统具有良好的动态和稳态性能,有效减少了炉温波动,具有一定的推广应用价值.     

喷雾干燥塔模糊控制模型及仿真

本文在研究喷雾干燥塔的传统控制的基础上,提出利用模糊控制方法并建立了模糊控制模型,仿真结果表明利用模糊控制方法进行喷雾干燥塔的控制是可行的。     

带有微通道换热的小型相变蓄冷系统性能研究

为了研究小型相变蓄冷系统操作参数、环境因素对系统性能的影响,在实验研究的基础上,建立系统的稳态数学模型,研究了系统性能与各参数的关系。蓄冷系统实验证明了所建模型的可靠性。模拟研究发现,增加冷凝器进口风温会提高压缩机功率、降低系统的COP(性能系数);增加冷凝器迎面风速对系统性能的提升存在上限;增加压缩机转数是提高制冷量、缩短蓄冷时间的最有效方法。     

变频滚动转子式压缩机变吸气状态实验研究与模型建立

压缩机吸气带液可以有效降低排气温度,但也会对压缩机性能产生影响,需要对其深入研究。以R32变频滚动转子式压缩机实验系统为研究对象,通过分析相同频率不同压比和相同压比不同频率时压缩机容积效率随压缩机吸气状态的变化规律,建立了半经验压缩机模型。研究结果表明:(1)压缩机吸气过热时,过热度对压缩机容积效率基本无影响;少量吸气带液时,容积效率均随吸气干度的减小线性降低,各频率和各压比斜率基本相同。另外,系统COP与压缩机容积效率随吸气状态的变化趋势相似;(2)压缩机模型经实验验证,计算值与实验值最大相对误差为1.51%,最小相对误差为0.03%,具有较好的可靠性,可以减少试验次数,并能准确预测出压缩机性能;(3)压缩机运行性能在低频率、低吸气干度时迅速恶化,因此模型适用于压缩机频率高于额定频率、吸气干度大于0.90的运行工况。     

干式工艺螺杆压缩机工作过程仿真研究

针对传统的计算方法无法对螺杆压缩机的实际工作过程进行准确描述的问题,建立了基于MATLAB平台的仿真计算模型,以齿间容积为研究对象,对干式工艺螺杆压缩机吸气、压缩和排气过程进行了详细的分析,并在此基础上对压缩机的主要性能参数进行了仿真计算。为了验证仿真模型的可靠性,利用无油工艺螺杆压缩机性能测试平台,测量了吸气量、轴功率等重要性能参数,与仿真结果吻合良好,两者相对误差分别小于3%和4%。     

裂解气压缩机氮气运行模拟核算及应用研究

大庆石化公司裂解二套乙烯装置裂解气压缩机原设计无氮气运行工况,利用Aspen Plus建立裂解气压缩机氮气运行模型,通过压缩机性能曲线对其进行模拟,核算压缩机氮气运行段间循环水换热器冷却能力及氮气开车气源,首次实现裂解气压缩机氮气运行并对高压系统进行气密,以达到实物料开车无泄漏的目标。     

模糊理论在压缩机喘振控制上的应用研究

＂喘振＂是离心式压缩机所固有的一种现象,当压缩机在某一小流量状态下工作时在叶轮和扩压器之间产生强烈的气流分离所引起的,会对压缩机组造成很大的危害。传统的PID控制器在对压缩机的喘振控制上具有一定的局限性,其性能取决于参数的整定情况,且快速性和超调量之间存在矛盾。文章将利用模糊控制的概念,利用输入量和设定量之间的偏差及偏差的变化率构建二维的模糊控制器,提出新的控制方式。     

带闪发器的中间补气型热泵系统稳态仿真模型

开发了带闪发器的中间补气型热泵系统的稳态仿真模型。在模型中,通过建立基于理论的显式表达式,开发了补气压缩机性能计算模型;采用分相区计算方法,建立了能够反映相区特点的换热器性能计算模型;并开发了基于顺序模块的系统迭代算法对各部件模型进行求解。验证表明,压缩机模型对于流量和功率的计算误差分别小于±7%和±5%;换热器模型对于换热量和压降的计算误差分别小于±3%和±4%。与传统热泵系统相比,在室外温度为−20℃的低温工况下,带闪发器的中间补气型热泵系统制热量提升18.9 %。     

基于自适应模糊神经网络的非线性系统模型预测控制

针对非线性动态系统的控制问题，提出了一种基于自适应模糊神经网络(adaptive fuzzy neural network, AFNN)的模型预测控制(model predictive control, MPC)方法。首先，在离线建模阶段，AFNN采用规则自分裂技术产生初始模糊规则，采用改进的自适应LM学习算法优化网络参数；然后，在实时控制过程，AFNN根据系统输出和预测输出之间的误差调整网络参数，从而为MPC提供一个精确的预测模型；进一步，AFNN-MPC利用带有自适应学习率的梯度下降寻优算法求解优化问题，在线获取非线性控制量，并将其作用到动态系统实施控制。此外，给出了AFNN-MPC的收敛性和稳定性证明，以保证其在实际工程中的成功应用。最后，利用数值仿真和双CSTR过程进行实验验证。结果表明，AFNN-MPC能够取得优越的控制性能。     

基于模糊递归神经网络的污泥容积指数预测模型

污泥容积指数（SVI）,一个关键的污泥沉降性能评价指标。针对污水处理过程中污泥膨胀关键水质参数污泥容积指数难以准确在线测量,且实验室取样测量方法时间久、精度低,提出了一种改进型的模糊递归神经网络（HRFNN）用来预测污泥容积指数的变化,通过在网络第三层加入含有内部变量的反馈连接来实现输出信息的反馈。实验结果表明,与其他模糊神经网络相比,该网络的规模小、精度高,处理动态信息的能力明显加强。     

基于加权模糊聚类方法的多模型建模

针对化工过程软测量模型的多样性,提出基于一种加权模糊聚类方法的多模型建模方法。将输入向量与输出的相关性作为加权系数,构建加权模糊聚类算法,对样本空间的输入数据进行聚类,然后用与输入变量对应的子模型进行输出估计,子模型输出作为系统模型的最终输出。该方法能够实现对输入数据更加合理的划分,提高软测量模型的精度。将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了该方法的可行性和有效性。     

基于多目标的模糊神经网络及在pH控制过程中的应用

设计了一种基于多目标的动态模糊递归神经网络（FRNN）建模方法,用于pH中和过程的广义预测控制。所设计的多目标优化算法以提高拟合精度和简化网络结构为原则,同时优化模糊神经网络中的模糊规则数、隶属度函数中心点及其宽度,由此得到的FRNN模型可以高精度拟合pH中和过程。依据该动态模型,在控制过程的每一个控制周期得到其局部线性模型,将广义预测控制中复杂的非线性优化问题转化为简单的二次线性规划问题。仿真对比结果验证了所提方法的有效性。     

基于自编码神经网络特征提取的回声状态网络研究及过程建模应用

在复杂化工建模过程中,由于过程数据的时序性、高非线性以及高维数的特点,导致传统的静态神经网络建模无法满足一定的精度。为了解决该问题,提出一种基于自编码神经网络特征提取的回声状态网络模型（features extracted from auto-encoder based echo state network,FEAE-ESN）。传统回声状态网络(echo state network, ESN)方法中,储备池的节点数目很多,输出的维数很高,数据间存在共线性。为解决上述问题,待回声状态网络训练好之后,使用自编码神经网络对其储备池输出进行特征提取。通过自编码网络特征提取,一方面可以有效地降低储备池输出的维数,从而降低数据的复杂度;另一方面提取的特征去除了原有储备池输出的共线性,能够进一步提高广义逆的计算性能;最终提高回声状态网络的建模精度。所提方法FEAE-ESN用于田纳西-伊斯曼复杂过程建模,仿真结果验证了所提方法的有效性。     

基于D-FNN的聚合过程转化速率软测量建模及重构

引言以氯乙烯单体(VCM)为原料,采用悬浮法聚合工艺生产聚氯乙烯(PVC)树脂是一种典型的间歇式化工生产过程。VCM的转化率对PVC树脂产品质量有很大影响,不同转化率时对PVC     

基于Ms-LWPLS的化工过程网络化性能分级评估方法

针对化工过程输入输出数据间非线性关系问题，提出一种基于多数据空间局部加权潜结构映射(multi-space locally weighted projection to latent structures，Ms-LWPLS)的网络化性能分级评估方法。该方法将历史数据分成不同性能等级的集合，利用Ms-LWPLS方法提取不同性能等级训练数据的过程变化，获得训练数据与性能等级标签之间的非线性映射结构，实现输入数据与性能等级之间的网络化“离线建模”。得到模型后，以数据滑动时间窗为评估单元，将滑动窗口数据输入到训练好的神经网络模型中，根据网络输出划分过程当前性能等级，并构造过渡性能系数，将稳态性能等级和过渡性能等级进行识别和区分。最后，将该方法应用到乙烯裂解过程在线性能评估中，说明此性能评估方法的有效性和准确性。     

模糊神经网络及其在系统建模与控制中的应用

模糊神经网络是模糊系统和神经网络的有机结合 ,它吸取了两者的优点。给出了两个具体的模糊神经网络结构以及相应的学习算法 ;介绍了利用模糊神经网络建立 T- S模糊模型的方法 ;讨论了基于 T- S模糊模型的控制系统分析和设计。     

Multi-loop nonlinear internal model controller design based on a dynamic fuzzy partial least squares model

In this paper, a dynamic fuzzy partial least squares (DFPLS) modeling method is proposed. Under such framework, the multiple input multiple output (MIMO) nonlinear system can be automatically decomposed into several univariate subsystems in PLS latent space. Within each latent space, a dynamic fuzzy method is introduced to model the inherent dynamic and nonlinear feature of the physical system. The new modeling method combines the decoupling characteristic of PLS framework and the ability of dynamic nonlinear modeling in the fuzzy method. Based on the DFPLS model, a multi-loop nonlinear internal model control (IMC) strategy is proposed. A pH neutralization process and a methylcyclohexane (MCH) distillation column from Aspen Dynamic Module are presented to demonstrate the effectiveness of the proposed modeling method and control strategy.     

ADAPTIVE FUZZY MODEL BASED PREDICTIVE CONTROL OF AN EXOTHERMIC BATCH CHEMICAL REACTOR*

An adaptive fuzzy model based predictive control (AFMBPC) approach is presented to track the desired temperature trajectories in an exothermic batch chemical reactor. The AFMBPC incorporates an adaptive fuzzy modeling framework into a model based predictive control scheme to derive analytical controller output. This approach has the flexibility to cope with different fuzzy model structures whose choice also lead to improve the controller performance. In this approach, adaptation of fuzzy models using dynamic process information is carried out to build a predictive controller, thus eliminating the determination of a predefined fixed fuzzy model based on various sets of known input-output relations. The performance of the AFMBPC is evaluated by comparing to a fixed fuzzy model based predictive controller (FFMBPC) and a conventional PID controller. The results show the better suitability of AFMBPC for the control of highly nonlinear and time varying batch chemical reactors.