Spheripol-Ⅱ双环管聚丙烯装置动态建模

针对工业实际装置Sphefipol-Ⅱ液相双环管聚丙烯反应器,从丙烯聚合反应动力学出发,根据物料平衡和能量平衡原理建立了反应器动态数学模型,并采用机理建模和经验建模相结合的方法得到熔融指数预报模型.考虑到装置是双环管串联的结构,给出聚合速率系数和夹套水换热系数的估计方法,并利用现场操作数据确定出上述模型参数.使用建立的模型对反应器进行仿真研究,分析主要操作条件的变化对浆液密度、反应温度和熔融指数等产生的影响.仿真结果表明所建模型能较好地反映双环管反应器的动态性能,对进一步先进控制策略的实施具有一定的指导意义.     

气相丙烯聚合稳态模型的研究和仿真

以Amoco气相工艺HSBR反应器为研究对象,根据相平衡、物料平衡和聚合反应动力学方程,针对两种不同的假设分别建立了丙烯聚合机理模型(模型I和模型II),对聚丙烯的熔融指数(MI)、粒子平均停留时间(RTD)等参数进行预测,并利用现场数据对两个模型进行了仿真,仿真结果显示两个模型均可以实时预报聚丙烯的熔融指数,模型I预测精度稍高;但模型II对于粒子平均停留时间的预测要好于模型I。因此,可以采用模型I预测MI,模型II预测RTD,指导实际生产。     

基于Kalman-OLS的聚丙烯熔融指数软测量

针对聚丙烯装置熔融指数软测量中的非线性和多工况切换操作问题,提出1种基于卡尔曼滤波-正交最小二乘(Kalman-OLS)的非线性自适应软测量方法。通过对聚丙烯装置反应系统进行机理分析,采用正交最小二乘方法(OLS)来拟和辅助变量和熔融指数之间的非线性关系。OLS方法的优化目标函数中同时考虑基于留一法均方误差(LOO MSE)和模型参数的局部正则化(LR),以提高模型的稀疏性和泛化能力。为适应装置多工况操作的现状,进一步提出使用Kalman滤波器对OLS模型参数进行自适应更新。工业数据应用结果表明,提出的Kal-man-OLS方法能够比偏最小二乘(PLS)、OLS方法更准确的预报聚丙烯熔融指数的变化。     

间歇液相本体丙烯聚合过程中产品性质的模拟与分析

在25 kt/a间歇液相本体聚丙烯工业装置反应器机理模型的基础上,建立间歇丙烯聚合过程中产品分子量及分子量分布、熔融指数等性质的数学模型.采用BWRS状态方程计算氢在氢.丙烯系统气-液平衡常数,以分析生产中聚丙烯分子量及分子量分布、聚丙烯熔融指数等参数的变化情况及其影响因素.结果表明:氢在液相中的浓度是影响聚丙烯瞬时分子量的主要因素,主要受氧.丙烯系统气液平衡常数和液相固含率影响,氢在液相中的浓度与温度成正比,与液相固含率成反比.聚丙烯熔融指数模型由重均分子量关联得到,二者呈反比关系,熔融指数的变化与重均分子量变化相对应.瞬时分子量和产量是聚丙烯重均分子量和熔融指数的主要影响因素.     

遗传算法的聚丙烯熔融指数最优预报

熔融指数只能通过人工取样、离线化验分析获得,时间滞后大,难以满足实时控制的要求,其软测量预报意义很大.本文提出了一种基于遗传算法的聚丙烯熔融指数最优预报方法.径向基函数(RBF)神经网络用来拟合输入与输出之间的非线性关系,用遗传算法对RBF神经网络权值进行优化.基于某石化企业聚丙烯生产过程采集的历史数据进行研究.根据反...     

聚丙烯熔融指数的在线计算及工程应用

基于机理对Hypol工艺的聚丙烯装置建立动态模型,并提出聚丙烯熔融指数(MI)的在线计算方案,在实际60kt/a装置上得到应用。     

KPCA-SNNs的聚丙烯熔融指数软测量

熔融指数是聚丙烯生产过程中重要的质量指标,但难以实现在线实时测量,从而无法实现有效的聚丙烯质量控制。针对聚丙烯生产过程的非线性特性,提出了一种基于核主元分析和组合神经网络(KPCA-SNNs)的软测量建模方法,并将该建模方法应用于聚丙烯软测量研究中。首先利用具有较强非线性特征提取能力的核主元分析对样本数据进行前期处理,然后将其结果作为软测量模型的输入,最后采用具有预测精度高、泛化能力强的组合神经网络(SNNs)建模方法建立软测量模型。仿真结果表明,与单纯SNNs相比,其中均方误差(MSE)由0.0035下降至0.0029,平均绝对误差(MAE)由0.0182下降至0.0139,平均绝对百分百误差(MAPE)由0.0057下降至0.0044。所以采用KPCA-SNNs所建立的聚丙烯熔融指数软测量模型具有更好的鲁棒性和预测精度,满足了聚丙烯生产工艺要求,较好地解决了聚丙烯生产过程中重要质量指标无法在线估计的难题。     

基于修正闭环子空间辨识–分段线性结构的环管式丙烯聚合反应过程非线性模型预测控制（英文）

针对环管式聚丙烯生产过程装置多变量、耦合和非线性等特性容易导致过程控制不稳定及质量指标波动问题,本文提出了一种基于修正闭环子空间辨识–分段线性(MSSARX--PWL)维纳(Wiener)模型结构的非线性模型预测控制算法.利用修正的闭环子空间辨识方法(MSSARX)辨识对象在闭环工况下的线性状态空间模型,并将该线性模型与多变量分段线性化(PWL)方法辨识得到的非线性稳态模型结合,建立双环管丙烯聚合反应动态过程的非线性预测模型,而后进一步将非线性模型转化为线性模型,在线性预测控制算法框架下用二次线性规划方法(LQP)优化控制器,无须用非线性规划方法(NLP)求解.从双环管丙烯聚合反应过程仿真例子表明,该算法不仅能保证模型和控制精度,而且能提高计算效率.     

基于多技术融合加权平滑的径向基函数神经网络熔融指数预报

针对在对聚丙烯熔融指数进行预测时优势数据和优势变量不突出影响预测精度、数据平滑度不够影响泛化性能的问题,提出了基于多技术融合加权平滑的径向基函数神经网络预报模型。综合运用了在时间尺度基于空间欧氏距离加权、在变量维度上基于灰色关联和线性回归误差加权两种数据加权方案,基于过程变量差分序列欧氏距离的平滑和局部线性平滑两种数据平滑方案,解决了模型精度和泛化性低的问题。为进一步改进模型性能,采用带误差补偿的非线性自回归滑动平均模型框架和径向基函数神经网络,利用自校正预测控制算法和分段线性变学习率算法,对模型进行优化。结合某厂真实数据对模型进行验证,预报结果在泛化集上为：平均相对误差( MRE )1.32%、均方根误差(RMSE)0.0459。与其他方法进行了详细的比较分析,结果表明该模型具有良好的预报精度和泛化性能,在大时滞工业过程领域具有一定的应用价值。     

双环径向反应器流体力学行为的研究

直链烷烃在以氧化铝或沸石为载体的铂催化剂上发生脱氢反应可以生成直链单烯烃,作为生产烷基苯的工业原料。脱氢反应通常在径向反应器中进行。本文以金陵石化公司烷基苯厂的烷烃脱氢装置为研究对象,对用于实现脱氢工艺的双环径向反应器的流体力学行为进行模拟。与单环径向反应器相比,双环径向反应器具有流通面积更大、床层压降更低、流程更短的优点,因此对于流体处理量大的反应,双环径向反应器有更高的工业应用价值。根据描述流体变质量流动的动量微分方程,本文建立了描述双环径向流动反应器内流体力学行为的数学模型,并开发一种数值算法对模型进行了求解,确定了外环隙流道和中心管流道出口压力一致时反应器内的流体力学行为,利用计算出的轴向压降进行了工业验证,证明了模型的可靠性。利用本文建立的数学模型模拟计算了不同入口流量和不同结构尺寸时双环径向反应器内的流体力学行为,结果表明,入口气体流量的增加会造成轴向压降的增大。该模型不仅可以用于分析现有工业脱氢装置结构设计的合理性,还可以为设计新的双环径向反应器提供定量的参考依据。     

Borstar双峰聚合反应产品性质分析及模型建立

通过对Borstar双峰聚合反应过程产品性质实验分析,Borstar双峰聚乙烯技术超临界环管反应器生产聚合物熔融指数相对于分子量呈指数规律变化,气相反应器生产的聚合物熔融指数随分子量增加而呈一定规律的减少,聚合物分子量继续增加聚合物熔融指数减少趋势缓慢;在实验分析的基础上,基于聚合反应机理应用MATLAB软件建立工业装置聚合过程聚乙烯熔融指数及密度等产品性质计算模型和确定模型参数,通过模型拟合值和实际值的比较,模型能够准确预测熔融指数和密度的变化趋势,有关聚乙烯在环管中的熔融指数、在流化床内的熔融指数和密度的质量模型相对平均误差分别为2.4%,0.5%和0.3%。通过产品质量预测模型的推导和分析,环管部分熔融指数主要受温度、[H2]/[C2H4]影响;而气相部分熔融指数既受环管聚合物来料性质影响,又受气相反应器温度和[H2]/[C2H4]和[C4H8]/[C2H4]的影响     

基于鲁棒自适应RBF网络的聚丙烯熔融指数预报

讨论径向基函数网络的网络结构和基本算法,在此基础上提出了鲁棒自适应ＲＢＦ网络方法。仿真结果表明,该方法用于聚珍烯熔融指数的预报取得了较好的效果。     

Quality prediction for polypropylene production process based on CLGPR model

Online measurement of the melt index is typically unavailable in industrial polypropylene production processes, soft sensing models are therefore required for estimation and prediction of this important quality variable. Polymerization is a highly nonlinear process, which usually produces products with multiple quality grades. In the present paper, an effective soft sensor, named combined local Gaussian process regression (CLGPR), is developed for prediction of the melt index. While the introduced Gaussian process regression model can well address the high nonlinearity of the process data in each operation mode, the local modeling structure can be effectively extended to processes with multiple operation modes. Feasibility and efficiency of the proposed soft sensor are demonstrated through the application to an industrial polypropylene production process.     

工业流化床乙烯气相聚合中的在线测量与模型分析(II)

工业流化床乙烯气相聚合过程是一类典型的多变量复杂非线性系统。我们首先分析了若干主要过程变量(反应器温度等)对两个质量变量(树脂熔融指数和密度)的影响趋势，给出了两组变量间的非线性函数结构形式，然后运用多元统计投影原理和非线性函数的。Taylor逼近原理建立了流化床乙烯气相聚合过程变量和质量变量之间的主元多项式非线性偏最小二乘软测量(Nonlinear PLS)模型，并对理论结果进行了推证。基于实际工业运行装置的采样数据对Nonlinear PLS模型进行了求取和验证，利用所求模型进行了树脂熔融指数和密度预测并将预测结果和误差分析结果与线性PLS及机理模型进行了比较。最后运用所建立的模型进行流化床乙烯气相聚合过程操作条件的模型预测分析。全文分为两部分，这是第二部分。     

工业流化床乙烯气相聚合中的在线测量与模型分析(I)

工业流化床乙烯气相聚合过程是一类典型的多变量复杂非线性系统。我们首先分析了若干主要过程变量(反应器温度等)对两个质量变量(树脂熔融指数和密度)的影响趋势，给出了两组变量间的非线性函数结构形式．然后运用多元统计投影原理和非线性函数的Taylor逼近原理建立了流化床乙烯气相聚合过程变量和质量变量之间的主元多项式非线性偏最小二乘软测量(Nonlinear PLS)模型，并对理论结果进行了推证。基于实际工业运行装置的采样数据对Nonlinear PLS模型进行了求取和验证，利用所求模型进行了树脂熔融指数和密度预测并将预测结果和误差分析结果与线性PLS及机理模型进行了比较。最后运用所建立的模型进行流化床乙烯气相聚合过程操作条件的模型预测分析.全文分为两部分，这是第一部分。     

Product Quality Prediction by a Neural Soft-Sensor Based on MSA and PCA

A novel soft-sensor model which incorporates PCA (principal component analysis), RBF (Radial Basis Function) networks, and MSA (Multi-scale analysis), is proposed to infer the properties of manufactured products from real process variables. PCA is carried out to select the most relevant process features and to eliminate the correlations of input variables; multi-scale analysis is introduced to acquire much more information and to reduce uncertainty in the system; and RBF networks are used to characterize the nonlinearity of the process. A prediction of the melt index (MI), or quality of polypropylene produced in an actual industrial process, is taken as a case study. Research results show that the proposed method provides promising prediction reliability and accuracy.     

基于小波-最小二乘支持向量机的熔融指数预测

熔融指数是聚丙烯生产的主要质量指标,为了在线监测熔融指数,并实现质量的自动监控是聚丙烯生产工业亟待解决的问题。对液相间歇式聚丙烯反应机理进行分析,找出影响熔融指数的主要参数,采用小波基函数对原始数据进行粗大误差处理,主成份分析确定最少辅助变量,简化支持向量机结构,应用交叉验证法优化最小二乘支持向量机模型参数,建立熔融指数预测模型。仿真结果表明,熔融指数的预测平均绝对误差为1.923,均方差为1.219。预测精度满足生产要求,且模型泛化能力强,运行速度快,可以有效指导生产。