基于2维性能参考模型的2维模型预测迭代学习控制策略

将迭代学习控制(Iterative learning control, ILC)系统看作一类具有2维动态特性的控制系统,根据模型预测控制(Model predictive control, MPC)和性能参考模型控制思想, 提出了一种基于2维性能参考模型的2维模型预测迭代学习控制系统设计方案.在该控制系统设计方案中,可以通过选择适当的2 维性能参考模型来构造2 维动态变化的设定值信号和预测控制信号,从而引导迭代学习控制系统收敛到合理的控制性能,并有效避 免系统性能收敛过程中控制输入可能发生的剧烈波动.通过对控制系统的结构分析可知,所得的迭代学习控制器本质上是由沿时 间指标的参考模型预测控制器和沿周期指标的迭代学习控制器组成,闭环系统的收敛性等价于一个2维滤波系统的稳定性.数值仿 真结果证明了该设计方案的有效性和鲁棒性.     

石脑油裂解过程中一次反应选择性系数的调整方法研究

在分析石脑油裂解炉辐射段的Kumar分子反应动力学模型的基础上,提出了一种应用数据融合技术对Kumar模型一次反应选择性系数进行在线调整的方法。首先,利用进化的遗传算法,以改进的石脑油裂解模型计算出的产率与实际工况产率的误差作为目标函数,对选择性系数进行离线调整,进而建立原料性质与选择性系数相匹配的标准样本数据库。其次,利用数据融合技术中的Dempeter-Shafer证据理论建立模型,计算待估物料与标准样本数据库中样本物料的匹配度,进而对待估原料的一次反应选择性系数进行估算。研究结果表明,利用估算出的一次反应选择性系数建立的裂解工艺模型具有较高精度,将仿真结果与实际工况产率进行对比,证实了该方法的有效性和可行性。     

工业加氢裂化反应器模型的建立

 以某工业加氢裂化反应器装置为研究对象,根据物料平衡、能量平衡和反应动力学方程,建立了加氢裂化反应器的数学模型,并根据工业数据,采用遗传算法对模型中的参数进行拟合,还以不同的工业数据对模型进行验证。结果表明,所建立的模型能够较好反映加氢裂化装置性能,且能较好地预测加氢裂化主要产品的收率分布及反应器的温度分布。     

基于样条插值模型的间歇精馏模拟与预测控制

以Aspen Batch Distillation（ABD）中的间歇精馏仿真系统为过程原型,提出了利用过程的模拟测试数据来建立间歇精馏过程的样条插值简化模型（spline interpolation model, SIM）。结合变回流比下的动态修正函数,构造出了一种简单实用的动态模型。该模型可有效模拟不同组分浓度下回流比发生变化时馏出液浓度和流量的动态变化情况。以该模型作为预测模型,进一步提出了一种变回流比的预测控制（model predictive control, MPC）算法来使馏出液浓度按照期望的设定值变化。控制仿真结果表明该控制方案计算简单,同时具有较好的控制效果。     

改进的粒子群算法在化工过程优化中的应用

在现有自适应粒子群优化算法的研究基础上本文引入1种反弹机制(Rebound Mechanism),提出了1种改进的粒子群算法——反弹自适应粒子群优化算法。RAPSO能在搜索过程中充分利用粒子的飞行速度和方向等信息(下文称为动量信息),维持粒子的多样性以提升算法的搜索性能。通过比较,本文提出的RAPSO在一定程度上改进了现有的自适应粒子群算法的优化性能。运用RAPSO对催化裂化装置进行优化试验,其结果表明无论在单变量优化还是在多变量优化中,该装置的转化率都得到了一定程度的提高。     

遗传算法在估计催化裂化集总模型参数中的应用

催化裂化集总动力学模型是1种多参数、高耦联的复杂反应动力学模型.用经典的优化算法求解模型参数时,常常需要对模型作一些数学处理,而复杂模型的数学处理相对困难;此外,经典算法的求解结果也常常不尽如人意.为解决这类模型的参数估计问题,以老遗传算法为基础,提出1种以亲子竞争和最优个体保护策略相结合的新遗传算法.新算法采取全局交叉和自适应变异,既保证了最大范围搜索解空间、避免算法在计算初期就陷入局部最优,又能在后期对局部细致搜索,提高了计算精度;克服了老算法随机性大、容易陷入局部最优的缺点.为测试新算法的效果,首先用某多参数复杂模型做测试,结果证明无论是遗传代数相同情况下的计算精度,还是为了达到某一精度而要求的计算代数,新算法都优于老者.然后用于估计催化裂化提升管反应器集总动力学动态模型参数.最后,取工业实际数据验证模型参数,泛化结果表明模型预测值与实际测量值基本吻合,120组数据的平均相对误差为1.71%,证明新算法适用性较好.     

催化裂化装置的人工神经网络建模

催化裂化装置(fluid catalytic cracking unit,FCCU)对炼油厂的经济效益至关重要,本文主要探讨了人工神经网络在催化裂化装置建模中的应用。利用实际的工业数据分别采用LMBP,RBF_PLS神经网络对某工厂的催化裂化装置进行了建模试验。将它们的拟合与泛化结果、学习速度以及参数调整进行了比较,其结果显示RBF_PLS神经网络在收敛速度以及预测性能等方面均优于LMBP神经网络。此外,本文在神经网络模型的基础上对其进行了最小二乘校正,得到了比较满意的结果。     

P2P网络中UPnP穿越NAT的研究与实现

NAT的存在使得P2P通信存在极大的障碍．因此穿透NAT已经成为P2P应用必须面对和解决的问题。为此,介绍一种使用UPnP技术穿越NAT的技术,该方法主要是利用UPnP中自动端口映射技术来构建一种静态传输映射来实现．并给出采用简单、稳定而且易于实现的UPnP中自动端口映射技术穿透NAT的实例。     

基于ASPEN PLUS的固定床煤气化稳态模拟方法研究

用ASPEN PLUS软件对固定床煤气化过程进行模拟,采用带FORTRAN气化动力学子程序的串联全混流反应器来代替Gibbs反应器,能够更好地反映气化炉的真实反应情况,结果表明该模型与实际固定床煤气化的反应结果吻合较好。利用该模型研究了串联釜数对碳转化率及出口温度的影响,研究表明：随着釜数的增加,碳转化率和出口温度更加接近于实际数据;在保证模拟精度的前提下,较少的釜数有利于减少计算量。     

循环流化床锅炉热效率的在线软测量

提出循环流化床(CFB)锅炉热效率的在线软测量方法,该方法将效率分为煤燃烧效率和传热效率两部分,根据CFB锅炉动态机理模型在线计算锅炉未燃烧碳量,在此基础上计算煤燃烧效率,再通过反平衡法和正平衡法计算锅炉传热效率,最后得到锅炉热效率.应用该方法对某440t/h循环流化床锅炉热效率进行了计算,分析了影响该锅炉热效率的主要因素.结果表明:影响锅炉热效率的最主要因素是烟气中的飞灰含量;该软测量方法适用于CFB锅炉,能有效指导锅炉调控,从而提高锅炉热效率.