1.33 kPa绝压下石油馏分蒸馏曲线换算的数学模型

石油馏分的恩氏蒸馏、实沸点蒸馏和平衡汽化曲线是石油加工工艺计算必不可少的基础数据,也是制定原油加工方案、炼油厂调整和控制生产的根据。本文将1.33 kPa绝压下的恩氏蒸馏曲线和实沸点蒸馏曲线分别与平衡汽化曲线的换算图表回归,开发出了1套便于应用的新换算模型。该模型可为计算各种油品物性、相平衡关系以及进行原油评价等提供基础数据,有助于提高设计和控制精度。新模型采用拟多项式的非线性函数,可以直接进行双向计算,稳定性高。恩氏蒸馏和实沸点蒸馏与平衡汽化曲线的50%馏出点换算模型的最大相对误差分别为1.02%和1.03%。用2个体系的实测数据验证该模型,体系1新模型的最大相对误差为0.37%,文献模型为4.50%,体系2新模型的最大相对误差为1.37%,文献模型为1.53%。结果表明新模型与实测数据吻合较好,计算精度优于文献模型。     

不同压力下石油馏分平衡汽化曲线换算的数学模型

本文针对现有工艺计算中存在的缺乏一定压力下的石油馏分汽液平衡数据,并且3种石油馏分蒸馏曲线之间难以换算等问题,对不同压力下石油馏分平衡汽化曲线换算的数学模型进行了研究。通过对常压和减压下石油馏分平衡汽化曲线的换算图表数据进行回归,同时总结了前人已有的常压与加压下的平衡汽化曲线换算模型,从而建立了1套完整的不同压力下的平衡汽化曲线换算模型。采用该模型可以为不同压力下的蒸馏设计计算提供基础数据,避免了以往单纯依靠经验数据的缺点,可以提高蒸馏塔的设计精度。新模型采用拟多项式的非线性函数,可以直接进行双向计算,稳定性高,模型的最大相对误差为3.52%。通过用实测数据对新模型进行验证,结果表明新模型的计算值与常压、减压下的平衡汽化数据吻合良好,最大相对误差不超过0.52%,说明新模型的计算精度令人满意。     

原油实沸点蒸馏曲线的数学模型

采用多套文献数据,建立实沸点蒸馏曲线的数学模型;其方程式形式简单,只有4个系数;模型稳定性强,应用范围广,计算精度高,不会出现非单调现象.经多个油品的实沸点数据考核,表明模型描述原油实沸点蒸馏曲线准确,计算结果在整体和和局部上都更贴近于实际.模型计算值与实际值的复相关系数最小为0.996157,最大为0.999914.     

数据挖掘技术用于间歇蒸馏过程转馏分点的在线预报

对于间歇蒸馏过程,提前准确判断从低馏分到主馏分的转馏分点是影响最终产品质量和产量的关键环节,设计基于数据挖掘技术的转馏分点在线预报软测量系统是一项重要的过程质量控制手段,为提高生产的综合自动化水平创造了重要条件。根据混沌理论,温度能较高程度的反映体系内反应及分离情况,因此选取间歇蒸馏上升气温度为考察变量。针对数据非线性、动态、数据长度短、不同批次数据不等长等特点,提出了将不同批次数据按照随机的顺序首尾相接组成长数据集的数据重构策略;采用自回归求和滑动平均方法和最小二乘支持向量机方法建立了组合时间序列预测模型;通过对理论转馏分温度与实际转馏分温度的差值和预测曲线近似斜率的统计分析,建立了转馏分点在线预报系统,经过在实际生产中的验证,实现了对转馏分点提前1min的准确预报。     

石油产品全自动蒸馏测试系统

一种新型石油产品全自动蒸馏测试系统,此系统可由一台IBM—386/486PC机控制1至4台蒸馏仪工作.各蒸馏仪均自备键盘、数码显示管及微型打印机,也可脱离PC机独立工作.     

图知识蒸馏综述：算法分类与应用分析

图数据, 如引文网络, 社交网络和交通网络, 广泛地存在现实生活中. 图神经网络凭借强大的表现力受到广泛关注, 在各种各样的图分析应用中表现卓越. 然而, 图神经网络的卓越性能得益于标签数据和复杂的网络模型, 而标签数据获取困难且计算资源代价高昂. 为了解决数据标签的稀疏性和模型计算的高复杂性问题, 知识蒸馏被引入到图神经网络中. 知识蒸馏是一种利用性能更好的大模型(教师模型)的软标签监督信息来训练构建的小模型(学生模型), 以期达到更好的性能和精度. 因此, 如何面向图数据应用知识蒸馏技术成为重大研究挑战, 但目前尚缺乏对于图知识蒸馏研究的综述. 旨在对面向图的知识蒸馏进行全面综述, 首次系统地梳理现有工作, 弥补该领域缺乏综述的空白. 具体而言, 首先介绍图和知识蒸馏背景知识; 然后, 全面梳理3类图知识蒸馏方法, 面向深度神经网络的图知识蒸馏、面向图神经网络的图知识蒸馏和基于图知识的模型自蒸馏方法, 并对每类方法进一步划分为基于输出层、基于中间层和基于构造图知识方法; 随后, 分析比较各类图知识蒸馏算法的设计思路, 结合实验结果总结各类算法的优缺点; 此外, 还列举图知识蒸馏在计算机视觉、自然语言处理、推荐系统等领域的应用; 最后对图知识蒸馏的发展进行总结和展望. 还将整理的图知识蒸馏相关文献公开在GitHub平台上, 具体参见: https://github.com/liujing1023/Graph-based-Knowledge-Distillation.     

融合抗噪和双重蒸馏的文本分类方法

文本分类是自然语言处理中重要且经典的问题，常被应用于新闻分类、情感分析等场景。目前，基于深度学习的分类方法已经取得了较大的成功，但在实际应用中仍然存在以下3个方面的问题：1)现实生活中的文本数据存在大量的噪声标签，直接用这些数据训练模型会严重影响模型的性能；2)随着预训练模型的提出，模型分类准确率有所提升，但模型的规模和推理计算量也随之提升明显，使得在资源有限的设备上使用预训练模型成为一项挑战；3)预训练模型存在大量的冗余计算，当数据量较大时会导致模型出现预测效率低下的问题。针对上述问题，提出了一个融合抗噪和双重蒸馏(包括知识蒸馏和自蒸馏)的文本分类方法，通过基于置信学习的阈值抗噪方法和一种新的主动学习样例选择算法，以少量的标注成本提升数据的质量。同时，通过知识蒸馏结合自蒸馏的方式，减小了模型规模和冗余计算，进而使其可以根据需求灵活调整推理速度。在真实数据集上进行了大量实验来评估该方法的性能，实验结果表明所提方法在抗噪后准确率提升了1.18%,在较小的精度损失下相比BERT可以加速4～8倍。     

基于CrudeManager的常减压装置模拟研究

在原油切割中使用常减压装置模拟,一方面为第三方软件提供符合实际常减压装置的原油及馏分物性数据,更好的为计划优化模型、调度优化模型以及全流程优化模型提供数据;另一方面可分析市场上的新油是否适合该厂常减压装置的蒸馏情况,更好的指导工艺生产。本文针对现有原油切割中常减压装置模拟的不足,采用半严格的简捷精馏计算方法,从相对挥发度、分馏指数、参考组分等方面对常减压装置模拟进行研究分析。在半严格的简捷精馏计算方法中,使用芬斯克方程获得能表征常减压装置分离效率的参数即有效切割温度(ECP)、提馏指数(stripping FI)和精馏指数(rectifying FI)。使用CrudeManager软件和某厂的常减压塔数据进行模拟分析,获得常减压装置各馏分的有效切割温度14.1℃、186.8℃、258.6℃、341.4℃、452.9℃、536.0℃,提馏指数,精馏指数和蒸馏曲线,结果显示该方法能准确地模拟常减压装置,很好地解决了馏分间的返混问题,具有良好的应用价值。     

基于二参数Antoine方程的石油物系汽-液平衡模型

石油物系汽-液平衡计算在石油蒸馏计算过程中至关重要,本文应用一种简化的汽.液平衡模型对石油物系进行相平衡计算。通过引入简化的蒸汽压方程简化了计算步骤,进而大幅度的降低了计算时间,最终达到提高计算效率的目的。该方法与广泛应用的严谨汽.液平衡计算的SRK方程对比,具有结构简单、迭代步骤少等优点。通过实验,将该简化模型应用于大庆石油、胜利石油等5种石油的石油物系中,经过对比PT闪蒸的仿真结果得到,该简化模型与应用SRK方程方法相比,在0.002 MPa-0.5MPa下的汽化分率的绝对误差约为1%,故该方法与严谨算法的误差在一个较小的范围内,证明了该简化模型的有效性。同时,通过应用简化模型可将计算速度提升98倍,证明模型具有较强的实用价值。     

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。     

EXCEL实现恒回流比间歇精馏的计算机仿真

对于恒回流比操作方式的间歇精馏,过程计算量大且公式应用相对复杂,用计算机完成间歇精馏的过程计算及操作仿真已经成为许多国内外学者的研究课题。为了满足系统的响应速度,提高动态釜液量误差,用Excel的VBA、函数、图表及重算等功能,实现间歇精馏的计算机仿真的新方法。在Excel中,建立了间歇精馏过程的数学模型与“数据处理表”,完成多项式拟合,由递推公式确定塔内各塔板液相组成xn与时间t的动态响应关系。获得的六次拟合曲线接近于实测的平衡数据,其相关系数达到0．999,各塔板液相组成xn与时间t的动态响应关系与实际计算吻合较好,获得了较满意的结果,为设计提供有效依据。     

面向小样本学习的轻量化知识蒸馏

小样本学习旨在模拟人类基于少数样例快速学习新事物的能力, 对解决样本匮乏情境下的深度学习任务具有重要意义. 但是, 在诸多计算资源有限的现实任务中, 模型规模仍可能限制小样本学习的广泛应用. 这对面向小样本学习的轻量化任务提出了现实的需求. 知识蒸馏作为深度学习领域广泛使用的辅助策略, 通过额外的监督信息实现模型间知识迁移, 在提升模型精度和压缩模型规模方面都有实际应用. 首先验证知识蒸馏策略在小样本学习模型轻量化中的有效性. 并结合小样本学习任务的特点, 针对性地设计两种新的小样本蒸馏方法: (1)基于图像局部特征的蒸馏方法; (2)基于辅助分类器的蒸馏方法. 在miniImageNet和TieredImageNet数据集上的相关实验证明所设计的新的蒸馏方法相较于传统知识蒸馏在小样本学习任务上具有显著优越性.     

基于增量学习的目标检测研究

目标检测技术已经被广泛应用于行人检测、人脸识别等诸多领域。随着社会生活与工业发展中新需求的出现,目标检测的对象与要求也随之出现新的变化。若直接用旧模型训练新类别可能会导致灾难性遗忘缺陷。因此,增量目标检测逐渐成为一个热门的研究方向。总结了常用的数据集和模型评价指标,研究了增量目标检测技术,将增量目标检测分为基于知识蒸馏的目标检测模型、基于回放的增量目标检测模型、开放世界目标检测模型,指出目前增量目标检测存在新增可识别类别的数据有限、新的可识别类别增加会导致模型准确率降低、小目标检测困难、检测速度慢等问题。通过比较最新增量目标检测模型,提出未来增量目标检测应从优化知识蒸馏方式、加强旧目标类别范例样本选择、更好地结合Transformer网络等几个方面进行改进。     

Multivariable control of ill-conditioned distillation columns utilizing process knowledge

In distillation, a reliable model of the column is generally considered as a prerequisite for the design of efficient two-product control by multivariable methods. However, such models are often very hard to obtain. In fact, even very small identification errors may introduce features which are in conflict with physical knowledge, and which make the model useless. Instead of focusing on the development of consistent models, this work is concerned with the utilization of physical process knowledge directly for multivariable control, even if a reliable input-output model is lacking. Such knowledge is, for example, the sign of the RGA-values and an estimate of the input-directionality. It is shown that such structural information of the process can form an entity of control-relevant knowledge that is sufficiently rich for the design of a multivariable SVD controller.     

知识蒸馏研究综述

高性能的深度学习网络通常是计算型和参数密集型的,难以应用于资源受限的边缘设备.为了能够在低资源设备上运行深度学习模型,需要研发高效的小规模网络.知识蒸馏是获取高效小规模网络的一种新兴方法,其主要思想是将学习能力强的复杂教师模型中的"知识"迁移到简单的学生模型中.同时,它通过神经网络的互学习、自学习等优化策略和无标签、跨...     

精馏过程动态仿真建模

精馏过程的模型化与仿真在化工操作和工艺设计中具有重要的意义。对精馏塔进行动态数学模型的建立与仿真,不仅可以研究精馏过程在不同工况下的变化情况,而且还可以用于精馏塔的优化控制,进而提高精馏过程的生产效益。本文针对精馏塔操作过程,建立了基于平衡级假设和非平衡级假设的精馏过程动态机理数学模型,并对平衡级假设的模型进行了动态模拟。该模型从机理分析入手,进行合理的简化,模型的计算时间大大的缩短,从而使模型具有比较广泛的实用性。该模型采用的动态数学模型为METSH(质量平衡方程、相平衡方程、塔板效率方程、摩尔分数归一化方程、能量平衡方程)方程,通过计算METSH方程,可以模拟出精馏塔内温度、汽相流量、液相流量、汽相组分以及液相组分的变化趋势。通过仿真结果可以看到,该模型比较准确的预测了精馏塔中各个操作参数的动态趋势,与实际情况基本一致,其稳态结果与实际情况也基本吻合。该模型对于仿真培训及精馏过程的控制分析具有较高的理论研究意义和实际应用价值。     

On-line estimation of product properties for crude distillation units

The stringent quality requirement of petroleum products in a highly competitive market makes on-line monitoring and control of product properties essential. But unfortunately few on-line hardware sensors are available and these are also difficult to maintain. It is, therefore, necessary to develop ‘software sensors’ to predict the quality using other easily measurable secondary variables. This study presents an algorithm that uses the crude true boiling point (TBP) curve and other routinely measured flow rates, temperatures and pressures in the crude distillation unit (CDU) to predict the product properties. The measured top plate, side-stripper draw plates and flash zone temperatures are corrected for hydrocarbon partial pressures to obtain equilibrium flash vaporization (EFV) temperatures. These product EFVs are converted to product TBPs and are superimposed on the crude TBP curve. An assumption, that the initial boiling point (IBP) of the next heavier product lies vertically below the final boiling point (FBP) of the product under consideration and the two points are equidistant from the crude TBP curve, allows estimation of the IBP and FBP temperatures of all the distillate products. A straight line approximation of the product TBP curve is used to obtain intermediate temperatures. These TBP temperatures are converted to product ASTM (American Society for Testing Materials) temperatures which are correlated with the desired product properties. Several properties have been predicted using the above procedure. These include densities of all the CDU products, Flash Points for all the side-stream products, Reid Vapor Pressure (RVP) for the distillate, Freeze Point for kerosene, Pour Point and the recovery for the gas oils etc. It is possible to predict these properties repeatedly every minute as long as steady state conditions prevail in the CDU. The algorithm has been applied off-line with the available on-line data from two different operating refineries. A satisfactory match between the predicted and the measured properties validated the developed soft sensors. However, extensive testing is recommended before the implementation of these soft sensors on the actual process.