常减压装置常压塔塔顶汽油干点的软测量

针对某炼油厂常压精馏塔塔顶汽油干点在线测量困难的问题,建立了汽油干点与其影响因素的软测量网络模型.将易于测量的温度压力等变量作为网络的输入,汽油干点作为网络的输出,然后进行训练,使网络输出与化验分析值接近.以此方法实现了常压精馏塔产品质量的软测量,为先进控制提供较准确的产品质量数据,以达到提高效率,节能降耗等目的.     

一种新的常压塔汽油干点观测方法

提出一种新的汽油干点观测方法－机理模型与神经网络相结合的汽油干点观测方法。这一方法是先将Luenberger观测器理论应用到常压塔顶这一具有不可测输入的非线性系统,构造Luenberger观测器观测出一些不可测量但可观测的内部物理量;然后将这些内部物理量与其它物理量一起作为输入信号,汽油干点作为输出信号构成神经网络观测汽油干点,并用改进的学习算法训练神经网络;通过与其它方法进行比较,表明这一观测方法有较高的精确度及较强的适应性。     

粗汽油干点的在线软测量

引言粗汽油的干点是反映流化催化裂化（FCCU）主分馏塔产品质量指标的重要参数,对其实行卡边控制以提高经济效益一直都是石油炼制企业所关注的问题．因在线的质量分析仪不但价格昂贵,而且测量滞后,存在维护和保养上的困难及可靠性差等问题。目前在生产过程中一般采用离线分析化验手段,每8h才能有一组数据,实时性很差,无法直接实现质量闭环控制．为了实时地得到这一信息作为质量卡边控制的反馈信号,已有许多人致力于这方面的研究工作．其中比较典型的两类干点软测量模型是机理模型和神经网络模型．文献[1]基于过程机理推导出粗汽油干…     

基于ART-SVR的过程建模及在干点软测量中的应用

针对石油化工生产过程通常呈高度非线性,且生产过程数据呈非连续、具有一定类别特性等特征,提出基于自适应谐振神经网络（adaptive resonance theory,ART）和支持向量回归（support vector regression, SVR）相结合的建模方法（ART-SVR）。首先,基于建模样本,通过ART将样本模式空间分割成若干模式特性相近的子空间;然后,对各子空间分别采用SVR建立各自模型,实现基于样本模式空间分割的“分段”建模。仿真试验和在石脑油干点软测量建模的实际应用表明：ART-SVR模型的拟合精度和预测精度均优于全局SVR模型。     

软测量预估延迟焦化粗汽油干点及收率

通过采集过程参数建立粗汽油干点软测量模型的汽油收率,柴油收率,蜡油收率,气体收率,焦碳化率的预估模型,并在线投用,校正。     

多频率系统动态插值神经网络软测量建模

针对某些化工过程关键变量难以在线测量的问题,提出了一种基于多采样率系统的时间序列神经网络的软测量建模方法,建立了动态插值神经网络模型,并利用增强粒子群算法实现了网络参数的优化。将此方法用于实验室模拟建模,实现了变量的在线预估,并对网络的训练效果和泛化性能进行了分析,表明其建模效果明显优于普通静态神经网络。     

支持向量回归在乙烯裂解产物收率软测量中的应用

乙烯裂解产物收率的实时预报对于裂解炉的生产具有重要意义。针对有效的样本数据较少的问题,采用支持向量回归方法建立裂解产物收率的软测量模型。对于支持向量机中模型参数的选取,采用了微粒群优化算法进行参数寻优,提高了建模效率和模型精度。基于现场数据的建模实验结果表明,基于支持向量回归方法的乙烯裂解产物收率软测量模型预报精度较高,趋势跟踪性能良好。     

常压塔产品质量的MIMO软测量模型的研究

通过对某炼油厂常压蒸馏塔的分析研究，针对生产中需要同时对几种产品进行质量监控的要求，利用部分最小二乘优良的建模性质，建立一个多输入多输出(MIMO)模型和相关的多输入单输出(MISO)模型。通过比较表明：由于MIMO模型考虑了更多的影响因素，比MISO模型的泛化能力有所提高，而且避免了重复计算，有利于工程实施。     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元 ,具有很强的非线性和时变性 ,故很难进行机理建模分析或常规在线实时控制 ,因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型 ,将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中     

LS-SVM模型在线校正的替代法及其软测量应用

软测量技术是现代化工过程控制系统的重要组成部分,化工过程的时变性要求软测量模型及时进行在线校正,以适应新工况,保持模型的预测精度。基于矩阵计算理论,提出了最小二乘支持向量机模型在线校正的替代法,它无需重新训练,校正速度快。通过分析还提出以距离标准选择被替代个体,可提高预测精度。将该法用于某炼油厂常压塔塔顶汽油干点的软测量,效果良好,表明该法可以克服工况变化对模型预测精度的影响。     

基于EBF神经网络和粒子群算法的注射成型优化设计

基于拉丁超立方设计建立了椭球基（EBF）神经网络模型描述注塑工艺参数与翘曲值间的函数关系,将EBF神经网络模型与Kriging模型对比,说明EBF神经网络模型可以准确地描述注塑工艺参数与翘曲值之间的函数关系,并结合多目标粒子群算法对工艺参数进行优化,并与邻域培植遗传算法优化结果对比,说明多目标粒子群算法的优点。结果表明,基于EBF神经网络模型和粒子群优化算法可以使塑料出水管翘曲值减小11.64 %,同时使保压时间和冷却时间总和减小了2.13 s,从而在出水管批量生产过程中减少了生产时间。     

常减压装置原油适应性改造的分析

中海炼化惠州炼化分公司常减压装置原按照加工100%蓬莱19-3型高酸重质原油设计,蓬莱原油密度大于940 kg/m3。第一运行周期的实际生产过程中,由于原油资源的限制,致使装置不得不掺炼部分轻质油种。在掺炼品质较轻的原油后,出现常压塔塔顶负荷较大,常顶压力较高,成为装置的生产瓶颈。为解决常压塔负荷不能适应原油性质变化,提出了原油适应性改造项目,达到预期效果。     

常减压蒸馏装置节能途径探讨

由于常减压装置的能量消耗约占全厂能耗的20%～30%,一直都是炼油企业的用能大户,因此,我国各炼油厂对常减压装置进行的技术改造就显得十分重要。文章从新技术的使用、换热网络的优化等几个方面进行了较为详细的阐述,通过减少工艺用能来节省能量的消耗。     

常减压蒸馏换热网络节能优化

利用夹点技术对常减压蒸馏换热网络进行分析,优化该常减压蒸馏装置换热网络结构,最大限度的回收热量,节能效果显著。     

基于粒子群算法的喷水减温器建模研究

根据质量守恒和能量守恒定律建立喷水减温器的机理模型。为了提高模型精度,利用粒子群优化算法对喷水减温器的机理模型参数进行优化,并利用Matlab进行仿真,仿真结果很好地证明了模型的精确性。     

粒子群优化神经网络的电镀金刚石套钻使用寿命预测

电镀金刚石套钻广泛应用各种加工领域,而套钻使用寿命受到多种因素影响,具有一定的非线性变化特点,为了准确预测电镀金刚石套钻的使用寿命,提出了基于粒子群优化神经网络的电镀金刚石套钻使用寿命预测模型。对电镀金刚石套钻使用寿命预测现状进行分析,针对BP神经网络参数优化问题,采用粒子群优化算法确定最优参数,建立电镀金刚石套钻使用寿命的预测模型,通过仿真实验对其有效性和优越性进行分析。实验结果表明,模型可以准确刻画影响参数与电镀金刚石使用寿命之间的变化关系,获得比对比模型更高的预测精度,实际应用价值更高。     

PID性能评估与整定软件在常减压装置中的应用

介绍PID控制器原理、PID回路性能评估与整定原理。在常减压装置中的应用结果表明,对所有中和差状态下的问题回路进行性能评估与整定后,各回路均能够投用自动,且回路性能评估达到良级别以上。     

海南炼化原油加工现状及常减压装置运行和腐蚀情况浅析

文章结合海南炼化加工原油的特点,对海南炼化常减压装置的运行和腐蚀情况进行了系统的阐述,并针对腐蚀现状提出了应对措施和解决方案。     

粒子群优化算法的研究

粒子群优化算法是一种基于群体智能的优化算法。介绍粒子群优化算法及其基本原理,给出各种改进技术及研究现状,并展望未来的发展趋势。