流程工业报警系统传统评估方法分析及改进

流程工业报警系统通过报警信息显示当前过程存在的异常情况,提醒操作员及时干预以避免生产事故,其运行效率和流程工业的安全性能密切相关.报警系统效率低下会严重影响流程工业安全经济运行,然而报警系统优化与再设计的过程复杂,耗费大量人力物力,并且可能影响整个生产过程的正常运行.报警系统是否需要重新优化、何时优化、优化方向等问题困扰着工程研究人员,需要对其进行正确的评估.针对评价流程工业报警系统的常用定性指标进行机理分析,指出对于报警系统运行效率影响较大的几个因素,在此基础上构建了量化评估报警系统效率的指标,评估指标可以使工程研究人员更为直观地了解报警系统运行效率及其对于流程工业的影响,辅助优化报警系统.     

管式加热炉多模型神经网络预测控制

管式加热炉具有典型的非线性、多变量、大时滞、强耦合和时变特性,传统的控制策略很难获得理想的控制性能。为此,提出了基于一类多模型的自适应神经网络预测控制方法,首先基于不同负荷下加热炉的运行情况建立多个自适应神经网络模型,预测变负荷、大扰动时的加热炉输入输出状况,然后通过自适应调整神经网络模型的结构和参数跟踪加热炉由于参数时变或其他干扰引起的系统漂移,最后应用粒子群算法对基于多模型自适应神经网络进行滚动优化,获得加热炉操作变量的次优控制律。此方法可以有效地跟踪多路进料、多燃烧器加热炉的控制指标,提高了加热炉的整体热效率,并且能够节约燃料,减少温室气体排放。所开发的控制系统成功应用于某炼厂常减压加热炉装置,取得了良好的效果。     

化工过程多变量报警阈值优化方法

化工过程变量通常具有较强的相关性,从多变量的角度研究过程参数报警阈值的优化具有实际意义。论文针对实际生产过程中存在着大量无效报警问题,结合多变量报警相关性分析,提出了一类多变量报警阈值优化设计的新方法。首先基于过程参数的历史数据,应用基于皮尔逊相关系数法的凝聚层次聚类方法对报警进行聚类分组,然后采用基于差异驱动原理的赋权方法对报警进行优先级排序,最后遵循报警优先级高优先处理的原则,结合漏报警及误报警概率建立过程报警阈值优化的目标函数,并采用数值优化的方法进行求解,得到最优的报警阈值。对于TE过程进行了实验,结果验证了所提方法的优势。     

基于Logistic和ARMA模型的过程报警预测

提出了一种基于Logistic回归模型和ARMA模型相结合的过程报警事件预测方法,从历史数据中提取过程报警事件序列,并分解成报警状态及报警状态的持续时间,对应建立Logistic回归模型和ARMA模型分别对其进行预测,最终实现对过程报警事件的预测。通过数值实例分析和工业过程数据进行了验证,表明该方法能够准确地预测过程报警事件。