基于神經(jīng)網(wǎng)絡(luò)的乙烯裂解爐軟測量建模與優(yōu)化.pdf

1、復(fù)雜工業(yè)生產(chǎn)過程模型化與優(yōu)化的研究是過程控制領(lǐng)域人們關(guān)注的熱點(diǎn)之一，也是將控制理論應(yīng)用到實(shí)際過程的一大難點(diǎn)。乙烯裂解爐是乙烯生產(chǎn)中的核心設(shè)備，其平穩(wěn)、安全、高效運(yùn)行對整個(gè)乙烯生產(chǎn)過程具有舉足輕重的作用，因此對乙烯裂解爐裝置實(shí)施先進(jìn)控制、操作優(yōu)化具有重要的理論和實(shí)際意義。為了實(shí)現(xiàn)對裂解爐先進(jìn)控制、操作優(yōu)化等任務(wù)，需要在線測量裂解爐的收率，在生產(chǎn)中往往通過配置工業(yè)色譜分析儀來獲取裂解爐的在線收率值。但是，工業(yè)色譜儀常常存在相當(dāng)大的測量滯后，

2、并且設(shè)備投資大，維護(hù)保養(yǎng)復(fù)雜，運(yùn)行成本高，故障發(fā)生率高。針對這一問題，本文采用了近年來涌現(xiàn)的新技術(shù)——軟測量技術(shù)，并討論了軟測量模型的建模方法，提出采用基于神經(jīng)網(wǎng)絡(luò)的智能軟測量方案。 本文的選題以某大型石化公司60萬噸乙烯控制系統(tǒng)的改擴(kuò)建項(xiàng)目為背景，選取乙烯裂解爐的裂解產(chǎn)品收率為研究對象。由于工業(yè)乙烯裂解爐裝置工藝過程相當(dāng)復(fù)雜，本文從分析裂解過程的內(nèi)在機(jī)理出發(fā)，研究了神經(jīng)網(wǎng)絡(luò)以及小波網(wǎng)絡(luò)進(jìn)行過程軟測量建模及優(yōu)化的方法，并結(jié)合實(shí)際

3、碰到的工程應(yīng)用問題，探討了將其應(yīng)用到實(shí)際工業(yè)生產(chǎn)中的具體方法。主要研究內(nèi)容包括以下幾個(gè)辦面： 1．總結(jié)回顧了乙烯生產(chǎn)過程的建模、控制及優(yōu)化技術(shù)的研究狀況，討論了建立軟測量模型的建模方法。 2．具體研究了乙烯裂解爐的工藝流程，深入分析了裂解過程的內(nèi)在機(jī)理以及影響裂解產(chǎn)物分布與收率的操作因素，從而確定建立模型所需的輔助變量。 3．深入分析了神經(jīng)網(wǎng)絡(luò)的幾種主要建模方式，著重研究了經(jīng)典BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)的結(jié)構(gòu)以及近年來

4、較為熱門的Elman網(wǎng)絡(luò)的結(jié)構(gòu)。 4．采用現(xiàn)場采集的數(shù)據(jù)，討論了數(shù)據(jù)的預(yù)處理方法，重點(diǎn)比較了使用數(shù)字濾波和小波濾波來剔除輸入數(shù)據(jù)隨機(jī)誤差的方法，并通過建模的效果來體現(xiàn)上述方法的有效性。 5．運(yùn)用MATLAB編制相應(yīng)的算法程序，分別建立了基于BP、RBF和Elman神經(jīng)網(wǎng)絡(luò)的工業(yè)裂解雙烯收率軟測量預(yù)測模型，從而獲得裂解深度預(yù)測值。 6．對近幾年比較流行的小波分析技術(shù)進(jìn)行了研究，對小波分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的小波網(wǎng)