基于數(shù)據(jù)的乙烯裝置過程模型辨識、控制與優(yōu)化的研究及應(yīng)用.pdf

1、乙烯裝置作為石化行業(yè)的龍頭，也是能耗與廢氣排放大戶。如何確保裝置安全平穩(wěn)生產(chǎn)，提高裝置產(chǎn)品質(zhì)量，節(jié)能降耗，創(chuàng)造更多經(jīng)濟(jì)效益是生產(chǎn)和管理者的一個(gè)課題。實(shí)現(xiàn)裝置的先進(jìn)控制，是解決這一問題的最佳方案之一。傳統(tǒng)的先進(jìn)控制通?；谶^程模型實(shí)現(xiàn)，模型辨識首先需要進(jìn)行裝置測試。然而當(dāng)代裝置規(guī)模巨大，各控制點(diǎn)之間的非線性、耦合性強(qiáng)，裝置測試易造成生產(chǎn)的不穩(wěn)定，甚至影響到生產(chǎn)安全，因此這種方法難以實(shí)施。此外，這類技術(shù)需要高水平的技術(shù)人員進(jìn)行后期維護(hù)，而企

2、業(yè)這類人才短缺，造成先進(jìn)控制難以長期投運(yùn)。
　　信息技術(shù)的發(fā)展，使得海量的生產(chǎn)運(yùn)行數(shù)據(jù)得以存儲，這些數(shù)據(jù)隱含著工藝變動和生產(chǎn)運(yùn)行等信息，包含了先進(jìn)控制所需的模型信息。如何應(yīng)用裝置生產(chǎn)運(yùn)行數(shù)據(jù)獲取過程模型辨識所需的數(shù)據(jù)信息，如何根據(jù)這些數(shù)據(jù)信息獲取過程模型，進(jìn)行先進(jìn)控制的實(shí)施及自動維護(hù)，是解決上述問題的關(guān)鍵。
　　本文的研究目標(biāo)是:提出充分利用海量生產(chǎn)運(yùn)行數(shù)據(jù)自動實(shí)現(xiàn)生產(chǎn)裝置過程模型辨識及先進(jìn)控制的解決方案，并將該方案成功應(yīng)用

3、于乙烯裝置先進(jìn)控制中。論文主要工作如下:
　　1.提出一種求解不等式約束的隨機(jī)正交優(yōu)化算法。先進(jìn)控制的實(shí)施無論是獲取過程模型，或是進(jìn)行基于過程模型的參數(shù)優(yōu)化，都依賴于優(yōu)化算法的應(yīng)用。結(jié)合正交實(shí)驗(yàn)設(shè)計(jì)，粒子群優(yōu)化算法(PSO)和NLJ(NewLuus-Jaakola algorithm)隨機(jī)搜索算法的優(yōu)點(diǎn)，提出了一種解決帶有不等式約束問題的隨機(jī)正交優(yōu)化算法(ROAS)。
　　ROAS算法應(yīng)用差集矩陣產(chǎn)生了正交參數(shù)優(yōu)化（正交實(shí)驗(yàn)

4、分析）所需的正交表;利用精簡NLJ算法實(shí)現(xiàn)搜索初期的全局快速收斂;應(yīng)用粒子根據(jù)全局信息更新自身新信息的原理加快尋優(yōu)過程的收斂速度;應(yīng)用正交表參數(shù)優(yōu)化和聚類方法實(shí)現(xiàn)尋優(yōu)過程快速向真值收斂。
　　2.研究有色噪聲存在下的連續(xù)時(shí)間過程模型的辨識問題。生產(chǎn)運(yùn)行數(shù)據(jù)不可避免的存在著噪聲，其中不乏有色噪聲，為此有必要在辨識過程模型的同時(shí)對噪聲模型進(jìn)行辨識。為提高辨識精度，提出一種帶有懲罰因子的極大似然參數(shù)估計(jì)算法(PML算法)。為實(shí)現(xiàn)有效動態(tài)

5、響應(yīng)數(shù)據(jù)的快速模型辨識，應(yīng)用PML算法和輔助變量算法相結(jié)合，混合Box-Jenkins模型開環(huán)辨識算法(IV-PML)，混合模型由連續(xù)過程模型與離散噪聲模型組成。生產(chǎn)過程閉環(huán)回路數(shù)據(jù)中，測量噪聲不可避免地引入過程對象的輸入和輸出中，由于輸入輸出數(shù)據(jù)存在相關(guān)性，因此一些開環(huán)辨識方法出現(xiàn)了應(yīng)用上的困難，為此提出了一種循環(huán)噪聲消除的混合Box-Jenkins模型閉環(huán)辨識方法(DCIV)。DCIV算法從原輸入輸出中減去循環(huán)噪聲成份，實(shí)現(xiàn)不含循環(huán)

6、噪聲的混合Box-Jenkins模型辨識。仿真與實(shí)際應(yīng)用證明了算法的有效性。
　　3.研究基于生產(chǎn)運(yùn)行數(shù)據(jù)，自動進(jìn)行過程模型集辨識及基于模型集的控制器參數(shù)整定問題。裝置生產(chǎn)中的過程對象，在不同的工作點(diǎn)及不同的生產(chǎn)負(fù)荷等工況下，其模型參數(shù)不盡相同，為實(shí)現(xiàn)控制器在不同工況下都具有良好的控制性能和魯棒性，有必要獲取不同工況下的過程模型集，進(jìn)行基于過程模型集的控制器參數(shù)整定。
　　為獲得過程模型集辨識所需的過程有效數(shù)據(jù)集，提出基于過

7、程響應(yīng)三態(tài)集從生產(chǎn)運(yùn)行數(shù)據(jù)中獲取過程可行數(shù)據(jù)集，應(yīng)用IV-PML/DCIV算法和辨識置信度函數(shù)由過程可行數(shù)據(jù)集獲取過程有效數(shù)據(jù)集?；谶^程有效數(shù)據(jù)集辨識過程模型集，基于過程模型集的實(shí)現(xiàn)控制器參數(shù)整定。
　　4.研究基于RBF神經(jīng)網(wǎng)絡(luò)建模及優(yōu)化。為提高RBF神經(jīng)網(wǎng)絡(luò)的模型預(yù)測能力，提出了在高斯核寬度優(yōu)化的基礎(chǔ)上，再次優(yōu)化每個(gè)隱層中心的自學(xué)習(xí)RBF神經(jīng)網(wǎng)絡(luò)(SODM-RBF)。應(yīng)用SODM-RBF分別建立了乙烯塔塔項(xiàng)乙烷濃度軟儀表，丙

8、烯塔塔頂丙烷和塔釜丙烯軟儀表。實(shí)現(xiàn)了乙烯塔塔項(xiàng)乙烷濃度的優(yōu)化控制及丙烯塔塔頂丙烷濃度和塔釜丙烯濃度的優(yōu)化控制。
　　5.上述解決方案的實(shí)際應(yīng)用?；陂L期在控制工程一線的工作，從實(shí)踐中發(fā)現(xiàn)問題，抽象到控制理論研究，并把成果反饋到實(shí)際應(yīng)用，是本論文的重要特色。應(yīng)用設(shè)計(jì)的模型集IMC-PID控制器參數(shù)，在乙烯裝置上實(shí)施基于模型集的IMC-PID先進(jìn)控制，實(shí)現(xiàn)裝置回路的快速、無超調(diào)或小超調(diào)控制。針對裂解爐的回路眾多，系統(tǒng)控制復(fù)雜，相互耦合