内部热耦合精馏塔基于混合优化算法的RBF神经网络内模控制策略

摘要

内部热耦合精馏（ITCDIC）是迄今为止所提出的四大精馏节能技术中节能效果最高但唯一没有商业化的节能技术，比常规精馏要节能40%以上，没有商业化的主要原因之一在于该过程具有较强的非线性、复杂动态特性以及耦合性，给控制方案的设计带来了诸多困难。本文提出了一种基于RBF神经网络内模控制的混合优化算法，是一种基于减聚类、K-means及粒子群优化的混合优化算法，以苯-甲苯物系作为研究实例进行了研究，并与国际上公开报道结果进行了详细比较，研究结果表明基于混合优化算法的RBF神经网络内模控制相比于传统的PID、常规RBF算法和国际公开报道有着更好的控制效果。