人工智能理论在催化裂化装置优化控制中的应用研究

摘要

该文的工作是针对这两个问题展开的,试图依据因素空间理论和RBF神经网络这两个人工智能理论对上面两个问题加以改善.对于故障诊断问题,该文结合模糊推理诊断技术,在因素空间理论的基础上发展出一种变权诊断方法.首先介绍了因素空间框架内故障诊断的定义,并总结了故障诊断的求解步骤;其次依据FCC过程故障问题的特点定义了隶属函数;接着指出了常权诊断存在的问题并且定义了变权的形式,经过推导得出变权公式;最后以FCC常出现的催化剂中断故障为例对变权诊断方法做了仿真研究.该文采用逼近性能更好的RBF神经网络作为预估模型以取代原有的BP神经网络.在预估试验中,用OLS和PLS两种方法作为RBF网络的训练算法以便比较.首先给出OLS和PLS的算法过程,并且对较新的PLS法做了仿真研究;然后采用自组织模式库选取的数据作为网络的训练样本和检测样本来说明RBF网络对转化率的预估过程,内容包括辅助变量的选取、用训练样本训练网络得到网络模型、用检测样本来检验网络模型的预估效果、用递推最小二乘法实现网络模型参数的在线校正;接着用现场采集的连续实时数据为样本验证RBF网络模型的预估效果,并讨论了影响RBF网络预估结果的一些因素;最后,用一组工业现场较为典型的数据验证了PLS-RLS算法.

目录

文摘

英文文摘

第一章前言

1.1 FCCU反应—再生系统的工艺流程

1.2 FCCU优化控制发展概况

1.3 FCCU计算机优化控制系统的工程化问题

1.4因素空间理论研究进展

1.5 RBF神经网络研究进展

1.6论文工作安排

第二章因素空间变权理论的FCCU故障诊断

2.1基于因素空间的故障诊断原理

2.1.1基于因素空间的故障诊断问题描述

2.1.2故障诊断问题的求解

2.2基于因素空间变权原理的工业过程故障诊断方法

2.2.1隶属函数的确定

2.2.2基于因素变权的诊断问题求解

2.2.3对FCCU的仿真研究

2.3小结

第三章应用RBF神经网络预测FCCU转化率

3.1神经网络模型算法的确定

3.1.1 RBF网络结构

3.1.2正交最小二乘(OLS)算法

3.1.3偏最小二乘(PLS)算法

3.1.4对PLS算法的仿真研究

3.2 RBF网络用于FCC过程转化率的预估模型

3.2.1辅助变量的选择

3.2.2模型的建立

3.2.3离线预估

3.2.4在线校正

3.3对现场连续实时数据的预估

3.4讨论

3.4.1学习样本对网络泛化能力的影响

3.4.2 PLS法宽度和主成分对网络预估性能的影响

3.4.3 OLS算法中宽度参数对网络预估性能的影响

3.4.4遗忘因子对网络预估性能的影响

3.5 PLS离线训练—在线校正算法的应用

第四章结论

参考文献

攻读硕士学位研究生期间的工作论文

致谢