智能控制在氨合成系统中的应用研究

摘要

合成氨作为最重要的无机化工产品之一，产量居各类化工产品的首位，用途十分广泛，在国民经济中占有重要的地位。在合成氨生产过程中，主要面临两大难题:氢氮比和氨合成塔温度控制，在保证产品质量的前提下，提高生产效率，各个合成氨厂一直在进行探索研究。
　　本文针对氢氮比参数的控制，主要分析了影响氢氮比参数难以控制的因素，确定了主要检测量是循环氢。针对氢氮比中存在的大纯滞后的问题，本课题结合RBF神经网络的优点，设计了RBF神经网络自适应控制系统。针对系统可能出现的不确定性，设计了鲁棒H∞控制器，解决了由于系统老化、外部干扰等问题带来的不确定，最后通过matlab进行仿真实验，获得较好的控制效果。
　　同样，在氨合成塔温度控制系统中，升温趋势必须严格按照工艺理论曲线进行，但系统存在扰动，且不可测量，各床层之间的温度存在严重的耦合。本课题对目前国内外较先进的解耦控制系统进行了综合比较，采用RBF神经网络解耦控制作为研究的出发点，对RBF神经网络在解耦控制中的应用进行了研究，并且通过matlab进行仿真对比，实验效果较为理想。
　　本文最后对上述两大难题采用了DCS实现，选用了西门子的PLC来组成DCS网络，并且选用SIMATIC WinCC组态编程，对上位机做了监控界面，并对各个模块进行了介绍。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景

1．2 研究现状

1．2．1 合成氨生产现状

1．2．2 氢氮比控制的研究现状

1．2．3 合成塔温度解耦控制的研究现状

1．3 本课题研究目的及意义

1．4 论文组织结构

第2章 氨合成系统工作原理

2．1 氨合成系统工艺流程及控制

2．2 氨合成系统生产装置及其工作原理

2．2．1 造气炉及其工作原理

2．2．2 氨合成塔及其工作原理

2．3 氨合成系统氢氮比控制算法

2．3．1 影响氢氮比控制的因素

2．3．2 氢氮比控制算法

2．4 合成塔温度解耦算法

2．4．1 影响合成塔温度的因素

2．4．2 温度解耦算法的选定

2．5 本章小结

第3章 智能控制在氢氮比控制系统中应用研究

3．1 Smith预估控制方案的设计

3．1．1 纯滞后补偿原理

3．1．2 纯滞后补偿控制的效果

3．2 神经网络自适应控制系统的结构设计

3．2．1 神经网络基本特性

3．2．2 RBF神经网络基本结构

3．2．3 基于RBF神经网络在线整定PID控制

3．3 鲁棒控制方案设计

3．3．1 鲁棒控制问题的提出

3．3．2 干扰抑制问题

3．3．3 鲁棒稳定问题

3．3．4 鲁棒控制器的设计

3．4 MATLAB编程及仿真实验结果

3．4．1 常规PID仿真实验

3．4．2 Smith预估控制仿真实验

3．4．3 RBF神经网络在线整定PID仿真实验

3．4．4 鲁棒控制仿真实验

3．5 本章小结

第4章 智能控制在合成塔温度解耦控制中的应用

4．1 解耦控制原理

4．1．1 对角矩阵解耦原理

4．1．2 神经网络解耦原理

4．2 MATLAB在解耦控制中的应用

4．2．1 耦合模型确定

4．2．2 MATLAB仿真实验

4．3 本章小结

第5章 控制算法的DCS实现

5．1 硬件选型

5．1．1 DCS简介

5．1．2 选型原则及器件

5．2 位机监控界面设计

5．2．1 SIMATIC WinCC简介

5．2．2 氢氮比监控设计

5．2．3 温度解耦监控设计

5．3 本章小结

结论

参考文献

攻读硕士学位期间所发表的论文

致谢