CO精制生产过程工艺参数优化方法的研究

摘要

二氧化碳作为一种重要的资源用途广泛，同时二氧化碳的排放也是造成全球变暖的主要原因，所以有效的回收二氧化碳既可以节约资源也可以减少大气污染和温室效应。
　　 在采用吸附精馏法的二氧化碳精制回收系统中，工业级二氧化碳闪蒸阶段的成品二氧化碳纯度受很多因素的影响，通过分析平衡蒸馏原理和闪蒸罐的工作原理，我们可以得知，液化气出口二氧化碳温度和闪蒸罐压力是影响闪蒸罐出口成品二氧化碳纯度的两个重要工艺参数。传统的控制方案是采用常规PID对这两个工艺参数进行控制，对工艺参数设定值采用理论计算和人工经验的方法来确定，这种控制方法效果不好，容易造成成品二氧化碳纯度不稳定。
　　 本文基于对工业级二氧化碳闪蒸阶段工艺过程的了解，采用了一种基于神经网络的工艺参数优化方法。首先根据历史数据，通过神经网络建立起系统的预测模型和工艺参数优化模型，预测生产过程中影响二氧化碳纯度的关键工艺参数值，然后再结合常规PID控制方法对这些工艺参数进行实时控制，有效的克服生产过程中相应关键工艺参数难以确定的缺陷，从而使成品二氧化碳的平均纯度提高，波动减小。
　　 本文还采用了基于卡尔曼滤波的优化神经网络参数的方法，使得神经网络的训练效果得到改善。

目录

文摘

英文文摘

声明

1 绪论

1.1 课题背景

1.2 年产3万吨二氧化碳精致回收系统简介

1.3 课题研究意义及研究现状

1.4 论文的主要工作和内容安排

2 二氧化碳精制回收系统的控制方案设计

2.1 平衡蒸馏(闪蒸)原理

2.2 闪蒸罐原理

2.3 控制方案

2.3.1 二氧化碳精制生产过程目前采用的控制方法

2.3.2 基于神经网络的工艺参数优化方法

2.4 本章小节

3 基于BP神经网络的控制方法

3.1 神经网络简介

3.1.1 神经网络的特性及类型

3.1.2 BP神经网络

3.2 神经网络控制

3.3 神经网络建模

3.3.1 神经网络建模分类

3.3.2 神经网络建模步骤及特点

3.4 神经网络建模的具体过程

3.4.1 预测模型

3.4.2 参数优化模型

3.5 控制方案在非线性系统中的仿真

3.5.1 预测模型

3.5.2 参数优化模型

3.6 本章小节

4 基于卡尔曼滤波的BP神经网络

4.1 卡尔曼滤波算法

4.2 扩展卡尔曼滤波

4.3 基于卡尔曼滤波的神经网络

4.4 卡尔曼神经网络在非线性系统中的应用

4.5 本章小结

5 实际项目中的仿真研究

5.1 现场数据的预处理

5.2 预测模型和工艺参数模型的建立

5.2.1 预测模型

5.2.2 工艺参数优化模型

5.3 基于神经网络的控制方法在实际系统中的仿真研究

5.4 本章小节

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢