CO精制过程控制系统设计及优化方法研究

摘要

石化行业在制氢过程中会产生大量二氧化碳气体，如果直接排放既不环保也不经济。而在其他行业，二氧化碳的另一种形态干冰需求量则很大。为变废为宝，提高效益，目前有很多二氧化碳精制回收项目投产。 本文以浙江嘉兴三江化工股份有限公司年产3万吨二氧化碳精制回收工程为实例，根据该工程的设计要求和现场的实际情况，以降低项目成本、保证质量为出发点，设计监控系统。在参考现今国内外流行的组态软件基础之上，采用北京和利时系统工程股份公司的MACSV组态软件设计开发了针对该化工生产过程的计算机监控系统(系统为DCS结构)，并采取一系列参数整定方法，对控制参数进行了整定优化。该监控系统具有良好的人机界面、简单方便的操作和易扩展性，同时，它也具有较高的可靠性和稳定性，不仅能够直观、形象地反映生产现场的实际工况，而且也为该化工生产过程安全可靠稳定连续的运行提供了有力的支持。 为降低成本、提高产品质量，针对生产过程中难以直接测得的二氧化碳的纯度，提出一种神经网络软测量方案。建立RBF神经网络软测量模型，对工业级二氧化碳产品纯度进行实时测量，从而使以二氧化碳纯度为目标控制、协调主要工艺参数成为可能。仿真结果表明通过以上方法建立的神经网络软测量模型具有较好的测量精度。

目录

文摘

英文文摘

声明

1绪论

1.1课题背景及意义

1.2年产3万吨二氧化碳精制回收系统简介

1.3 DCS技术概述

1.3.1 DCS发展现状

1.3.2未来DCS发展趋势

1.4本文的主要工作

2二氧化碳精制工程DCS控制系统的设计

2.1 MACSV DCS网络结构介绍

2.1.1系统结构

2.1.2监控网络

2.1.3系统网络

2.1.4控制网络

2.1.5 PROFIBUS-DP的基本功能

2.2三万吨二氧化碳精制回收系统的控制方案

2.2.1系统结构确定

2.2.2控制方案确定

2.2.3控制方案在MACSV下实现

2.2.4报警设计

2.2.5流量累积

2.3监控界面设计

2.3.1监控组态软件的背景、现状和发展趋势

2.3.2 MACSV图形组态工具介绍

2.3.3监控界面设计

2.3.4事故追忆与SOE追忆

2.3.5趋势曲线

2.3.6报表组态

2.4本章小结

3系统调试

3.1现场调试

3.2校准仪表

3.3系统投运

3.3.1手动控制的投运

3.3.2自动控制的投运

3.4控制参数整定

3.4.1 PID控制器控制参数的整定方法

3.4.2串级PID控制器参数整定步骤及方法

3.5经验体会

3.6存在的问题

4基于RBF网络的软测量方法

4.1软测量技术

4.1.1软测量技术发展现状

4.1.2 工业过程软测量模型

4.1.3辅助变量的选择

4.1.4输入数据的处理

4.1.5软测量模型的建立

4.1.6软测量模型的在线校正

4.2径向基函数(RBF)神经网络

4.2.1 RBF神经网络结构

4.2.2 RBF神经网络应用中的输入数据预处理

4.2.3 RBF网络选取中心的学习方法

4.2.4 RBF网络结构与权值的学习算法

5基于RBF神经网络二氧化碳纯度软测量方法实现

5.1平衡蒸馏原理

5.2平衡蒸馏的计算

5.3闪蒸罐结构图及工作原理

5.4现场数据的获取和处理方法

5.4.1延时时间的确定

5.4.2主元分析（PCA Principal Component Analysis)法处理数据

5.4.3数据的归一化处理

5.5 RBF模型训练方法

5.6 RBF神经网络训练结果

5.6.1二氧化碳浓度软测量网络的训练结果

5.6.2二氧化碳浓度软测量网络的检验结果

5.7本章小结

结论

参考文献

附录A RBF网络训练数据表

攻读硕士学位期间发表学术论文情况

致 谢