质量建模技术在常减压装置上的应用

摘要

建立石油化工生产过程的质量模型是石油炼制工程领域的重要课题,在缺少质量分析仪表的情况下,产品质量在线估计显得尤为重要.质量建模技术是通过构造某种数学模型,描述可测量的关键操作变量,被控变量和扰动变量与产品质量之间的函数关系,以过程操作数据为基础,获得产品质量的估计值.在原油蒸馏过程中,由于原油的复杂性质以及蒸馏塔的本质非线性,使得上述关系呈现出较强的非线性.在原油蒸馏过程中,侧线产品质量是重要的控制指标,也是过程优化控制中的关键约束条件.本文以克拉玛依石化公司一套常减压蒸馏装置为研究开发对象,从炼油工艺机理出发,简要分析了常减压蒸馏的生产过程,从中筛选出影响常三线、减二线油品的闪点和粘度较大的变量.在研究RBF神经元网络结构和算法特点的基础上,提出了一种基于RBF神经元网络在线训练的产品质量估计模型结构,建立了这些侧线油品的闪点和粘度共4个质量估计模型.RBF(Radial Basis Function)神经元网络是近年来刚发展起来的新型网络.它的基函数具有非线性映射关系,并具有输出-权值线性关系,训练方法快速易行.我们将它与系统辨识技术结合起来,采用递推最小二乘法修正网络权值,使得RBF网络具有良好的自适应能力.同时,为了克服生产过程的时变性和数据饱和,使用了带遗忘因子的加权最小二乘递推算法.并确定选用自组织学习选取RBF中心方法.实际应用表明该数学模型能较准确地描述和跟踪常减压蒸馏过程并具有较高的精度,满足工程要求.为实现常减压蒸馏过程直接质量控制奠定了良好的基础.

目录

文摘

英文文摘

1概述

1.1课题研究意义

1.2软测量技术

1.3人工神经网络及其应用

1.4本论文相关的文献综述

1.5论文主要研究内容

2常减压装置部分产品质量调节方法

2.1常减压装置过程工艺简介

2.2常减压蒸馏质量调节方法

2.3影响粘度与闪点的因素分析

2.4小结

3应用RBF神经网络建立产品质量在线自校正模型

3.1问题的提出

3.2神经网络概述

3.3 RBF神经网络

3.4 RBF网络的学习方法

3.5应用RBF神经网络建立产品质量在线自校正模型

3.6小结

4产品质量在线自校正模型的实施

4.1常减压装置侧线产品质量在线自校正模型的实施

4.2应用软件的结构与功能

4.3现场调试

4.4小结

总结

参考文献

致谢

大连理工大学学位论文版权使用授权书