常压塔轻柴油凝点软测量模型的研究

摘要

本文以炼油装置的常压蒸馏塔为研究对象，建立了其常二线产品即轻柴油凝点的软测量模型，并在DCS系统上调试运行，取得了较满意的测试拟合效果。 论文工作主要经过以下阶段：研究常压蒸馏塔的工艺机理；采集数据形成样本集；应用数理统计原理对样本数据进行分析处理；建立合理的软测量模型；实现模型的在线运行和校正。在软测量模型结构的选择中，采用了基于机理和基于数据相结合的建模方式。在辅助变量筛选工作中，则采用了主元分析和工艺机理相结合的方法，实践证明此方法行之有效。在分析了常二线柴油凝点和辅助变量之间存在较强的线性关系后，运用多元线性回归、部分最小二乘回归、BP神经网络、RBF神经网络多种方法研究并建立软测量模型。 最后，以ABB公司的集散控制系统ADVANT-500为软测量模型的运行平台，用编程语言在控制模块中组态从而实现了在线运行，并应用输出值常量校正法对模型实现了在线校正。模型输出值和化验值的绝对误差<4℃的“命中率”百分比达到95﹪以上，满足了实际生产需要。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章绪论

1.1课题的目的和意义

1.2软测量技术

1.2.1软测量技术介绍

1.2.2软测量技术综述

1.2.3软测量技术在过程控制中的应用和发展趋势

1.3工艺背景分析

1.3.1常压蒸馏塔的工艺流程

1.3.2常压蒸馏塔生产需求

1.3.3影响常压塔产品质量的因素

1.3.4软测量模型基本结构的确定

1.4论文各部分的主要内容

第二章数据处理和辅助变量的选择

2.1统计基础知识

2.1.1总体与样本

2.1.2基本概念

2.2数据处理

2.2.1采集样本时的数据处理

2.2.2数据样本集的处理

2.2.3数据变换

2.3相关分析

2.3.1相关系数

2.3.2二线柴油凝点与过程变量之间的相关分析

2.3.3汽油干点与过程变量之间的相关分析

2.4主元分析

2.4.1基本原理

2.4.2 PCA在精选辅助变量的应用

2.4.3 PCA选择辅助变量的应用

2.5结论

第三章基于线性回归建立柴油凝点软测量模型

3.1回归分析基本概念

3.1.1最小二乘法

3.1.2一元线性回归求解

3.1.3模型的评价标准

3.2多元线性回归

3.2.1基本算法

3.2.2基于多元线性回归建立柴油凝点模型

3.3部分最小二乘回归(PLS)

3.2.1基本算法

3.3.2基于PLS建立柴油凝点MISO模型

3.4结论

第四章基于人工神经元网络建立柴油凝点软测量模型

4.1人工神经网络技术

4.1.1人工神经网络的发展

4.1.2人工神经网络的特点

4.1.3人工神经网络的基本特征

4.1.4人工神经网络的应用

4.2 BP网络

4.2.1 BP算法

4.2.2 BP网络的设计

4.2.3基于BP网络建立柴油凝点软测量模型

4.2.4基于BP网络建立汽油干点软测量模型遇到的问题

4.3 RBF网络

4.3.1 RBF网络的结构特点

4.3.2 RBF网络的学习和训练方法

4.3.3基于RBF网络建立柴油凝点的软测量模型

4.4结论

第五章模型的实施和校正

5.1不同建模方法的比较

5.1.1多元线性回归与部分最小二乘回归

5.1.2基于BP网络建模与RBF网络建模

5.2 DCS控制系统

5.2.1 Advant DCS系统的主要特点

5.2.2 Advant DCS系统主要结构

5.2.3先进500系列工作站

5.3软测量模型的实施和在线校正

5.3.1柴油凝点软测量模型的在线运行

5.3.2柴油凝点软测量模型的在线校正

5.4结论

第六章结束语

6.1论文工作总结

6.2软测量技术的研究趋势

参考文献

发表论文及参加科研情况说明

附录

致谢