克拉玛依石化厂第Ⅰ套常减压装置的操作优化

摘要

该文是针以克拉玛依石化厂第Ⅰ套常减压装置操作优化项目进行的.主要探讨了两个方面的问题:采用神经网络建立各个侧线粘度和闪点的软测量仪表以及采用NLJ方法实现常减压塔的操作优化.在了解了工艺流程、工艺机理和原油蒸馏的原理的基础之上,分析了影响粘度和闪点的各种因素.从而建立了常三线、减一线、减二线、减三线和减四线粘度和闪点的软测量仪表.该文采用了两种方法:RBF神经网络和多神经网络.软测量仪表是通过根据某种最优准则,选择一组既与主导变量有密切关系又容易测量的辅助变量,通过构造某种数学关系,用计算机软件实现对主导变量的估计.软测量仪表内容包括:辅助变量类型的选择;辅助变量数目的选择;检测点位置的选择;过程数据的处理;软测量模型方法的确定.从训练曲线和检验曲线上看,软测量仪表达到一定的精度,满足工程要求.

目录

文摘

英文文摘

第一章概述

1.1论文选题的目的和意义

1.2相关文献综述

1.2.1人工神经网络与自动控制

1.2.2建立数学模型的方法

1.2.3软测量技术及其应用

1.2.4原油蒸馏过程优化技术

1.3论文的工作

第二章常减压塔装置概况和工业流程

2.1常减压装置过程工艺简介

2.2工艺流程说明

2.2.1原油系统换热

2.2.2常压塔

2.2.3减压塔

2.3常减压塔产品质量的调节方法

2.3.1常压塔

2.3.2减压塔

2.4影响粘度和闪点的因素分析

2.4.1油品的粘度

2.4.2油品的闪点

2.5原油蒸馏的原理

2.5.1原油蒸馏的意义

2.5.2原油蒸馏的工艺流程

第二章RBF神经网络建立软测量仪表

3.1软测量技术

3.1.1软测量技术的产生

3.1.2软测量仪表的描述

3.1.3建立软测量仪表的方法

3.1.4影响软测量仪表性能的因素

3.2 RBF神经网络

3.2.1 RBF神经网络的结构

3.2.2 RBF神经网络的学习方法

3.2.3 RBF神经网络的算法

3.3常减压塔粘度和闪点软测量仪表的建立

小结

第四章基于多神经网络的软测量仪表

4.1基于多神经网络的非线性模型方法

4.1.1问题的提出

4.1.2多神经网络模型

4.2基于多神经网络的非线性系统建模的方法

4.2.1多神经网络的构造

4.2.2多神经网络的训练算法

4.2.3多神经网络模型的综合方法

4.3多神经网络建立粘度和闪点软测量仪表

4.3.1 C语言实现的多神经网络算法

4.3.2基于多神经网络的粘度和闪点软测量仪表的建立

第五章常减压塔的操作优化

5.1实现常减压塔操作优化的意义

5.2过程优化相关问题

5.2.1过程优化的描述

5.2.2优化算法的种类

5.3 NLJ优化算法

5.3.1NLJ优化算法概述

5.3.2 NLJ优化计算方法

5.3.3用NLJ法实现操作优化

结论与体会

致谢

参考文献

攻读学位期间发表的学术论文目录