基于竞赛驱动的项目式教学模式探索与实践

工程实践能力与创新能力的培养是高等工程教育质量的关键。针对学生竞赛需求,结合项目式教学理念,将传授知识为主的传统教学转化为以完成项目、竞赛体验、解决问题为主的多维互动式教学。首先,以《化工自动化及仪表》课程为教学载体,根据课程教学现状和化工设计竞赛的特点,做好课程综合化和教学内容优化;同时,基于项目式教学理念,构建知识传授与项目同步的教学时空模型,将化工设计竞赛的要素融入到项目式教学过程中。最终使学生能够积极、主动的参与到课程教学中,完成以学生为主体的教学方式方法改革,从而提升学生工程实践能力和创新能力。

聚合反应过程的先进控制及优化

针对聚合过程的强耦合性、不确定性、强非线性和高粘性等特点,介绍了各种先进控制技术在聚合反应过程中的应用,如预测控制、多变量统计过程控制、自适应控制和人工智能控制等。指出计算机集成过程系统(CIPS)将是以后聚合反应过程控制的主要发展方向。

CSTR工艺与控制系统的集成优化设计方法

与传统的序贯设计方法相比,过程工艺与控制系统的集成优化设计可较大地提高过程的可操作性和经济性能,但基于常规动态优化的集成设计问题求解困难。采用最优控制和分层优化策略的思想,将线性二次调节器(LQR)嵌入到过程工艺与控制系统集成设计框架中,以降低集成优化设计问题的求解难度。将该方法应用于连续搅拌釜式反应器(CSTR)的设计中,通过与传统的序贯设计方法相比较,表明了该方法的有效性。

先进控制技术在延迟焦化装置的应用

以某厂延迟焦化装置为工业应用背景,在焦化反应机理模型的基础上,对控制目标、主要变量选择、约束条件、控制器结构等方面进行详细的分析,设计了延迟焦化装置的先进过程控制系统。工业实际应用表明:先进控制系统投运后,整个生产过程的平稳性和控制精度得到了明显的改善。

基于鲁棒模型优化的工艺设计与控制系统集成

采用一种基于鲁棒模型优化方法求解工艺设计与控制集成问题,其核心思想是采用参数不确定状态空间模型描述闭环系统的非线性行为,基于该模型以及二次李雅普诺夫函数可估计系统在外部扰动作用下过程变量变化的最大边界,同时也可测试系统的鲁棒稳定性。该方法避免了求解集成优化问题常用的动态优化方法,可将其转化成一个非线性规划问题。该方法应用于CSTR反应过程的集成优化设计中,结果表明在存在外部扰动时,不仅可以保证过程的经济性能和动态性能,也可保证系统的鲁棒稳定性。

化工过程建模中的数据挖掘技术

对数据挖掘技术在化工过程建模中的应用现状进行了综述 ,介绍了一些主要的数据挖掘技术 ,其中包括神经网络、遗传算法、主元分析和偏最小二乘法等 ;

基于改进多尺度主元分析的丙烯聚合过程监测与故障诊断

针对工业过程故障检测问题,提出了一种改进多尺度主元分析方法。首先针对过程数据所具有的随机性、非平稳性及含有大量噪声等特点,提出了一种改进小波变换阈值去噪方法,移除原始过程数据中的大部分高频随机噪声,提高数据的置信度,然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数,在各个尺度矩阵建立相应的主元分析模型,以模型统计量控制限为阈值,对小波系数重构得到综合尺度主元分析模型。将该改进多尺度主元分析方法应用于丙烯聚合过程监测与故障诊断研究中,研究结果表明,与传统多尺度主元分析相比,改进多尺度主元分析减少了误报率和漏报率,提高了过程监测与故障诊断的精度。

过程工业软测量中的多模型融合建模方法

对多模型融合建模方法在过程工业软测量中的研究进展进行了系统总结。根据整体模型中子模型的不同,多模型融合建模方法主要可分成数据驱动融合建模方法和半参数建模方法。详细介绍了数据驱动融合建模方法和半参数建模方法的设计思想和国内外研究现状,分析了各类方法的优缺点,并提出了相应的改进方向。根据过程数据处理方法的不同,将数据驱动融合建模方法分为集成学习和聚类分析。根据模型结构形式的不同,将半参数建模方法分为串联结构和并联结构。最后对多模型融合建模方法的未来研究方向进行了展望,期望今后的研究工作能在改进数据驱动模型融合技术、提高半参数模型外推能力和解决双率数据问题等方面取得突破性进展,并指出采用多模型融合建模方法建立基于多源信息融合的软测量模型是实现过程工业中难测变量在线估计的有效方法。

基于粗糙集-动态模糊神经网络的聚氯乙烯颗粒特性软测量

提出了一种基于粗糙集-动态模糊神经网络的软测量建模方法,并将其应用于聚氯乙烯平均粒径软测量研究中。首先,用粗糙集隶属函数对各个辅助变量进行分析比较,得到最简的辅助变量个数,然后采用等间距离散法对各个辅助变量和主导变量进行离散化,分析得到离散表和最简模糊规则数,并采用模拟退火法对动态模糊神经网络输出层的权值参数进行优化训练。研究结果表明,与常规动态模糊神经网络相比,基于粗糙集-动态模糊神经网络的聚氯乙烯平均粒径软测量模型具有更佳的预测效果。

基于混合建模技术的聚氯乙烯粒径分布预测

针对聚氯乙烯粒径分布在线软测量问题,提出了一种基于机理分析和神经网络的混合建模方法,并将该建模方法应用于聚氯乙烯粒径分布建模研究中。混合模型由机理模型和误差补偿模型所组成。通过机理分析建立氯乙烯悬浮聚合过程的单体液滴群体平衡(Population Balance Equation,简称PBE)模型,由于聚氯乙烯成粒过程的复杂性和强非线性,单纯的机理模型预测与实际分析值相比仍存在一定偏差,因此利用人工神经网络建模方法建立了基于BP神经网络的单体液滴群体平衡模型修正模型,对单体液滴群体平衡模型的输出进行修正,由此建立起聚氯乙烯粒径分布混合模型。由于混合模型既能按照液滴分散与聚并机理对聚氯乙烯颗粒的成长过程进行描述,同时又充分利用了生产现场数据对模型误差进行修正,应用到聚氯乙烯生产过程的测试结果表明,与单纯机理模型相比,聚氯乙烯粒径分布混合模型具有更佳的预测效果。

基于工业化生产的纳米CaCO_3原位聚合PVC颗粒特性控制技术

通过微乳化分散技术使纳米CaCO3 实现了良好分散 ,用于氯乙烯原位悬浮聚合 ,制得性能优异的纳米CaCO3 原位聚合PVC树脂。考察了纳米CaCO3 含量对氯乙烯原位聚合成粒过程的影响 ,建立了纳米CaCO3 含量、反应器搅拌强度以及聚合配方中分散剂含量与PVC颗粒平均粒径的数学关联式。以上研究结果已应用于 6万t/a工业装置 ,文中还列举了 30m3 以上大釜的纳米CaCO3 原位聚合PVC生产实例数据。

纳米PVC树脂结构性能与流变学特征

发明了纳米CaCO3与氯乙烯在工业装置上的原位聚合方法。国内现已有27台30m3以上聚合釜在生产以化学建材为主要市场的纳米PVC树脂。介绍了纳米PVC树脂的颗粒结构特征,并对其热性能、力学和流变性能进行了研究。

OPC技术在氯乙烯聚合过程软测量中的应用

针对软测量技术的应用问题,设计了基于OPC通信技术的解决方案。服务器站与操作站独立运行,服务器站计算机与控制系统连接,进行现场数据采集与软测量模型计算,计算出目标变量,并将结果反馈给控制系统,再由OPC服务器发送。操作站计算机通过工业以太网与服务器站计算机连接,利用OPC客户端与OPC服务器进行数据交换,实现对目标变量的监控。将该方案应用于氯乙烯聚合过程聚合速率与单体转化率的在线检测中,运行结果表明该方案稳定可靠。

高纯乙腈连续精馏过程建模与分析

针对高纯乙腈连续精馏过程多塔串级及操作条件优化困难等特点,在深入分析乙腈连续精馏工艺流程及机理基础上,通过物料衡算、能量衡算、环境影响衡算和水力学分析等原理,结合必要的合理假设,建立乙腈连续精馏多塔的动态数学模型,对脱醇塔、减压塔和加压塔分别进行动态模拟和分析,考察塔内压力、加热蒸汽量等对分离过程的影响,并进一步寻找这些因素对出料乙腈的动态变化数据,为实施系统的集成优化与控制提供了良好基础.

一种控制阀粘滞特性快速检测方法研究

控制阀粘滞特性是导致工业过程中控制回路振荡的主要原因之一。首先对控制阀粘滞特性进行了详细的定义和描述,在此基础上提出了一种可快速在线实现,并且适用范围较广的控制阀粘滞特性检测方法,克服了目前许多方法只适用于特定方法的局限性。通过仿真研究以及对工业数据的分析,表明了该方法的有效性。

基于SVM增量学习的氯甲烷含水量预测控制

由于氯甲烷回收过程具有工艺过程复杂、非线性、时变性等特点,导致氯甲烷含水量难以预测。提出了ISVM软测量建模方法,鉴于新增训练样本中如果存在违反KKT条件的样本,则这些样本中肯定存在新的支持向量,必然会使支持向量集发生变化,原分类支持向量集中的非支持向量也有可能转化为支持向量,进一步提出了改进ISVM氯甲烷含水量预测模型。研究结果表明:通过与普通ISVM预测模型比较,采用改进ISVM预测模型的预测结果具有更佳的预测精度,为氯甲烷含水量的控制提供了更精确的条件。

炼厂火炬气深度脱硫及硫化氢副产甲硫醇技术

为了减少炼厂火炬气H2S废气排放,并将脱除的H2S资源化利用使该工艺经济上可行,针对石化企业年处理1.5×10^8 Nm^3的火炬气(含硫废气),开发设计了一套甲基二乙醇胺(MDEA)法深度脱硫以及资源化利用H2S生产3600 t甲硫醇的工艺。该技术采用了磁驱动超重力耦合填充床、半解吸-解吸提浓技术实现了高效脱硫与H2S富集;通过甲硫醚制甲硫醇工艺、脱H2S重接触工艺和变压精馏工艺保证主、副产品的高回收率和质量指标;采用热泵解吸、甲醇-水双效精馏技术以及优化的换热网络,有效降低了系统能耗。模拟结果表明,本系统深度脱硫处理后的排放尾气中SO2含量为21.9 mg/m^3,产品综合能耗为3870.2 kgce/t(千克标准煤/吨),万元产值综合能耗为2369.4 kgce,优于《“十三五”化工示范项目和资源利用目标》的规定。

Iterative Learning Model Predictive Control for a Class of Continuous/Batch Processes

一个反复的学习模型预兆的控制(ILMPC ) 技术被用于 continuous/batch 过程的一个班。如此的过程被产生周期的强壮的骚乱到连续过程的批过程的操作描绘，传统的规章的控制器是不能的消除这些周期的骚乱。ILMPC 集成处理重复信号和灵活性的反复的学习控制(ILC ) 的特征为预兆的控制(MPC ) 建模。由联机监视，批的操作地位处理，事件驱动为批的反复的学习算法重复骚乱被开始，软限制被调整象可行区域及时离开需要的操作地区。一个工业应用程序的结果证明建议 ILMPC 方法为 continuous/batch 进程的一个类是有效的。

先进控制软件在氨纶生产过程中的应用

引言 模型预测控制（MPC）是目前得到广泛应用的先进控制策略。预测控制具有预测模型、滚动优化、反馈校正等特点．适应复杂工业过程控制的要求。预测函数控制（PFC）是第三代模型预测控制算法．由于具有在线计算量少、对模型精度要求不高、有较强的稳定性和鲁棒性等特点．在工业过程中得到了广泛的应用。

先进控制技术在芳烃抽提装置中的应用

一、引言 模型预测控制（MPC）是目前得到广泛应用的先进控制策略之一，它遵循预测模型、滚动优化、反馈校正等三大原理,适应复杂工业过程控制的要求。由于具有对模型精度要求不高、较强的稳定性和鲁棒性等特点，在工业过程中得到了广泛的应用。