基于多群竞争PSO-RBFNN的乙烯裂解深度智能优化控制

提出一种基于K均值聚类的多群竞争粒子群优化算法(MSCPSO),该算法避免陷入局部最优,提高了算法的全局搜索能力。同时利用MSCPSO训练RBF神经网络并建立裂解产物的在线预测模型,研究一种集成MSCPSO-RBFNN过程建模的裂解深度智能优化控制方法。该方法以实现乙烯和丙烯收率之和最大化为目标函数,把满足优化目标的裂解深度作为深度控制器的输入,并与裂解炉出口温度先进控制系统集成,实现裂解深度的平稳控制。实际应用效果表明,提高了乙烯和丙烯的收率,裂解深度控制更加稳定,该方法具有良好的适应性、稳定性。