连续聚合过程中产品牌号过渡的优化

以流化床乙烯气相聚合工艺为例建立了产品牌号切换模型 ,通过同时优化聚合温度、氢气和共聚单体的浓度、催化剂流率和料位高度等 5个操作变量的变化轨迹 ,使产品牌号的切换时间最短 ,过渡料数量最少 .研究表明 ,聚合温度、氢气和共聚单体的浓度对树脂性能指标的控制起主要作用 .为了减少过渡料的数量 ,一般均需降低催化剂流率和料位高度 .通过在目标函数中增加熔流比控制项可以抑制操作变量的剧烈调节 ,达到控制分子量分布的目的 .同时发现 ,产品牌号的正向和反向切换所得到的操作变量的最优轨迹很不相同 。

乙烯淤浆聚合牌号过渡过程的模拟

采用PC-SAFT状态方程计算乙烯聚合反应体系的物性;运用反应机理分析进行聚合过程建模;利用工业装置采集的数据,从宏观转化率、分子量及分布2个方面对所建模型进行了验证,确定了催化剂活性位为5个;构建了乙烯淤浆聚合工业流程的多活性位动力学动态模型,模拟计算得到的聚合物分子量与工业装置的分析数据十分符合,为牌号切换过程优化提供了基础。

基于ANN和PCA的多牌号产品生产过程故障检测及诊断

多牌号产品生产过程经常涉及到牌号切换,而切换后新牌号生产过程的变量关系可能随之发生变化,故采用单一的故障检测和诊断方法,无法对多牌号产品连续生产过程出现的异常做出有效的判断。这就需要及时准确地识别出新牌号,并对每个牌号有相应的故障检测和诊断模型。为此,本文引入人工神经网络(ANN),将其用于牌号识别,提出了牌号识别和主成分分析(PCA)相结合的方法,即利用历史数据建立各个牌号的BP神经网络(BPNN)模型和PCA模型,在线数据经过BPNN识别确认牌号类型后,调用对应牌号的PCA模型进行故障检测和诊断。结果表明,BPNN不仅可以准确识别牌号,识别率较规格界限法更高,而且可以对牌号过渡过程进行判断。另外,与不进行牌号识别仅采用单一牌号正常样本或者所有牌号正常样本混合建立的PCA模型相比较,采用牌号识别后进行故障检测时的精度更高,证明了该方法的有效性。