重油分馏塔基于混沌神经网络的Laguerre函数模型自适应预测控制

基于Laguerre函数模型的自适应预测控制方法中的性能指标 ,在有约束的情况下往往难以达到全局极优 ,而混沌神经网络 (CNN)可以有效地避免优化过程陷入局部极小 .文章简介了Laguerre预测控制策略的基本方法和CNN的特点 ,着重提出了一种利用CNN对控制性能指标进行寻优的新颖策略 .在重油分馏塔Shell模型上的仿真实验结果表明 ,这种混合智能控制策略比原有控制策略在控制品质上有显著提高 .

浅谈重油催化分馏塔顶后冷器的腐蚀与防护

针对炼油厂重油催化分馏塔顶后冷器管束的腐蚀情况进行分析,对腐蚀的原因进行了探讨,选择切实可行的防腐方式,对分馏塔顶后冷器的管束进行防护处理,保证重油催化设备处于安全的工作状态。

基于加权偏离度统计方法的预测控制性能评估算法

针对带区域约束条件的预测控制系统性能评估问题,在考虑过程输出变量约束类型的基础上,提出了基于加权偏离度统计方法的控制性能评估算法。该方法依据控制要求的不同,将输出变量分为质量变量和约束变量,并结合工程经验合理选择变量的权重。基于系统闭环运行数据和约束设置,通过计算变量的加权偏离度得到控制系统的性能评估指标,从而为预测控制器的参数调整和性能提升提供了决策依据。系统仿真实例和工程应用证明了该评估算法对区域预测控制系统性能评估的有效性。

一种改进的多变量动态矩阵控制算法及应用

为克服重油催化裂化分馏塔控制中存在的满足镇定设计的同时,难以优化系统性能的不足。以PID和DMC(Dynamic Matrix Control)为基础,提出一种新型多变量PIDDMC算法。该算法兼具PID结构简单、参数方便调节,和DMC滚动优化、鲁棒性强的特点。利用Lyapunov稳定性理论证明了该算法可保证系统闭环稳定。以Shell公司重油催化裂化分馏塔为控制对象,仿真验证了该算法克服了PID超调量大,过程输出耦合严重,及DMC绝对误差积分值大的缺点。在模型匹配及模型失配情况下,都具有静态误差小、超调小、调节时间短和鲁棒性强等优点,对多变量过程具有良好的控制效果。

多变量ARX-Laguerre函数PID预测控制算法及其应用

针对重油催化裂化分馏塔控制系统满足稳定设计却难以优化系统性能的问题,提出了一种基于多变量ARX-Laguerre函数模型的PID预测控制(multivariable ARX-Laguerre function model predictive control combined with proportion integration differentiation,MALMPCPID)算法。以增量式的多变量ARX-Laguerre函数为预测模型,通过带有遗忘因子的最小二乘递归方法在线辨识Laguerre系数矩阵,并将滚动优化的性能指标改写成PID参数形式,以提高系统的动态性能。将所提的MALMPCPID算法应用于Shell公司重油催化裂化分馏塔进行仿真实验并与现有算法进行对比。结果表明,所提算法对多变量强耦合过程具有良好的控制效果,而且快速性和解耦能力得到了大大提高。