融合深度学习与过程机理的FCC装置关键参数软测量模型

产品产率作为催化裂化(FCC)装置的关键参数,构造其软测量模型对提升装置效益具有重要的现实意义,而原料与催化剂性质的缺失往往使得产率软测量模型性能迅速恶化。为此,以基于半监督学习的深度置信网络-极限学习机(DBN-ELM)算法为基础,将工艺过程机理模型与数据驱动模型集成,提出了可用于预测商业催化裂化装置产品产率的软测量混合建模方法。此外,还提出基于流程模拟的灵敏度分析-相关系数矩阵(SA-CCM)策略用于软测量模型主要输入变量的选择。结果表明,混合模型相比于数据驱动模型具有更优的模型性能,即预测精度提升43.9%、数据相关性(皮尔森系数)提升29.3%。这说明所提出的产率软测量混合建模方法使得模型的预测性能提高,能较好地适应原料与催化剂性质的变化。

用于甲苯歧化与C_9芳烃烷基转移过程先进控制的反应动力学模型

针对某实际工业装置,建立了甲苯歧化和C9芳烃烷基转移反应简化机理模型,用于反应过程的监控、优化及大型轴向流反应器内各物料组成分布的预测;采用四-五阶Runge-Kutta法对模型方程进行了数值求解,并基于多套稳态平衡数据,采用Broyden-Fletcher-Goldfarb-Shanno(BFGS)优化算法对动力学模型参数进行了估计;针对不同的进料组成和操作条件,对工业装置进行模拟仿真。结果表明,模型估计值与工业标定值相当吻合,达到了工业应用的模拟精度要求。所建立的模型形式简单、参数估计方便,适用于工业装置的离线仿真和在线软测量。

基于粒子群模糊神经网络的丙烯腈收率软测量建模

对粒子群优化算法与模糊神经网络的结合进行研究,提出粒子群模糊神经网络,并将其应用丙烯腈收率软测量建模。该方法采用模糊神经网络来构建丙烯腈收率软测量模型,用粒子群优化算法优化模糊神经网络的参数;并结合实际工艺,对所建软测量模型进行仿真研究。实验结果表明,该模型的性能优于粒子群神经网络模型,能够准确预测丙烯腈收率,具有较高的精度和良好的应用前景。

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明:模型精度较高,泛化性能好,满足现场测量要求。

基于差分进化粒子群混合优化算法的软测量建模

针对乙烯生产过程中,用传统方法难以直接完成对乙烯收率的在线测量的问题,提出了一种新型差分进化粒子群混合优化算法,建立了乙烯收率软测量建模。改进算法将优化过程分成两阶段,两分群分别采用粒子群算法和差分进化算法同时进行。迭代过程中引入进化速度因子进行算法局部收敛性判断,通过两个群体间的信息交流阻止算法陷入局部最优。对高维复杂函数寻优测试表明,算法的整体优化性能均强于基本粒子群算法和差分进化算法。应用结果表明,基于改进算法的软测量模型具有测量精度较高、泛化性能较好等优点。

催化重整装置产品质量软测量技术应用

采用机理方法、线性拟合方法和一阶TSK模糊神经网络算法分别对催化重整装置的主要产品质量指标——芳烃收率建立软测量模型,并在国内某大型工业级催化重整装置上进行在线应用。研究结果表明:进料负荷变化不大时3,种模型的在线预测趋势均能较好地跟踪芳烃收率的实际变化;当进料负荷变化较大时,3种模型的预测偏差分别为0.24wt%、0.67wt%和0.95wt%,且只有机理模型能如实地反映芳烃收率的变化。这说明机理模型具有预测精度高及外推性能好等优势,而且机理模型对样本数目要求最少,其预测精度基本不受样本数的影响。

甲苯歧化与C_9芳烃烷基转移过程软测量模型的应用

在已建立的芳烃转化过程机理模型及其离线模拟研究的基础上,针对国内工业甲苯歧化与C9芳烃烷基转移装置,进一步研究了过程软测量模型的在线应用。合理地简化了过程模型,采用基于偏差的模型参数提出模型参数在线更新策略解决软测量模型的老化问题。该策略通过计算重要组分浓度偏差,与设定值进行比较,若大于设定值则重新选取新的数据进行预测。然后将软测量模型应用于工业装置,在线预测关键组分的浓度分布。结果表明在操作条件较大的变化范围内,在线预测趋势和预测精度均令人满意。

芳烃歧化装置先进控制系统的设计

介绍了芳烃歧化装置应用软测量和先进控制技术的情况。从机理出发,建立了芳烃歧化反应过程宏观反应热软测量模型和反应-分馏系统状态空间模型,应用预测控制策略,建立了先进控制系统,使装置运行平稳性得到了改善。

提高乙烯装置丙烯收率的有效措施

丙烯收率是乙烯装置的一项主要经济技术指标 ,1 998年齐鲁乙烯装置改造后 ,造成碳三分离系统的丙烯损失较大。为了提高丙烯收率 ,与华东理工大学合作 ,分别开发了丙烯精馏塔塔顶、塔釜丙烯浓度神经网络软测量技术。对原控制方案进行了改进 ,并优化了工艺条件。该优化系统的投运 ,大大提高了丙烯收率 。

基于AFSA-MVRVM的MTO反应过程双烯收率软测量

针对采用关联向量机进行软测量建模所存在的多输出建模问题,提出了一种鱼群优化算法(AFSA)—多输出关联向量机(MVRVM)软测量建模方法。通过加权组合全局性Poly核函数和局部性Gauss核函数,形成混合核函数多输出关联向量机模型,有效融合多特征数据信息;然后采用鱼群优化算法对多输出关联向量机模型的相关核参数进行优化,以进一步改善模型的输出精度和稳定性。将该建模方法应用于甲醇制烯烃生产过程(MTO)反应器出口乙烯和丙烯(简称双烯)收率软测量研究中,结果表明:采用该建模方法所建立的软测量模型能有效预测双烯收率变化,具有较高的预测精度和稳定性,这可为复杂化工过程多参数监测与控制提供有力的技术方法支持。

芳烃抽提过程收率软测量技术应用

为了预测芳烃抽提过程收率对生产计划的制定准确性的目的。采用遗传算法和粒子群算法优化BP神经网络方法,并运用改进的遗传算法和粒子群算法进行网络训练,分别建立了芳烃抽提过程的芳烃收率建立软测量模型,并结合实际生产工艺,选取16个过程变量。并对收率分类建立相应软测量模型进行仿真研究。获得该两种模型的性能优于单纯的BP神经网络模型,且都能够较准确预测芳烃收率和较高精度的结果。为实际生产计划的制定提供参考的依据并具有良好的应用前景。

芳烃抽提过程收率软测量技术应用

为了预测芳烃抽提过程收率对生产计划的制定准确性的目的。采用遗传算法和粒子群算法优化BP神经网络方法，并运用改进的遗传算法和粒子群算法进行网络训练，分别建立了芳烃抽提过程的芳烃收率建立软测量模型，并结合实际生产工艺，选取16个过程变量，并对收率分类建立相应软测量模型进行仿真研究。获得该两种模型的性能优于单纯的BP神经网络模型，且都能够较准确预测芳烃收率和较高精度的结果。为实际生产计划的制定提供参考的依据并具有良好的应用前景。

基于自适应加权最小二乘支持向量机的芳烃产量软测量建模（英文）

芳烃收率是催化重整生产过程中的重要质量指标。针对其软测量建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLSSVM)回归建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布加权规则,为每个建模样本分配不同的权值,以降低测量误差对建模精度的影响;同时提出一种全局优化算法—混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立催化重整生产过程芳烃收率的软测量模型,获得了较好的效果。