基于云计算的过程控制远程实验系统

从过程控制远程实验教学规模化和高校联盟化需求出发,以云计算技术为基础,设计了针对物位、流量和温度等典型工艺参数的过程控制云实验平台。该远程实验平台根据学生类别提供远程控制实验和虚拟实验两种类型的集成实验服务,学生使用浏览器就可以开展从简单控制到复杂控制的多层次过程控制实验操作。克服了传统实验方式的时空局限性,更好地能满足学生的自主实验学习需求。

化工过程运行优化研究进展

首先介绍了化工过程运行优化的历史发展,阐述了工业过程运行优化的系统结构,对常规控制层、先进控制层、实时优化层、调度层和计划层分别作了说明,重点讨论了实时优化的研究热点;接着分析了实时优化和调度计划层的三类典型优化问题,即多目标优化、混合整数非线性规划以及动态优化;最后探讨了运行优化研究与应用在大规模化工过程建模和协同优化控制等方面所面临的挑战。

基于约束骨干粒子群算法的化工过程动态多目标优化

大多数化工过程是动态过程,需同时优化多个目标,从而带来复杂的约束多目标动态优化问题。因此提出了一种动态约束多目标骨干粒子群算法,即采用一种新型约束处理方法,结合Pareto支配和ε约束支配技术的双档集机制;针对约束优化问题寻优难度更大,更易陷入局部最优的特点,采用局部搜索和混合变异策略,并自适应调整搜索步长,提高算法的探索和开发能力;采用分段线性函数参数化方法,构建一种动态约束多目标粒优化算法,并将其用于解决间歇反应器的动态多目标优化问题。测试实验表明:与NSGA-II和自适应差分进化算法(SADE-εCD)比较,该算法具有更优秀的收敛性与分布性;应用到化工过程多目标动态优化问题实例进行比较表明,多目标骨干粒子群算法在约束多目标动态优化问题的求解中表现出更好的应用前景。

控制器硬件在环虚实结合远程过程控制实验系统

构建了一种硬件在环虚实结合远程过程控制实验系统,选用经典CSTR过程模型替代真实被控设备,利用Matlab程序实现被控过程模型的动态仿真与管理,选用S7-300可编程控制器实现对仿真模型的控制,最后基于组态软件开发了Web服务器及实验测控系统以支持通过因特网开展远程实验。该系统通过OPC技术实现了仿真模型、S7-300控制器与实验测控系统之间的实时数据交换,有效整合了控制器硬件在环技术与虚拟仿真的优点。系统测试表明,该系统支持用户通过浏览器远程实验操作,为远程实践教学提供了有效支撑。

石油和化工行业智能优化制造若干问题及挑战

石油和化工行业是国家的基础性产业,目前面临转型升级的重大需求.本文首先回顾了石油和化工行业在生产全流程的信息检测、建模、优化控制,企业经营管理决策以及故障监测和安全环保等几个方面的进展.剖析了当前石油和化工行业存在的主要问题,提出了利用现代信息技术从生产、管理以及营销全流程优化出发,推进实现石化行业智能优化制造的智能化、绿色化、安全化的愿景目标,讨论了石油和化工行业智能优化制造所面临的新挑战.

基于LSNPE算法的化工过程故障检测

复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法,提出了一种新的基于局部标准化邻域保持嵌入(local standardized neighborhood preserving embedding,LSNPE)算法的故障检测方法。首先,使用LSNPE算法提取高维数据的低维子流形,进行维数约减,同时保持邻域结构不变。其次,通过特征空间中样本的局部离群因子(local outlier factor,LOF)构造监控统计量并确定其控制限。相较于监控多模态化工过程的多模型策略,提出的LSNPE方法不需要过程先验知识的支持,只需建立一个全局的监控模型。最后,通过数值仿真及Tennessee Eastman(TE)过程仿真研究验证了本文提出方法的有效性。

时序约束NPE算法在化工过程故障检测中的应用

针对动态过程的故障检测问题,在邻域保持嵌入算法中改进邻域挑选,提出一种新的维度约简方法:时序约束邻域保持嵌入(time constrained neighborhood preserving embedding,TCNPE)算法。与邻域保持嵌入(neighborhood preserving embedding,NPE)算法只通过欧氏距离挑选邻域不同的是,TCNPE考虑到数据之间的时序相关性,在一定长度的时间窗之内采用k-近邻方法挑选邻域,并对时间窗内近邻与非近邻构造局部约束关系。首先,利用TCNPE提取数据特征,进行线性降维,然后构造T^2和SPE统计量并利用密度估计(kernel density estimation,KDE)确定其控制限。最后,通过数值例子和TE过程(Tennessee-Eastman process)仿真来说明本文方法的有效性。

基于马氏距离局部离群因子方法的复杂化工过程故障检测

为了满足实际的生产需要,复杂化工过程往往包含多个运行模态。同时过程的复杂性使得同一模态下的数据分布是一种高斯分布和非高斯分布混合存在的不确定情况。数据的多模态分布特性以及同一模态下数据分布的不确定性使得传统多元统计监控(MSPM)方法很难给出令人满意的结果。针对这一问题,本文提出一种新的马氏距离局部离群因子(MDLOF)方法进行故障检测。通过利用马氏距离挖掘变量局部结构中包含的有用信息,并对样本的邻域密度加以考虑,形成对数据分布具有鲁棒性的基于密度的监控指标。最后通过数值仿真例子及Tennessee Eastman过程验证其有效性。

基于云计算和虚拟现实技术的化工过程虚拟工厂

作为后超算时代计算服务的主流服务模式,云计算为制造业的资源整合利用创造了全新的服务平台。本文以已有的云计算理论为基础,针对化工过程的特点,提出了基于云计算的虚拟工厂技术体系,通过对关键技术的讨论,有效地将已有的资源虚拟化为服务,并通过虚拟现实技术建立三维云端模拟企业现场环境,增强了用户对现场操作的实际体验。基于云计算和虚拟现实技术建立的乙二醇虚拟工厂表明,系统具有扩展性和开放性,可以快速实现过程的仿真,为工厂的模拟操作提供有效的支持。

一种改进的知识进化算法及其在化工动态优化中的应用

智能优化算法在动态优化问题的求解中,一方面可以一定的概率收敛到全局最优,避免局部极值而得到了广泛应用;但另一方面,基于随机机制的仿生智能算法也面临收敛速度慢、寻优效率较低的瓶颈,限制了其工业实时应用的场合。为此,从提高智能优化算法在动态优化问题的求解效率出发,提出了一种改进的基于知识引导的进化算法结构,主要包括候选控制策略-时域与控制域的离散策略、知识库空间的进化、知识引导的种群进化。该算法分别在批式反应器等4个典型化工动态优化问题上进行了仿真验证,计算结果表明,该方法能够以较小的种群规模通过知识的引导,以较少的计算代价找到较好的全局解,有效提高了算法的收敛效率。

基于粗差判别的参数优化自适应加权最小二乘支持向量机在PX氧化过程参数估计中的应用

针对软测量建模过程中数据可能存在粗大误差以及粗差数据对模型的性能产生的影响,提出了一种基于粗差判别的自适应加权最小二乘支持向量机回归方法 (WLS-SVM)。该方法首先根据3δ法则检测出样本中的显著误差并加以剔除,然后根据样本误差的大小自适应地调整权值,使得非显著误差对模型性能的影响大大降低。另外,由于最小二乘支持向量机的正则化参数和核宽度参数对模型的拟合精度和泛化能力有较大的影响,一般依靠经验和试算的方法进行估计,耗时且不准确,本文将模型的参数作为进化算法的优化问题,应用自适应免疫算法(AIGA)对参数进行优化选择。仿真实验表明,该方法对非线性系统的建模具有很好的效果。同时,将该方法应用于工业PX氧化建模过程中动力学参数的估计中,结果表明,基于粗差判别的参数优化自适应最小二乘支持向量机预测精度高,取得了较好的效果。

污水处理过程的多目标优化

为了在保证污水处理厂出水质量达标、控制日常运营成本的同时尽量减少温室气体(GHG)的排放,将温室气体的排放纳入了污水处理的性能评价范畴,并与出水质量(EQI)、操作成本指数(OCI)等传统性能评价指标构成了污水处理过程的多目标优化问题。为研究此性能指标的多目标优化问题,构建了简化的污水处理仿真平台BSM2-e,此平台包括初沉池、活性污泥反应器、二次澄清池和浓缩单元。针对多目标优化问题的求解,采用多目标进化算法NSGA-II对该算法的精英选择策略做了改进,算法在拥挤距离选择的基础上增加了筛选步骤,以改善算法的分布性,将该算法应用于BSM2-e多目标优化问题,取得了较好的仿真结果。优化结果表明,GHG排放指标与EQI有冲突,提高出水质量可增加温室气体的排放,而GHG排放指标与OCI无冲突,在不增加操作成本的情况下可有效降低温室气体的排放。

基于LTSA的FS-SVDD方法及其在化工过程监控中的应用

基于支持向量数据描述(SVDD)方法的非高斯过程监控和故障诊断具有众多优点。然而在对SVDD离线建模时需要在整个训练样本集上操作,对大样本集计算量相当大,也不利于在线操作时模型的更新。对此提出一种基于特征样本的SVDD(FS-SVDD),采用特征样本提取方法用少数几个特征样本代替原始数据集进行训练,显著降低了建模复杂度。同时,针对传统的线性降维算法如主成分分析(PCA)存在的提取过程数据非线性结构能力不足的缺点,首先用局部切空间排列(LTSA)方法提取出低维子流形,进行有效的维数约减;接着在这个低维子流形上执行SVDD算法;最后,利用相应统计指标进行过程监控。在TE过程上的仿真表明上述方法的有效性。

基于局部线性嵌入算法的化工过程故障检测

随着工业过程日趋复杂,系统安全及产品质量的在线监控也变得日益重要。针对化工过程的非线性特点,提出了一种新的基于局部线性嵌入(locally linear embedding,LLE)流形学习算法和支持向量数据描述(sup-port vector data description,SVDD)的故障检测方法。首先,使用LLE提取高维数据的低维子流形,进行维数约减,以保存更多原有系统的非线性特性,通过局部线性回归得到高维数据空间到低维特征空间的映射矩阵,保证了算法的实时性;然后,为了避免数据噪声的累加对传统统计量的影响,引入SVDD直接根据特征空间建立SVDD模型,构造统计量并确定其控制限;最后,通过数字仿真及Tennessee Eastman(TE)过程仿真研究验证了本文方法的有效性。

基于多目标教学优化算法在二甲苯吸附分离过程优化中的应用

以C8芳烃混合物的吸附分离过程作为研究对象,应用多目标教学优化算法(multi-objective teachinglearning-based optimization algorithm,MOTLBO)对模拟移动床多目标优化问题进行求解。采用TMB方法,建立了模拟移动床模型,并对两个典型的模拟移动床多目标操作优化问题进行了优化设计。通过与NSGA-Ⅱ算法的比较,证明了多目标教学优化算法在求解模拟移动床多目标优化问题上的有效性和优势。此外,还分析了抽出液流量、抽余液流量以及步进时间等对多目标优化非劣解的影响,优化结果为模拟移动床分离过程的工艺设计和操作提供了依据。

基于Kriging代理模型的PX氧化过程优化

基于流程仿真模型的复杂化工过程优化,往往需要较长的优化时间,效率低下,因此提出了用拉丁超立方采样和Kriging建模法构造流程仿真模型的代理模型,建立基于Kriging代理模型的多目标优化策略。将该策略应用于PX氧化反应过程优化,结果表明:所建立的Kriging代理模型的3个目标的输出精度都控制在1%以内,建模精度高。采用改进的多目标粒子群算法对此Kriging代理模型进行优化,不但能收敛到全局最优解,而且与PX流程仿真模型优化相比,优化时间大大减少,提高了优化效率。因此,在满足精度要求的前提下,Kriging代理模型可以代替PX流程仿真模型来进行优化,并具有较高的优化效率。

基于HIL的远程控制实验系统设计

提出了一种基于控制器硬件在环仿真技术的远程控制实验系统解决方案,该方案以机械臂等模拟仿真设备替代真实被控设备,选用Micro850可编程控制器实现对模拟设备的本地控制。远程实验系统采用客户机/服务器模式,支持用户远程下载程序,在线或离线调试,还可以通过Internet进行人机界面操作以辅助实验的开展。实践表明,该系统有利于学生掌握控制器编程与调试等实践技能,降低实验系统造价和维护成本。

基于二次插值教学优化的化工动态参数估计方法

动态参数估计问题的有效求解对于化工过程精确建模具有重要意义。针对动态参数估计问题,通过将二次插值算子引入到教学优化(TLBO)算法来加强其局部搜索能力,提出了二次插值教学优化(TLBO-QI)算法。此外,将TLBO-QI用于3个化工过程动态参数估计问题的求解,并与TLBO、蜂群优化以及粒子群优化进行了对比,计算结果表明了TLBO-QI可以获取精度更好的解。

PX氧化反应过程多变量预测控制

精对苯二甲酸(purified terephthalic acid,PTA)是我国最重要的化工原料之一。对二甲苯(p-xylene,PX)氧化反应器是PTA装置的核心运行设备,PX氧化反应是高温高压下的固液相催化反应,其关系到整个装置的产量和消耗。目前,PX氧化反应过程的常规控制虽然可以满足工业装置的生产,但关键产品指标粗对苯二甲酸中对羧基苯甲醛(4-carboxybenzaldehyde,4-CBA)含量和尾气氧浓度波动范围较大,不利于工业装置的进一步优化操作。本文利用FRONT-Suite先进控制软件进行了工业PTA装置PX氧化反应过程的多变量预测控制,稳定优化了关键控制指标反应器尾氧浓度和第一结晶器尾氧浓度以及质量指标4-CBA含量的控制,取得了显著的控制效果。

基于AEA算法的自适应惩罚函数求解约束优化及其在丁烯烷化过程的应用

提出了一种基于AEA算法处理约束问题的自适应惩罚函数法。该算法通过统计迭代种群中个体对每个约束条件违反的次数,判定各约束的强弱地位,动态自适应地调整各个约束的惩罚系数,对于强约束给予较大的惩罚系数。同时对目标函数做出了相适应区分修改,使得可行解和不可行解的目标函数值出现一定的区分,目标函数项和惩罚项趋于平衡,避免了惩罚力度过大或过小,有利于算法前期快速进入可行解区域,后期寻找最满意解。通过标准测试函数试验结果与DE+AMP、SSaDE算法进行比较,表明了提出的方法具有良好的适用性以及全局优化性能,将该方法应用于丁烯烷化过程的约束优化,取得了令人满意的结果。