松散度是跳汰分选过程的重要影响因素,针对其难以用仪器在线检测的问题,提出采用最小二乘支持向量机(LS-SVM)的软测量建模方法。在充分考虑分选过程高度非线性及强耦合性的基础上,为避免单模型建模回归精度差和泛化能力弱的问题,提出采用基于仿射传播(AP)聚类的LS-SVM多模型建模算法进行床层松散度软测量建模。首先采用AP算法对样本数据进行聚类划分,再用LS-SVM的方法对子类样本分别建立子模型,最后通过子模型切换策略得到系统输出。仿真实验表明,基于AP聚类算法的LS-SVM软测量建模算法能够更好地预测跳汰机床层松散度。

针对以醋酸正丙酯为共沸剂的醋酸脱水过程,考虑醋酸溶剂中未反应的前体对二甲苯以及反应的副产物醋酸甲酯的影响及回收利用,分别选用HOC和UNIQUAC模型来修正体系中五元混合物系的汽液非理想性,通过拟合醋酸甲酯-对二甲苯和醋酸正丙酯-对二甲苯两体系的二元汽液平衡实验数据获得了该两组体系UNIQUAC模型的二元交互作用参数,借助模拟软件Aspen Plus,结合软件内置其他二元体系参数,对工业醋酸脱水塔系包括溶剂脱水塔、PX回收塔、共沸剂回收塔在内的三塔体系进行系统的分析模拟,得到了与工艺数据误差小于±6%的能正确描述工业醋酸脱水塔系操作特性的工艺机理稳态模型,为工业醋酸脱水过程工艺的进一步研究提供理论基础和依据。

提出了一种烧结过程焦粉最低配比计算方法。首先针对不同烧结终点位置、料层厚度的料层等温线数据建立烧结料层侧面温度场BP神经网络(back propagation neural network,BPNN)模型;然后采用最小二乘支持向量机(least squares support vector machine,LS-SVM)算法建立烧结终点位置、料层厚度等烧结过程状态变量与料层蓄热所需能量之间的关系模型;通过对烧结过程中主要物理、化学反应的分析,计算得到了水分蒸发与碳酸盐分解过程需要热量;最后通过对碳转换形式进行分析,计算得到烧结配料过程焦粉最低配比。仿真实验和工业实际数值算例表明,提出的焦粉最低配比计算方法能有效地反映实际生产所需的最低焦粉配比,从而为烧结过程节能减排提供重要的数值依据。

针对化工生产过程中软测量模型估计精度的问题,提出一种基于改进聚类和加权bagging的多模型建模方法。该方法在传统FCM聚类的基础上,利用K-近邻处理进一步降低错分率,改善聚类效果;通过相关性分析对训练样本集进行特征分组,将原始集划分为多个特征集;最后根据加权bagging的集成学习算法,融合支持向量机自适应地实现多模型建模。仿真结果表明,该建模方法可以合理地加权分配特征子模型,使得模型估计精度得到提高,具有更强的泛化能力。

以乙烯淤浆聚合流程为研究对象,建立了包含动力学和热力学的动态机理模型,采用有限元正交配置法对控制变量和状态变量同步离散化,实现了全联立动态模拟。热力学物性计算采用Kriging函数估计,可适用于多个工况,最大误差不超过2%。利用Aspen Plus 5个牌号工况的数据,进行了模型稳态验证,并实现了牌号切换动态模拟,计算了平均分子量等质量指标,与Aspen Dynamic曲线吻合较好,为牌号切换的优化奠定了基础。

多级汽液平衡过程的严格模型变量维数高,用于构建优化命题时不易收敛且计算速度较慢。采用集合算法中基于吸收因子和理论塔板数计算全塔段组分回收率的组分分配特征方程代替逐板相平衡,加入物料衡算等基本方程与若干简化关系匹配模型自由度,建立可用于联立计算的逐段降维GM模型。同时根据高纯度精馏塔吸收因子沿塔分布的强非线性特征,提出分段线性拟合求解组分回收率的线性GM模型。以空分装置的粗氩塔为例进行高纯度精馏塔的严格模型、降维GM模型和线性GM模型的对比计算。结果表明,降维GM模型的计算变量由逐板模型的2377个减少到34个,同样平台下收敛时间由6136 s缩短至1 s左右,而关键组分纯度模拟与严格机理模型一致。

对甲醇精馏塔塔釜进行热焓控制方案设计并通过Aspen软件仿真验证。首先介绍了甲醇三塔精馏工艺背景,根据实际项目的工艺条件,精馏塔底部采用双换热器作为再沸器的特点,进行热焓控制方案的设计,然后,利用Aspen软件仿真,以出料杂质乙二醚的含量为参考标准,通过与甲醇精馏塔塔釜常规温度控制的对比验证了本控制方案中热焓控制的优势,在面对实际工况下常规的流量和组分变化扰动时,产品质量能达到工业生产的要求,具有一定的实际意义。

为了解决高浓度混合染料间歇染色过程织物色泽的在线测量问题,即非线性色泽软测量,提出了基于粒子滤波的软测量方法,该方法通过测定间歇染机内染液的吸光度,采用粒子滤波算法来估计该染液中各染料浓度,再根据染料浓度与织物色泽的软测量模型计算出染机内织物色泽。以3种活性染料拼染纯棉为例,对该方法的可行性进行验证。实例证明,基于粒子滤波的软测量方法的色泽估计值与人工离线实测值之间的色差值在1.0 CIELAB之内,模型的估计值能够满足工艺要求。因此,该方法是有效可行的。

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。

为了提高化工过程报警系统的性能,需要对过程参数的报警阈值进行优化设置。针对传统阈值方法存在的问题,采用核密度估计方法、基于历史数据对过程报警状态进行估计,从最小化误报警和漏报警概率的角度建立了优化过程报警阈值的目标函数,并采用数值优化的方法进行求解。应用于TE过程的仿真结果表明,此方法能够有效地减少过程误报警的次数,并且对漏报警的次数进行抑制。

随着炼油厂对氢气的需求量不断扩大,氢气系统已成为炼油厂的重要组成部分。炼油厂氢气网络的优化设计既要实现总成本最小的经济性目标,还要保证各种工况下氢气系统的安全稳定运行。针对炼油厂氢气系统不断变化的工况和氢气需求,提出了炼油厂氢气网络柔性优化策略,建立了多工况下的氢气网络柔性优化混合整数非线性规划(MINLP)模型,并对优化模型进行了线性化处理,采用优化建模工具Lingo建模求解。采用本文提出的柔性优化策略对某炼油厂氢气网络进行了柔性优化设计,与炼油厂的原始氢气网络对比表明,柔性优化后的网络可操作性强且具有较好的柔性调节能力,既节省了大量的运行成本,又为各种工况下氢气系统的安全稳定运行提供了保障,对实际炼油厂氢气网络的优化管理起了指导作用。

通过对半间歇聚合反应的引发剂进料实施周期操作,研究了这类操作方式对聚合物分子量分布的影响。研究结果显示,周期操作能改善聚合反应过程,对分子量分布有明显的加宽作用。对性能指标进行改进,以引发剂周期进料的占空比为控制变量,采用基于粒子群优化的迭代学习算法,对分子量分布进行了优化控制。仿真分析表明,在实际对象和模型存在不匹配的情况下,运用迭代粒子群算法,控制输入随着批次学习的进行而逐渐趋于最优解,聚合反应的分子量分布则不断逼近希望的分子量分布。实验结果验证了以周期操作方式对半间歇聚合过程分子量分布进行迭代优化控制的可行性。

针对炼油厂操作过程中所存在的大量操作不确定性,提出了一种基于两层仿真系统的再调度方法保证了调度指令的稳定性。在下层模型中引入罐区操作的不确定干扰,并对初始优化方案进行仿真。上层仿真系统采用启发式寻优的方法,当下层干扰发生后得到保证组分和物料双重平衡的安全方案。基于此安全方案,通过固定混合整数线性优化模型中的二元变量并对方案的偏离进行惩罚从而缩小可行域快速得到局部优化解。以某炼厂罐区操作为例,验证了这一再调度策略的有效性。

针对一类非线性系统提出了基于局部建模的预测控制算法,对于局部模型的训练数据选取,同时考虑了样本数据之间的欧氏距离与向量的夹角,使得训练数据的选取更合理,并对芳烃异构化过程进行了实验仿真。首先通过最小二乘支持向量机进行局部建模,并将局部模型作为算法的预测模型。然后利用粒子群优化算法进行滚动优化,寻找到最优控制量。最终仿真实验验证了该算法的有效性和鲁棒性。

为提高现有乙苯脱氢制苯乙烯生产装置的生产率和节能水平,优化技术是一种有效的技术手段。基于改进的非支配排序遗传算法(NSGA-Ⅱ)研究了乙苯脱氢工艺条件的优化问题。把乙苯脱氢反应过程的转化率、选择性作为优化目标,动力学模型以及实际生产状况作为约束条件,构造乙苯脱氢过程的多目标优化问题。基于NSGA-Ⅱ算法求解得到的优化问题的Pareto最优集,分析了各个操作条件对乙苯脱氢生产过程转化率和选择性的影响,最后利用模糊综合评价法,为合理决策提供了有效的依据。结果表明NSGA-Ⅱ具有良好的全局优化性能,运用该算法可在不同的操作约束条件下,求解得到相应的满意解。

针对铜转炉操作过程中的冷料添加操作问题,提出了一种基于改进的遗传算法的优化方法。通过引入种群相异度、个体相异度和相异区,改进遗传算法,使算法增强全局优化性和快速收敛性,以吹炼过程剩余热预测值为基础,应用改进的遗传算法求解冷料添加的全局最优化问题。仿真结果和实际生产应用表明,该方法具有快速和有效等特点,实现了铜转炉吹炼过程中的冷料添加操作的优化和指导,有效地提高了冷料处理量,并增加了铜产量。

煤泥流化床锅炉干法脱硫系统因成本低、脱硫效率较高而应用广泛。流化床锅炉的运行条件对脱硫效率具有重要影响,而脱硫剂的增加既会提高脱硫效率又会降低锅炉热效率,因此存在最佳操作条件。首先采用LSSVM建立了SO₂浓度预测模型,并通过实际数据验证了模型的准确性和快速性。在此基础上,通过机理分析,建立了脱硫剂对锅炉热效率影响的全面准确模型。最后,以企业总体运行费用最低为目标,建立了总的操作优化目标函数。以SO₂预测模型和锅炉热效率模型为基础,通过求解总的优化命题,得到了不同SO₂浓度限制和不同SO₂排放费用下的最佳锅炉操作条件。通过优化明显地降低了脱硫运行费用,提高了脱硫效率,对流化床锅炉干法脱硫系统具有重要的指导意义。

针对城市供水过程中,待滤水浊度控制过程的大惯性、大滞后、模型参数时变和干扰多等特点,采用一种新型的控制算法来实现对该过程的控制,其具体思想是:分别从对设定值的跟踪性要求和对扰动的抑制性要求出发,采用双控制器分别实现各自的控制,且两个独立的控制器分别采用常规PI和带非线性补偿的PI算法。并将该种新型控制算法和传统PID反馈控制算法、Smith预估控制算法和双PI控制算法进行了仿真比较。最后,还将该种算法实际应用到某水厂的中试实验基地。仿真和实验结果表明:所采用算法能够及时克服扰动,并对模型参数变化不敏感,具有很强的鲁棒性,对设定值具有良好的跟踪能力,确保了供水质量的稳定性。

提出了群智能优化AC_ICPSO(ant colony and immune clone particle swarm optimization)算法,融合蚁群算法与粒子群算法进行动态群体搜索,设计交叉算子和变异算子、群体多次编码、迭代选择等,来提高数据搜索的范围、精度和收敛的效率,避免早熟,降低算法的复杂度。然后利用AC_ICPSO方法对最小二乘支持向量机预报模型(LSSVM)进行参数寻优,得到最优的AC_ICPSO_LSSVM预报模型。以实际聚丙烯生产的熔融指数预报作为实例进行研究,结果表明所提出的AC_ICPSO_LSSVM方法有效,具有良好的预报精度。

针对水煤浆气化装置操作优化问题,提出了一种多种群竞争型协同文化差分进化算法(MCCDE),算法中建立了基于差分进化算法的竞争型协同策略及竞争适应度评判方法,并引入了文化算法的部分思想。同时,建立了德士古气化炉操作优化模型,将MCCDE算法用于优化模型的求解。采用某化工厂气化系统实际运行数据进行仿真,经过操作优化计算,能够获得优化的控制参数,并提高气化炉有效气产率。最后,开发了水煤浆气化操作优化系统应用软件,能够实现将建模、控制、优化技术应用于实际生产中,以提高装置的经济效益。

控制向量参数化方法是求解最优控制的一种常用方法,其时间网格通常是固定的。在每个时间段上,控制向量表示为由一组参数确定的时间的函数。时间网格的划分会影响到数值求解最优控制问题时最优化算法的准确性和效率。为了同时优化控制参数和时间网格的节点,提出了一种可变时间节点控制向量参数化方法,通过带有时间参数的S型函数来近似分段常数参数化方法中的切换过程。推导出了最优控制性能指标对时间参数的导数,并提出了处理时间节点约束的算法。利用所提出方法求解带有两个控制的最优控制实例,对于两个控制获得了不同的时间网格划分,从而能够更好地近似最优控制轨迹。

在免疫克隆选择和人工免疫网络算法基础上,采用了Agent的思想,提出了一种邻域-克隆选择学习全局优化算法(N-Clonalg)。不同于其他人工免疫算法,N-Clonalg定义了网格化的邻域操作环境,其主要搜索算子有N-克隆选择、N-竞争和自学习算子,能有机结合全局与局部搜索,多峰测试函数表明能较好地克服克隆选择算法(Clonalg)的早熟及人工免疫网络算法(Opt-aiNet)收敛速度慢问题。分馏装置负荷优化实例应用表明,算法具有较好的最优解搜索性能,能较好地实现化工中的寻优问题。

原料采购库存成本的约束是钢铁企业流动资金的制约瓶颈,针对钢铁企业烧结料场铁矿粉原料采购与消耗特点,以企业原料库存费用最小为目标建立了烧结料场铁矿粉原料库存量优化模型,提出一种基于遗传-粒子群算法的烧结料场铁矿粉库存量优化方法。同时,应用某钢铁企业360 m²烧结生产线的综合原料场实际生产数据进行仿真验证,结果表明,该模型可以反映该钢铁企业综合料场铁矿粉库存量的实际情况,采用的优化方法可以得到模型的最优解,为钢铁企业采购计划的制定提供决策支持。

补料分批式青霉素发酵的机理模型已得到深入研究,但是模型往往难以用于补料的优化和批次内的控制。为了对模型进行优化控制,针对Birol等提出的青霉素发酵非结构动力学模型,合理调整了温度和pH变化的影响,得到了青霉素发酵过程的简化机理模型。反应基质的补料是青霉素优化控制的关键,选择对补料速率进行优化来提高青霉素的产量。由于机理模型具有非线性和约束条件,采用序贯二次规划算法来进行求解,其中将补料轨线进行分段处理提高了优化效率。优化计算结果表明改进的补料过程可以提高青霉素的浓度和产量。

利用正交多项式组合神经网络对聚合反应分子量分布(MWD)进行建模,MWD被解构为若干矩值组成的矩向量函数,由此二元MWD控制问题可被转换为一元分布矩控制问题。以矩向量为直接被控对象,通过对矩的控制实现MWD的跟踪。为便于求解这类非仿射非线性多变量系统的控制策略,提出了改进型非线性自回归正交多项式网络结构,建立模型输出与U(k)之间的线性映射关系;针对高维被控矩向量,证明了矩向量中独立变量与分布函数参变量间的数量对等关系,给出了矩向量降维准则,将高维输出控制转化为低维问题。基于改进的神经网络模型,利用输出反馈方法对MWD矩向量进行控制,实现了对MWD的形状跟踪,仿真实验证明了方法的有效性。所提出的方法为非线性多变量系统的建模控制问题提供了新思路。

为有效处理多变量、非线性及非最小相位系统的复杂化工过程,提出了一种新型的自适应模糊滑模控制,该方法针对滑模控制鲁棒性好但存在抖振的问题,采用模糊控制柔化控制信号,而与滑模控制的结合可以充分利用系统信息,简化模糊控制;在此基础上提出一种新的自适应调整比例因子来进行模糊变论域,柔化了控制信号并减小了滑模控制器输出的抖振。并给出模糊滑模控制的算法和稳定性分析,得到简化后的通用模糊规则库,可通过比例因子在线调节输入量的论域,使构成的控制系统具有很强的鲁棒性、较好的自适应能力和较高的控制精度。最后对于非线性单输入单输出(SISO)和多输入多输出(MIMO)化工模型进行仿真研究,结果表明即使工况点发生大的变化或受到较大干扰时,仍具有良好的抗扰动能力和很强的鲁棒性。

流化床反应器的物料结块故障不仅影响产品质量,严重的还会影响生产。为了监测流化床反应器的物料结块故障,提出了一种基于压电声波传感器和声纹特征提取的故障监测方法。在流化床外壁粘贴压电陶瓷声波传感器,采用长屏蔽电缆电荷传输和音频采样方式,监测流化床内物料撞击床壁的声波信号。分析了正常颗粒物料和物料结块情况下声波信号的时域波形、功率谱和声纹特征,重点比较了正常信号和故障信号声纹特征的稳定性和可区分度。通过提取声纹特征,运用神经网络模型实现了对物料结块故障的准确监测。用不同位置声波传感器的感测信号验证故障监测模型的结果验证了这种方法具有较高的时空域鲁棒性。用不同信号抽取率对原始信号进行了重采样,对重采样数据分别进行了声纹特征提取、监测模型的训练和检验,结果表明适当降低信号采样率不影响流化床物料结块的监测结果。为流化床物料结块故障监测问题提供了一种新的系统结构和实现方法。

核独立元分析(kernel independent component analysis,KICA)故障检测方法的故障检测时间易受独立元顺序和主导独立元数目经验选取的影响,针对这个问题,提出基于KICA和高斯混合模型(Gaussian mixture model,GMM)的故障检测方法。采用KICA从正常工况测量数据中提取独立元,用GMM拟合各独立元的概率密度函数,建立基于GMM的监控量及其控制限;计算各独立元的监控量均值,以此判断其非高斯性强弱,对每个强非高斯独立元进行单独监控,对弱非高斯部分采用主元分析法进行监控。在Tennessee Eastman过程上的仿真结果说明,相比于KICA故障检测方法,所提方法不需要排序独立元和选取主导独立元数目,避免了其对故障检测时间的影响,能够有效利用过程信息,缩短故障检测的延迟时间。

针对基于核独立元分析(kernel independent component analysis,KICA)的故障检测方法只考虑非高斯信息提取而忽略局部近邻结构保持的问题,提出基于改进KICA的过程故障检测方法。将KICA法中只考虑非高斯信息提取的负熵最大化准则转换为熵最小化准则,结合局部保持投影的相似局部近邻结构准则,提出了同时考虑非高斯信息提取和局部近邻结构保持的目标函数,通过粒子群优化算法进行全局寻优,然后建立监控统计量对过程进行监控。在Tennessee Eastman过程上的仿真结果说明,与基于KICA的故障检测方法相比,所提方法能够在保持数据集局部近邻结构的同时,提取非高斯信息,能够有效缩短故障检测的延迟时间,提高故障检测率。

传统的基于多元统计过程监控方法都是假设过程处于单一工况下,而随着进料负荷、产品组分等过程参数的改变,生产过程的工况也随之改变,传统方法便不再适用。针对工业过程中的多工况监控问题,提出了一种基于多模型外部分析和Greedy-KP1M的多工况过程监控方法。首先针对传统外部分析方法描述能力不足的问题,用多模型局部建模代替单一模型来获得更好的描述能力,同时获得监控残差,通过对残差进行监控从而去除多工况的影响,进而将核单簇可能性聚类(KP1M)用于对残差的监控上。该方法拥有和支持向量数据描述(SVDD)相当的监控效果,但计算复杂度却远远小于SVDD。同时,采用Greedy方法提取特征样本,进一步降低了算法计算复杂度。最后将上述方法应用在TE模型和乙烯裂解炉的监控上,结果证明了该方法的有效性。

多分类器融合方法在融合过程中需要对各分类器的输出进行加权,常见的加权方法是通过各分类器的分类正确率计算分类器的加权,但是这种方法得出的权值常常是不精确的。针对这个问题,给出了一种确定各个多分类器权值的方法。首先,通过训练集样本得出分类器系统的输出向量。然后,依据多分类器系统的输出向量与训练集样本的类别向量之间的距离最小提出一种权值的优化学习算法。最后,将得出的权值用于多分类器系统对故障类别的判定。实验结果表明,提出的方法提高了分类的正确率,能更好地判别出故障的类别。

在Texaco水煤浆气化工艺中,合成气中各组分的含量是衡量气化效率的关键参数。以某厂Texaco气化装置为研究背景,设计了一种合成气组分含量的预测模型。该模型选取三层前馈神经网络结构,并采用一种具有广义差分项的混沌差分进化算法(ChaoDEGD)作为模型参数的学习方法。ChaoDEGD算法在差分进化算法的变异操作中引入了广义的个体差异信息,并在不同进化时期,对不同适应度等级的个体施加混沌映射,保证了种群的多样性,帮助种群有效跳出了局部极小点。实验结果表明,基于ChaoDEGD的神经网络预测模型能够较好地估计合成气中CO、H₂、CO₂三类关键组分的含量,为Texaco水煤浆气化过程的安全稳定运行提供了有利指导。

针对过程的动态时变特性,提出一种基于PLS核算法的软测量在线学习方法。该方法利用PLS核算法,通过递推学习具有代表性的新样本来改善模型的适应能力,较NIPALS算法具有更高的计算效率;并采用一种同时考虑输入和输出信息的相似度准则,有选择地删除一个或多个冗余样本,更有效地构建了训练样本集。工业聚丙烯熔融指数的软测量建模研究表明,本文提出的方法能够快速有效地跟踪牌号切换中熔融指数的变化。

精矿品位和尾矿品位是浮选过程重要的工艺技术指标,其难以实现在线检测,且与过程控制变量具有强非线性、不确定性等综合复杂特性,难以直接采用精确的数学模型描述,主要依靠人工化验分析。人工采样化验周期较长,难以满足控制要求,使得浮选精矿品位偏低,尾矿品位偏高,因此建立浮选品位指标的软测量方法受到工业界广泛关注。在分析浮选过程工艺指标相关影响因素的基础上,建立一种基于主元分析KPCA(kernel principal component analysis)和极限学习机ELM(extreme learning machine)的软测量模型。为了消除离群点对软测量模型精度的影响,采用基于稳健位置估计的方法识别离群点,利用核主元分析对软测量模型的输入数据进行降维,提取非线性主元,然后用极限学习机进行建模。该建模方法已成功应用于中国西北某选矿厂浮选车间,工业应用结果表明该方法有很高的预报精度,对生产有一定的指导意义。

粗甲醇转化率不仅是粗甲醇的主要技术指标,也是直接影响粗甲醇经济指标的重要因素。在之前工作的基础上,提出了两类随机学习因子混沌粒子群优化算法(RLFPSOC)。两种新算法分别从种群进化初期和后期两个方面引入混沌遍历性的特点,有效提高了算法的全局寻优能力。典型测试函数的仿真实验验证RLFPSOC算法的有效性。最后,将提出的RLFPSOC算法用于神经网络参数的优化,并建立甲醇合成塔转化率预测模型。实验结果表明,基于RLFPSOC的神经网络模型能够较好地预测甲醇合成转化率,并进一步验证了RLFPSOC算法的全局收敛性能。

针对气相聚乙烯生产中各种复杂的工况造成在线估计精度下降的现象,基于乙烯聚合机理并利用特征建模方法建立了聚乙烯质量指标预测模型,结合扩展卡尔曼滤波,提出了粒子滤波联合估计方法,即将状态和修正系数组成增广状态向量,实现对质量指标预测模型的在线滤波修正,并分析了基于粒子滤波估计的收敛性。所提方法在中石化某气相聚乙烯装置的长周期运行结果证实了所提方法的可行性和有效性,为实施聚乙烯装置的先进控制奠定了基础。

青霉素发酵过程中,一些重要参数的检测存在一定的误差,给生产过程的监测及重要参数的实时监控等带来一定困难。样本数据中自变量、因变量均有可能包含误差数据,影响模型建立的准确性,本文采用加权最小二乘算法,给各个样本的误差平方赋予不同权重用于克服异常训练样本的影响,利用Pensim仿真平台数据,采用粒子群算法(PSO)对加权最小二乘向量机算法(WLS-SVM)的参数寻优,建立青霉素发酵过程模型,通过仿真实验表明了该算法用于青霉素发酵过程建模的有效性。

针对极限学习机不能有效解决化工过程中高维数据建模的问题,本文将其与自联想神经网络结合,通过自联想神经网络过滤输入数据中存在的冗余信息、提取特征分量,并对所提取的特征分量采用极限学习机进行训练,由此形成了一种基于数据特征提取的AANN-ELM(auto-associative neural network-extreme learning machine)神经网络。同时,以UCI标准数据集进行测试,以精对苯二甲酸(PTA)溶剂系统进行验证,结果表明,AANN-ELM在处理高维数据时具有学习速度快、网络稳定性强、建模精度高的特点,为神经网络在复杂化工生产中的应用提供了新思路。

随着次声校准的需求越来越多,而传统的互易法校准在低频段受气体泄漏影响很大,校准效果不好,新式的激光式活塞发声腔校准法更适用于次声传声器校准。设计并实现了一套基于虚拟仪器的激光式活塞发声腔校准系统,采用超低频振动台技术,其活塞位移失真度很小,腔体中声压级稳定,声压级范围大。校准系统的软件设计灵活方便,加入声压反馈后能得到声压级很稳定的声源。

null

内部热耦合精馏是迄今为止所提出的节能效果最好,而唯一没有商业化的节能技术。将内部热耦合技术用于空分塔,可以带来良好的节能效果。根据低温空气分离过程以及三组分精馏的特点,提出了一种新的内部热耦合空分精馏塔优化模型。在优化模型基础上,对热耦合塔进行了深入的节能优化与分析,并且与常规空分仿真结果进行了比较分析,压缩机能耗下降20.75%,产值增加17.46%,单位产值能耗下降32.53%。内部热耦合空分塔的提取率以及能耗均优于常规热耦合空分塔,节能效果显著。

提出了一种基于Logistic回归模型和ARMA模型相结合的过程报警事件预测方法,从历史数据中提取过程报警事件序列,并分解成报警状态及报警状态的持续时间,对应建立Logistic回归模型和ARMA模型分别对其进行预测,最终实现对过程报警事件的预测。通过数值实例分析和工业过程数据进行了验证,表明该方法能够准确地预测过程报警事件。

常规的PCA方法难于对发生模式变化的过程参数进行监控,为此,本文提出了一种基于奇异值识别递归PCA技术,用于解决多模式切换过程的监控问题。首先建立了在线奇异值识别算法,通过识别奇异值的变化可以准确判断过程发生模式切换的时间,然后采用递归PCA对过程的模式切换过渡阶段进行监控。将TE过程用于实例研究,验证了所提出方法的有效性。

针对常规同时测定法存在测定周期长且对于多峰吸光度曲线不适用的问题,提出一种改进的同时测定法测定混合染液中各组分的浓度。首先运用高斯逼近法拟合固定浓度下各单一染液的吸光度、波长的模型。然后根据朗伯-比尔定律推导出各单一染液的吸光度、波长与浓度的模型,并给出了求混合染液各组分含量的具体步骤。最后以3种活性染料的混合染液浓度测定说明算法的可行性和有效性。

详细分析流程行业制造执行系统关键性能指标评估体系,建立了关于制造设备的关键性能指标集合。针对该评估体系的动态分析部分,提出了基于稳态优化理论的制造设备关键性能指标的基准设定方法,最后以二元精馏塔为例分析了其生产率的计算以及基准的确定。

为提高膜计算仿生优化算法在求解流程工业复杂优化问题的计算性能,提出一种改进的膜计算仿生优化算法。该算法采用一个新的不确定性提取规则取代改进前的提取规则。4个有约束标准测试函数被用于检验该算法的计算性能,计算结果及对比显示了改进算法在鲁棒性和效率等方面优于改进前算法。改进算法应用于汽油调和优化问题,更高利润的配方及算法的计算效率证实了改进算法的优越性和实用性。

针对发电机组组合调度问题,提出了一种带修复操作的整型编码遗传算法(r-ICGA)。算法采用整数串的编码方式,有效减小了染色体的长度。同时引入一组新的修复操作来处理约束,将进化过程中产生的新个体修复成为可行个体。与罚函数约束处理方法相比,所提算法不引入惩罚项,避免了针对不可行解的经济负载分配子问题求解,节省了大量计算时间。将所提方法应用于六种不同规模的机组组合问题,仿真结果表明算法的搜索效率更高,求得的调度结果更好。随机组规模增大,算法所需执行时间近似线性地平缓增长,表明r-ICGA算法比其他方法更适合于求解大规模机组组合调度问题。

管道腐蚀超声波内检测具有数据量大、干扰多的特点,其自动测厚算法要求适应性强,但各类超声波检测数据处理算法用于管道内检测自动测厚时存在误判率高、精度较低、耗时长等缺点。针对此问题,本文首先提出了基于两步法的一次FFT自动测厚算法;对其存在的误判率高的问题,提出了二次FFT自动测厚算法;对二次FFT算法精度降低的问题,提出了改进的二次FFT自动测厚算法。理论分析和各类实验证明,该算法具有一次FFT自动测厚算法精度高和二次FFT自动测厚算法误判率低的特点,较好地实现了管道腐蚀壁厚自动测量。

在实际生产过程中,多管程换热器广泛应用,其中既存在逆流换热也存在并流换热。针对多管程换热器网络中并流换热与逆流换热时换热温差对夹点特性尤其是换热网络综合的影响,定量分析最小温差的选择与夹点特性及其总费用的关系。兼顾管程数目的选择以及换热网络总费用两方面因素,以年度化总费用最低为目标,优化求解多管程换热器网络的最小温差。然后,将求得的最小温差作为夹点温差,遵循夹点设计原则综合换热网络。同时,计算得出多管程换热器网络的F_T修正因子,并对结果进行分析。最后,结合示例对比分析求解结果,证明方法的有效性。

针对赖氨酸发酵过程非线性、大滞后、多变量动态耦合,关键生化参数难以实时在线测量等问题,提出一种改进的粒子群-支持向量机(PSO-SVM)逆发酵过程软测量建模方法。首先分析逆系统的存在性,并结合赖氨酸发酵过程,引入发酵特征信息和舍弃次要信息构造逆扩展模型;然后利用支持向量机离线辨识初始逆扩展模型,并根据系统输入与模型输出的偏差信号,采用粒子群算法对初始逆扩展模型进行在线校正;最后将校正后的逆扩展模型串联在原发酵过程之后构成复合伪线性系统,实现不直接可测关键生化参数的在线预测。以L-赖氨酸流加发酵过程为例,验证了所提算法能够对发酵过程关键生物量参数进行较准确的在线预测,较普通的SVM逆建模方法具有更高的预测精度。