人工智能理论在催化裂化装置优化控制中的应用的分析.pdf

摘要 人工智能理论在催化裂化装置优化 控制中的应用研究 摘要 ：本实验室开发的催化裂化计算机优化控制系统自一九九五年初在 广州石化炼油厂投用后，产生了良好的效果，并获得了国家发明专利。 原优化控制系统是90年代前期设计出来的，在工程化改造过程中就有 必要采用一些新的理论或技术对原系统加以完善。这套优化控制系统需 要解决好几个重要的问题，其中的两个问题是故障诊断和转化率预估问 题。对于故障诊断原优化控制系统采用了一种模糊推理诊断方法，工业 现场的实际应用结果证明了该诊断方法在闭环运行时安全可靠，但在自 适应能力方面还有提高的余地。对于转化率预估则应用了BP神经网络 技术，取得了一定的效果，但BP网络也存在较大的缺陷尤其是不适合 在线校正运算。』 ／ 本文的工作是针对这两个问题展开的，试图依据因素空间理论和 RBF神经网络这两个人工智能理论对上面两个问题加以改善。 对于故障诊断问题，本文结合模糊推理诊断技术，在因素空间理论 的基础上发展出一种变权诊断方法。首先介绍了因素空间框架内故障诊 断的定义，并总结了故障诊断的求解步骤；其次依据FCC过程故障问 题的特点定义了隶属函数；接着指出了常权诊断存在的问题并且定义了 变权的形式，经过推导得出变权公式；最后以FCC常出现的催化剂中 厂 断故障为例对变权诊断方法做了仿真研究。＼得到的结论是：对比原有的 鬻投诊鼗方法，本文提毫懿交投诊甑方法瑟王况条传瓣交纯爨毒受大酌 自遗应能力。 对于转化率的预估问题，也就是软测量问题；47本文采用逼近性能更 好的RBF神缀网络作为预估模激以取代原有的BP神经网络。在预估试 验中，孺OLS帮PLS两稀方法作为RBF网络的潮练算法以便眈较。首 先绘出OLS葶羹PLS熬算法过程，共曼对较灏蘸PLS法皴了彷寞磷究； 然臌采用自组织模式库选取的数据作为网终的训练样本和检测榉本来 说明RBF网络对转化率的预估过程，内容包括辅助变艇的选取、用训 练样本调练网络得到网络模型、用检测样本来检验网络模型的预估效 果、霜速榷最夺二乘法实瑗耀络模鍪参数静在线校正；接着丽现场采集 款逡续实时数攒为样本验谖RBF网络模型的预髅效果，著讨论7影瞧 RBF网络预估结果的一些因素；最后，用一缀工业现场较为典型的数据 ， 验证了PLs—R_Ls算法。(得到的结论是：对FCC过程的转化率预估问 、、 题，RBF网络沈BP网络其有更好的预估效果，经在线校正詹预估效果 }￡较令入灌意，褥露耀PLS离线谢练一R签在线校藏算法麓RBF瘸络彳搴 、 为预估模型可以较为骞效的解决FCC过程转化率预售瓣题。杖 关键漏：镁位裂纯；人工餐能；因素空阕， RBF摔经弼络 lI ABSTRACT 。_Ⅷ_-。^__-—”m_。_。___mmH__。_。’”…_-。’。‘●__№-—’—。q__。。。。。’_’”…。。——————————————”’——————一1 for Researchon ofAIOptimal Application inFCCU Control ABSTRACT The control forFCCU o_ur system developed optimal