炼油化工装置先进控制的研究与应用

论文摘要

先进控制可以给生产企业带来显著的经济效益,这已成为一个世界性的共识,但国内的先进控制投运状况并不理想,很多装置的先进控制难以长期运行。针对目前先进控制应用中存在的问题,本课题以现有工业生产控制系统为基础,利用现代控制理论并结合现场实际,研究基于DCS层面的先进控制,确保装置的平稳运行和获取最大经济效益,同时也为基于DCS层面之上的先进控制和优化控制得以长期稳定运行打下基础。本课题研究目的是在现有装置和工艺不改进的条件下,如何使用先进控制技术提高装置的平稳性和自控率,降低能耗,减少操作人员的劳动强度,提高装置的综合水平,获得更大的经济效益。基于上述目的,本课题以基于IMC的先进控制来解决装置的自控率和平稳性问题,以模糊控制与常规控制相结合来减少前后工序间的负荷波动,以改进的RBF神经网络建模方法提高软仪表的预测精度。IMC是基于对象模型的先进控制技术,模型辨识的准确与否直接影响其控制效果,为提高对象辨识的准确性,针对一些因干扰滞后等原因,其过渡过程较长的对象,本课题研究了非稳态条件下的对象辨识问题。提出对象参数和系统状态方程初值同时辨识的方法。该方法的提出,为控制系统的在线辨识、PID参数整定难于在线进行的一系列问题提供了新的解决方案。工业过程对象一般用一、二阶加纯滞后来表示,针对这类对象的求解,文献上一般使用Pade近似法来解决。但对于一些大的滞后系统,使用这种算法进行对象辨识,会出现误差过大现象。为此本课题进行了纯滞后对象求解问题的研究,提出了移位插值法求解纯滞后项,新算法在不增加计算复杂性的情况下,可获得比Pade近似更为精确的计算结果。现有工业生产装置的控制系统由多家供应商提供,所提供的控制算法有多种。在对象辨识与控制器设计过程,如果对每一种类型的对象或控制器都进行总传递函数计算,就会给工程实施和程序设计工作带来很大困难,为此本课题应用矩阵模块法解决对象辨识的通用性求解问题。应用矩阵模块法进行求解,当系统中的模块参数发生变化时,只需改变相应数值,而无须改变整个系统结构,从而避免了重复性劳动。对于包含纯滞后的环节,使用移位插值法避免Pade近似带来的计算误差。由于辨识时考虑了状态空间方程初值,这样可以方便的使用现场数据进行模型辨识,而不必考虑测试数据的状态,使得辨识工业对象更方便,辨识结果精度更高。为减少因前后负荷变化过大而影响装置平稳性的问题,利用液位允许在一定范围内变化的特点,本课题以模糊控制理论和常规PID相结合,研究了输出缓慢变化的液位非线性自适应区域控制技术。液位非线性自适应区域控制基于DCS操作人员的操作思想,当液位在允许范围内波动时不进行调节,以确保后续系统的稳定操作。液位非线性自适应区域控制在实现上只需调节一个参数——比例系数,参数的调节并不需要掌握模糊控制的知识,只要参考前几次的调节数据,一般操作人员就可容易地进行设定。液位非线性自适应区域控制使前一工序的稳定性大大提高,从而减少了后继工序的操作频次,进而减小操作人员的劳动强度。针对神经网络软仪表在实际应用过程中会出现预测误差过大问题,为提高软仪表预测的准确性,针对原算法的不足之处,本课题经多方分析,找到了影响网络精确度的原因,提出了以K均值和递推下降算法相结合的RBF神经网络建模改进算法,从而提高了软仪表的数据预测精度。最后应用IMC技术,对DCS控制回路的PID控制器进行了IMC-PID控制器改造,解决了IMC的实际应用问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 先进控制
• 1.1.1 先进控制的发展
• 1.1.2 先进控制的优势与特点
• 1.1.3 先进控制带来的经济效益
• 1.2 先进控制的技术内容
• 1.2.1 过程辨识技术
• 1.2.2 过程变量数据的采集、处理
• 1.2.3 软测量技术
• 1.3 先进控制策略
• 1.3.1 自适应控制
• 1.3.2 智能控制
• 1.3.3 多变量统计过程控制
• 1.3.4 鲁棒控制
• 1.3.5 最优控制
• 1.3.6 预测控制
• 1.3.7 推断控制
• 1.3.8 预测函数控制
• 1.3.9 IMC控制
• 1.4 国内先进控制应用状况及存在问题
• 1.4.1 先进控制系统难以长期运行
• 1.4.2 常规控制系统不具备条件
• 1.5 国内先进控制软件开发应用状况
• 1.6 本课题的主要研究内容及方法
• 第二章 实施先进控制基本原理与技术
• 2.1 数据通信技术
• 2.1.1 OPC技术
• 2.1.2 数据库访问技术
• 2.2 随机搜索算法
• 2.3 内模控制
• 2.3.1 IMC结构、性质及与经典反馈控制器的关系
• 2.3.2 IMC控制器的设计
• 2.3.3 IMC-PID控制器设计
• 2.4 模糊控制
• 2.4.1 模糊控制的基本结构
• 2.4.2 模糊控制器的实现
• 2.4.3 模糊控制器的结构选择
• 2.4.4 选取模糊控制规则
• 2.4.5 确定模糊控制状态表,建立模糊控制规则
• 2.4.6 确定模糊化的解模糊策略,制定控制表
• 2.5 RBF网络
• 2.5.1 RBF神经网络结构
• 2.5.2 RBF网络的学习方法
• 2.6 本章小结
• 第三章 一种可在线实现的对象辨识新方法
• 3.1 OLID辨识法
• 3.1.1 OLID的计算过程
• 3.2 OLID方法对象模型辨识的求解过程
• 3.2.1 模型数据的选择
• 3.2.2 对象模型类型的确定
• 3.2.3 系统输出计算
• 3.2.4 使用OLID方法进行对象模型辨识
• 3.3 系统仿真
• 3.3.1 仿真数据的产生与数据选择
• 3.3.2 基于开环控制的对象辨识
• 3.3.3 基于闭环控制的对象辨识
• 3.4 本章小结
• 第四章 纯滞后项对象模型的求解方法
• 4.1 Pade近似逼近法及其缺陷
• 4.2 包含纯滞后项对象模型的求解分析
• 4.2.1 不同Pade近似类型阶跃响应仿真结果对比
• 4.2.2 SIMULINK中包含纯滞后对象模型的计算方法分析
• 4.2.3 包含纯滞后对象模型的求解过程理论分析
• 4.3 包含纯滞后对象的计算新方法
• 4.3.1 传递函数的状态方程转换
• 4.3.2 四阶龙格库塔法求解状态空间方程
• 4.3.3 新方法与SIMULINK计算结果对比
• 4.4 本章小结
• 第五章 应用矩阵模块法辨识闭环对象
• 5.1 闭环系统状态方程的矩阵模块表示
• 5.2 仿真示例
• 5.3 纯滞后环节的处理
• 5.4 常用控制器及对象模型的状态空间参数矩阵
• 5.5 非稳定状态的模型辨识
• 5.6 本章小结
• 第六章 可在线校正的RBF网络的软测量及其应用
• 6.1 基于RBF网络的在线自校正软测量
• 6.1.1 输入输出数据预处理
• 6.1.2 在线自校正RBF网络权值的学习算法
• 6.1.3 在线自校正RBF网络软测量模型实施步骤
• 6.1.4 基于RBF网络的软测量在线校正
• 6.2 RBF网络模型精确度影响因素分析及改进
• 6.2.1 仿真数据的获取
• 6.2.2 数据归一化范围影响
• 6.2.3 高斯函数宽度的影响
• 6.3 RBF神经网络的建模方法改进
• 6.4 产品质量软仪表在线自校正模型的实施
• 6.4.1 常三线闪点模型的实施
• 6.4.2 常三线粘度模型的实施
• 6.4.3 减一线闪点模型的实施
• 6.4.4 减一线粘度模型的实施
• 6.4.5 减二线闪点模型的实施
• 6.4.6 减二线粘度模型的实施
• 6.4.7 减三线闪点模型的实施
• 6.4.8 减三线粘度模型的实施
• 6.4.9 各模型的训练与检验误差
• 6.5 本章小结
• 第七章 液位非线性自适应区域控制
• 7.1 液位非线性自适应区域控制器结构
• 7.2 模糊控制器设计
• 7.2.1 操作人员的判断控制策略
• 7.2.2 输入量的模糊量化
• 7.2.3 输出量的模糊量化与最终控制输出
• 7.2.4 模糊控制规则与控制表的制定
• 7.3 仿真示例
• 7.3.1 仿真数据的获取
• 7.4 实际应用
• 7.5 本章小结
• 第八章 先进控制方案的选择及其在炼油厂中的应用
• 8.1 先进控制方案选择依据及实际应用类型
• 8.2 先进控制结构的进展
• 8.3 IMC-PID先进控制
• 8.3.1 过程模型的闭环辨识
• 8.3.2 过渡过程衰减比的新要求和超调量的约束条件
• 8.3.3 IMC-PID先进控制设计
• 8.3.4 滤波器及IMC设计
• 8.3.5 IMC-PID参数优化
• 8.4 MOD-PID先进控制
• 8.5 现场应用示例
• 8.6 本章小结
• 第九章 结论与展望
• 9.1 论文的主要工作
• 9.2 总结和展望
• 参考文献
• 致谢
• 研究成果及发衰的学术论文
• 作者与导师简介
• 附件