（机械电子工程专业论文）分馏生产过程产品质量评价及智能分析.pdf

摘要 摘要 化工生产过程是一个大型多变量、非线性动态系统。对化工生产过程的产品质量进 行分析和评价不仅是重大的理论研究，而且对解决现实生产中的问题也具有重要的意 义。本文以某石化分馏生产过程为对象，针对其产品质量的及时评价和分析进行了深入 研究，主要工作包括以下内容： ( 1 ) 利用力控组态软件实现了对某炼油厂催化裂化生产过程进行组念仿真。 ( 2 ) 在产品质量的评价中，采用基于平均水平的效用函数与神经网络相结合的方 法，实验证明评价结果与实际生产测得的结果相符。该方法大大降低了神经 网络的训练次数，同时克服了其它评价方法中权重的决定难以摆脱人为因素 影响的问题。 ( 3 ) 在产品质量的智能分析中，采用将模糊技术与神经网络按串联方式相结合的 方法，实现了对产品质量的智能分析。实验证明分析结果与实际相符。 ( 4 ) 在d c s 和上层软件丌发的基础上，实现了d c s 与产品质量评价及智能分析 之间的动念数据交换，将两者有机的结合起来。 关键词：神经网爹模攀兰梦产r ! 哆萝动态2 ；! 萨换 。v a b s 下r a c t a b s t r a c t t h ec h e m s t 搿p 母d h c l n gp 辩c e s s n gi sae n o r m o u sm u 弼- v a r a b i e sa n dn o n i n e a rd y n a m i cs y s t e m l l s o 姒yh 弦娃酿ts u b j e c o f h e o f e t i c 酬撑辩a r c hb u a i s os i g n 蕊c a n tt os o i v et h ep r a c t i c a ip r o b i e m s f o t h ee v a l 醛鑫宅 o 矗a 耐8 糙l y s s 。fp r o d 僦tq u a i i t e s nt h e p r o c e s s o fc h e m j s t r y p r o d u “n g t h i s d i s s e 娃越i o n 搿e s e 挝s as t 泌yo n 氇em e t h o d so f e v 莳u a t i n ga n da n a l y z i n gt h ep r o d u c tq u a l i t i e s l nap e t l e 嘲f e 疰n e 饿em a 沁w o r k si n c i u d e di nt h i sd i s s e n a t i o na r o ： ( 1 ) 1 h ec o n 蠡g u f a t i o na 嘛s i m u l a t i o nf o rc a t a l y t i cc r a c k i n gp r o d u c i n gp r o c e s si na p e 枉口l e u mr e 矗n e r yh a s b o e nc o m et m ei nf o r c e c o n t r o ls o f h v a r e ( 2 ) 秘l e m e 氆o dt h a ta n ni sc o m b i n e dw i t hau t i l i t yf u n c t i o n ，w h i c hi sb a s e do n a v e r a g e i s u s e dt oe v a l u a t et h e p r o d u c t i o n s q u a l i t i e s a n d t h er e s u i to f e v a l u a l i o ni sp r 0 v e dt ob ec o i n c i d e dw i t ht h ep r a c t i c a lt e s tb ye x p e r j m e n t t h e m e t h o dc a nd e c 懈幅et h et i m e so fa n n t r a i n i n gd e e p l ya n d c u td o w n 也et i m eo f a n n t r a i n i n g w h a t sm o r e ，g o o de f i b c ti so b t a i n e d ( 3 ) t h em e t h o dt h a ta n ni sc o m b i n e dw i t hf u z z yt e c h n 0 1 0 9 yi ns e r i e si su 辩dt o 柚a l y z et h ef a c t o r s ，w 州c hb r i n ga b o u tt l eq u a i i t i e so fp r o d u c t s t h er e s u l to f a n a l y s j si sp r o v e dt ob ec o i n c i d e d w i t l lp r t i c a i t e s tb y e x p e r i m e n t 。 ( 4 ) b a s e do nd c s a 1 1 dt h ed e v e l o p m e n to f s u p e rs o f t w a r e ，d d e h a sb e e nc o m e 鼬嚣 b e t w e e nt h e m t h i sl e a dt oi m e g r a t et l l e mo r g a n i c a l l y i k e y w o r d s ：n e u r a ln e t w o r k ；f u z z yt e c h n o l o g y ；p r o d u c 畦o l lq u a l 至t y ；d y n a m i e 如掘o x e h 强g e 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得 的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已 经发表或撰写过的研究成果，也不包含为获得 墨盗堡墨堂瞳 或其他教 育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的 仟们贡献均已在论文中作了明确的说明并表示r 谢意。 学位论文作者签名：外铒绨签字日期：娜歹年， 月日 学位论文版权使用授权书 本学位论文作者完全了解 墨洼堡兰鲎瞳 有关保留、使用学位论文 的规定。特授权墨洼堡兰璺瞳 可以将学位论文的全部或部分内容编入有 天数据席进行检索，并采用影印、缩印或扫描等复制手段保存、汀：编，以供 ，务蒯和借阅。同意学校向国家有关部门或机构送交论文的复本和电子文件。 ( 保密的学位沦文在解密后适用本授权说明) 学位论文作者签名：殊q 绵 导师签名：f 蕴厅乏袭 签字日期：枷了年，月衫日 签字日期：如口多年月，肮 第一章绪论 1 1 本课题的工程背景 第一章绪论 避年来，叛产品质整为核心，戳提高经济效益为目的的石并究受猁许多企业尤其是石 亿行盐的关注。为了在实际生产过程中管毽和指导生产，对于及时评价产品的质量并自 动分祈出澎响产品膜量的瀚素的研究逯步成为研究热点。但是研究工作丁f 处在发展阶 段，还有许多闻题急待解决。为了解决现实生产中的问题，在天津市科委的资助下，本 课题开展了改菜石化分馏生产工程为对象，针对萁产品质量的及时评价和分析为课题的 研究工作。 1 。2 产品瘊量评馀及其智栽分析的研究现状 随着经济的飞速发展，在实际生产中，产品质量一直是各企业所关心的问题。产品 质量能否得到及时评价和分析用于指导生产，窟接关系到企业的经济效益。因此，如何 及时评价、分析产品质量融受到越来越多的关注和研究。 以往对产品质量的评价大多采用传统的统计模型，主要是基于多元统计方法，其基 本思路是，根据已经掌握的历史上每个类别的蓿干样本，从中总结出分类的规律，建立 判别公式，用于对新样本的分类。根掘判别函数的形式和样本分布的假定不嗣，主要模 型有：多元回归分析模型、多元判别分橱模型。其中以多元判别分析模型应用最为广泛。 统计模型的最大优点在于其具有明显的解释性，它的缺陷是过于严接的前提条件，如多 元判别分机模型，它要求数据服从多元正态分掘和等协方差，弱现实中大量数摆严重逢 背了这些假定。 随羞信息技术的发展，近年来人工餐能模型被号 入评份中。鬻魁的人工智能模型 主要包廷季睾经网络技术( n n ) 、决策樾、模擞综合评馀等。决繁挝模型较统计模型从直 观上更爨理鼹，奠应用时对专业知识瞧蠢较裹的要求。但是在实际应用中，出于闯题的 复杂性增期，决繁捉模型经常会出现缌会蛀爆炸i | i 搜键擒造的决策树过予复杂甚至难戳 理解，并墨该方法不是一种启发式熬寻优技本，嚣嚣建模时缺芝效率睇j 。 模糊综合评徐是对多个因素掰影瞧的模耧性事务残瓒象进行总的评价。它主簧分为 按每个因素筚独评价和按所有因素综合评价两步。其罄本步骤氛括；建立因素集、建立 评价榘、建立较麓集和评价空蠲。它稠用了人们对客麓事物模糊评论韵优点，僵其权重 的决定- 盖罨难班摆脱入为因素韵影编及模糊隧梳经静影桶强j 。 神经网络酉蔽看成楚默输入室闯掰输崮空问的一个菲线性浚射，它通过调整投羹和 溺 鬣来“学习”或发凝变量间的关系，实现对事务的分类。出予神经两络是一种对数据 分布无任何要求豹菲线往技术，它能有效解决菲芷态分布、非线性的评价问题，因而得 到较多的应用。 分析产品质薰的好环是由什么茵素引起的，即产晶质量的分析。目前对产品质量的 分析多采用人工智能分析潲，常用方法有：神经网络、模糊技术、专家系统等诤j 。随着 这些方法的使用，人们发现这些方法都有它们各自的优势，也各有定的局限性，若将 第一章绪论 其中两种或多种方法相融合i6 1 ，可以更好地发挥各自的优势，实现优势互补。目前这些 方法的融合正逐步成为研究的热点。 1 3 本文的主要研究内容 化工生产过程是一个大型多变量、非线性动态系统。对化工生产过程的产品质量进 行分析和评价不仅是重大的理论研究，而且对解决现实生产中的问题也具有重要的意 义。本文主要研究化工生产过程的分馏生产过程产品质量评价与分析。 ( 1 )用力控组态软件对某炼油厂催化裂化生产过程进行组态仿真，为产品质 量评价及智能分析奠定基础。在第三章较系统地介绍了如何利用力控组 态软件对催化裂化生产过程进行组念仿真。 ( 2 )采用效用函数与神经网络相结合的方法，进行产品质量评价。在第四章 详细介绍了基于平均水平的效用函数与神经网络之间的结合及其在分馏 生产产品质量评价中的应用。 ( 3 )将模糊技术与神经网络相融合，实现了对产品质量的智能分析。在第五 章详细介绍了模糊神经网络的设计及其在分馏生产产品质量智能分析中 的应用。 ( 4 )建立d c s 与上层开发软件之间的数据接口。在第六章详细介绍了动态数 据交换的原理和如何实现在d c s 与产品质量评价与分析之间的动念数 据交换。 第二章分馏生产过科产品质鼙评价及智能分析系统结构 第二章分馏生产过程产品质量评价及智能分析系统结构 本章主要介绍系统的运行环境、软件结构。 2 1 系统运行的环境 2 1 1 系统的硬件环境 系统的硬件配景：赛杨7 3 3 m h z 、1 2 8 m b 内存、3 0 g b 硬盘，1 2 8 m b 显存，三星 1 5 寸彩显。 2 1 2 系统的软件环境 w i n d o w s2 0 0 0 、力控组念软件、m a t l a b6 1 、v i s u a lc + + 6 o 1 ) 本系统采用w i n d o w s2 0 0 0 作为系统软件，其他丌发软件安装于该系统下。 2 ) 采用力控组念软件对某炼油厂的催化裂化进行d c s 组态仿真。 3 ) 采用m a t l a b 6 1 软件丌发产品质量评价及其智能分析软件。 4 ) 采用v i s u a lc + + 6 0 对m a t l a b 丌发的上层软件( 即产品质量评价于分析软件) 进 行编程，以更方便于用户的使用。 2 2 系统结构 2 2 1 系统总体结构 实时数据库中的数据通过底层控制站的i o 被采集到d c s 操作站，并存储到i m s 信息管理站的数掘库单，p c 上位机通过从数据库中读取实时数据，并将评价分析后的 结果返回到d c s 。如图2 1 所示。 d c s 操作员站 d c s 控制站 i 生产过程 幽2 1 】 ；! f 个系统的结构示意圈 第二章分馏生产过烈产晶质簧评价及智能分析系统结构 22 2 应用软件的结构示意图 用于对产品质量评价和智能分析的上位机，从实时数据库中提取相应的数据作为产 品质量评价软件的输入，经评价后显示评价结果，通过智能分析软件分析引起产品质量 不f 常的原因，并将分析结果反馈到d c s 以指导操作。如图2 2 所示。 图2 2 应用软件的结构示意图 4 第二章_ i 化催化裂化生产过程组态仿真 第三章石化催化裂化生产过程组态仿真 3 1 工业监控组态软件介绍 3 1 1 监控组态软件的发展 组念的概念最早来自英文c o n f i g u r a t i o n ，含义是使用软件工具对计算机机软件的各 种资源进行配置，达到使计算机或软件按照预先设置，自动执行特定任务，满足使用者 要求的目的。 在控制系统中使用的各种仪表中，早期的控制仪表是气动p i d 调节器，后来发展 为气动组合仪表，2 0 世纪5 0 年代后出现电动单元组合仪表和直接数字控制系统。7 0 年代中期随着微处理器的出现，诞生了第一代集散控制系统( d i s t r i b u t e dc o n t r o ls v s t e m ， d c s ) 。目前，d c s 和其他控制设备在全球范围内得到了广泛应用。 监控组态软件是面向监控与数据采集( s u p e i s o r yc o n t m l a n dd a t a a c q u i s i t i o n ， s c a d a ) 的软件平台工具，具有丰富的设置项目，使用方式灵活，功能强大。监控组 态软件最早出现时，h m i ( h u m a j lm a c h i n ej n t e r f a c e ) 或m m i ( m a nm a c b i n ej n t e r f a c e ) 是 其主要内涵，即主要解决人机图形界面问题。随着它的快速发展，实时数据库、实时控 制、s c a d a 、通信及联网、丌放数据接口、对i o 设备的广泛支持已经成为它的主要 内容。 监控组念软件【9 】是随着计算机技术的突飞猛进发展起来的。6 0 年代虽然计算机丌始 涉足工业过程控制，但由于计算机技术人员缺乏工厂仪表和工业过程的知识，导致计算 机工业过程系统在各行业的推广速度比较缓慢。7 0 年代初期，微处理器的出现，促进 了计算机控制走向成熟。首先，微处理器在提高计算机能力的基础上，大大降低了计算 机的硬件成本，缩小了计算机的体积，很多从事控制仪表和原来一直就从事工业控制计 算机的公司先后推出了新型控制系统。这一历史时期比较有代表性的就是美国 h o n e v w e l l 公司推出的世界上第一套d c st d c 2 0 0 0 。而随后的2 0 年问，d c s 及其计算 机控制技术趋于成熟，得到了广泛的应用，d c s 也具有了较丰富的软件，包括计算机 系统软件、组态软件、控制软件、操作章软件以及其他辅助软件( 如通信软件) 等。随 着组念软件的发展，出现了一些国际上比较知名的组态软件如f i x 、w i n c c 等。 组念软件之所以r 渐得到用户的认可，主要用以下两个原因：个人计算机操作系统 f 1 趋稳定可靠，实时处理能力增强且价格便宜；个人计算机的软件及开发工具丰富，使 组念软件的功能强大，开发周期相应缩短，软件升级和维护也较方便。 3 1 2 组态软件的特点 组念软件最突出的特点是实时多任务【m l 。例如，数据采集与输出、数据处理与算 法实现、图形显示及人机对话、实时数据的存储、检索管理、实时通信等多个任务要在 同一台计算机上同时运行。同时它还有接口开放、使用灵活、功能多样、运行可靠的特 点。 3 1 3 组态软件主要解决的问题 组念软件的使用者是自动化工程设计人员，组态软件的主要目的是使使用者在生成 第三章ii 化催化裂化生产过程绸态仿真 适合自己需要的应用系统时不需要修改软件程序的源代码。组念软件主要是解决下面的 问题： 1 ) 如何与采集、控制设备问进行数据交换； 2 ) 使来自设备的数据与计算机图形画面上的各元素关联起来； 3 ) 处理数据报警及系统报警； 4 ) 处理历史数据并支持历史数据的查询； 5 ) 各类报表的生成和打印输出； 6 ) 为使用者提供灵活、多变的组念工具，可以适应不同应用领域的需求； 7 ) 最终生成的应用系统运行稳定可靠： 8 ) 具有与第三方程序的接口，方便数据共享。 从以上可以看出，组态软件具有实时多任务、接口丌放、使用灵活等特点。 3 1 4 监控组态软件在自动监控系统中所处的地位 在一个自动监控系统中，投入运行的监控组念软件是系统的数据收集处理中心、远 程监视中心和数据转发中心，处于运行状念的监控组念软件与各种控制、检测设备( 如 p l c 、智能仪表等) 共同构成快速响应控制中心。 3 2 石化催化裂化生产过程组态仿真 本文对石化催化裂化生产过程组态仿真是采用的三维公司力控组念软件。主要包括 以下3 个部分：d r a w ( 人机界面组态) 、d b ( 实时数据库) 、v i e w ( 图形界面运行系统) 。 3 幺1 人机界面组态 力控软件中的图形开发环境( 或界面工具) 是d r a w 。d r a w 是集成的丌发环境，是 功能强大的人机界面组态工具，它使用面向对象的图形对象创建动画式显示窗口。这些 窗口的数据、图形显示内容可以来自过程i o 或第三方应用程序。自动化工程的所有操 作画面，包括流程画面都是在图形开发环境下制作、生成的。 3 2 1 1 实时趋势 实时趋势是变量或表达式的值随时间变化所绘出的二维曲线。一个实时趋势所关联 的所有过程变量的趋势数据不被保存在磁盘上，因而不能按照时间翻页浏览。属性包括 数据采集周期、时间长度、时间刻度数、区势笔的定义、笔的颜色、笔的线宽、量程刻 度数、刻度的颜色和时间标签等。 3 2 ，1 2 历史趋势 历史趋势是变量值在过去一段时间变化所绘出的二维曲线。一个历史趋势所关联的 所有过程变量的趋势数据均被保存在磁盘上，因而能按照时间翻页浏览。属性包括数据 源的指定、数据采集周期、时间长度、时间刻度数、区势笔的定义、笔的颜色、笔的线 宽、量程刻度数、刻度的颜色和时间标签等，如图3 一l 、图3 2 所示。可以在实时数据 库组态程序中设置每个历史点的存盘精度和历史数据保存天数。 趋势图横坐标为肘间，纵坐标为变量或表达式的值。每个趋势图最多能显示八支笔， 可以灵活地指定趋势图的外观尺寸，如可以象处理其它图形对象那样指定趋势图位置、 尺寸、颜色，还可以对趋势图显示的时间范围、数值范围、网格数量、颜色、刻度数、 第三章i i 化催化裂化生产过程组态仿真 采样周期和趋势笔进行指定。可以对趋势图加控制对象。 剀3 1 历史趋辨组杰界面之一 幽3 2 历史趋势组态界面之二 3 2 1 _ 3 历史报表 历史报表是一个或多个变量在过去一段时间间隔内按照一定的抽样频率获取的历 史数据的列表。属性包括数据源的指定、变量的指定、历史数据的丌始时间、数据采样 图3 3 历史报表 第二章i 化催化裂化生产过样组态仿真 幽3 4 历史报表的组态界面 间隔及采样时刻的数据类型( 瞬时值，平均值最大最小值) 、数据显示的颜色、背景色、 位置、宽度等，如图3 3 、3 4 所示。 历史报表提供了一种浏览和打印历史数据和统计数据的工具。对历史报 表可进行手工或自动打印。历史报表从数据库中按照一定的采样方式获取一 个或多个点的历史数据，以表格的形式显示出来。 3 2 1 4 总貌 总貌是对实时数据库中某一区域或区域中某个单元中所有点的信息的集中显示，其 内容包括变量名、当前值、报警状态、点说明、工程单位等，如图3 - 5 所示。 幽3 5 总貌对象 图3 ，6 总貌的组态界面 总貌组态时需考虑一些关键参数：数据源、区域号、单元号等，如图3 6 所示。本 课题中采用了三个区域，反应再生部分、分馏部分和吸收稳定部分分别定位为o 、i 、2 区域。 第三章_ i 化催化裂化生产过程组态仿真 3 2 1 5 动画连接 动画连接建立画面中图形对象与数据变量或表达式的对应关系。建立了动画连接 后，当图形界面运行程序v i e w 启动并建组态数据装入计算机内存后，图形对象的动画 属性可以根据数据变量或表达式的变化，按动画连接的要求( 如改变其颜色、大小等) 进行改变，如图3 7 所示。 ( 8 ) 图3 7 动画连接对话框 3 2 2 实时数据库组态 先进的监控组态软件都有一个实时数据库作为整个系统数据处理、数据组织和管理 的核心。实时数据库可以存储每个工艺点的多年数据，用户既可浏览工厂当前的生产情 况，又可查询过去的生产情况。 3 2 2 1 实时数据库的特征 实时数据库的一个基本特征就是与时间相关性，具体体现在： 1 数据与时间相关 按照与之相关的时间的性质可分为2 类： 1 ) 时间本身就是数据，即从“时间域”中取值( 如“数据采集时间”) 。它属于用 户定义的时问。 2 ) 数据的值随时间而变化。 2 实时事务有定时限制 表现在数据和事务的定时限制上。 首先是实时数据库的数据特征。在实时数据库中，数据随外部环境状态的变化而快 速变化，其值只在一定的时间内有意义，过时则无效。 其次是实时数据库的事务特征。如，若温度达到1 0 0 0 0 c ，则在l s 内发出报警信息。 定时性有两方面的含义：( 1 ) 定时限制，即事务的执行有显式的时限，如指定的丌 始时间、截止时间等；( 2 ) 定时正确性，即事务能按指定的时间要求正确执行。 3 2 2 2 实时数据库系统的功能 传统的数据库管理系统的设计目标是维护数据的绝对正确性，保证系统的低成本、 提供友好的用户接口。这种数据库系统对传统的商务和事务性应用是有效的，然而它不 第三章7 讹催化裂化生产过群组态仿真 适合实时应用。关键在于它不考虑与数据及事务相联的定时限制，其系统的性能指标是 吞吐量和平均响应时间，而不是与数据及事务相联的定时限制。 与之相反，实时数据库管理系统的设计目标首先是对事务定时限制的满足。其基本 原则是：宁要部分f 确而及时的信息，也不要绝对正确但过时的信息。系统性能指标是 满足定时限制的事务的比率。因此，除了一般数据库管理系统功能外，个实时数据库 管理系统还具有以下3 个功能特性。 】) 数据库状念的最新性，即尽可能地保证数据库的状态是不断变化的现实世界当 前最真实状态的映像。 2 ) 数据值的时问一致性，即确保事务读取的数掘是时间一致的。 3 ) 事务处理的“识时”性，即确保事务的及时处理，使其定时限制尤其是执行的 截j r 期得以满足。 因此，实时数掘库管理系统是传统数据库管理系统与实时处理两者功能特性的完善或无 缝集成。它与传统得数据库管理系统的根本区别就在于具有对数据与事务施加和处理定 时限制的能力。实时数据库功能体现在数据处理功能、并发处理功能、在线组态查询功 能和对外丌放功能等方面。 3 2 2 3 实时数据库组态 3 2 2 3 i 数掘点组态 点是实时数据库系统保存和处理信息的基本单位，它存放在实时数据库的点名字典 中。进行点组态时通常用力控提供的标准点类型进行组态。力控提供的标准点类型有5 种，分别是：模拟i 0 点、数字i o 点、累计点、控制点、运算点。在创建新点时首先 要选择点类型及所在区域，如图3 8 所示。同时设置各点的相应参数，如图3 9 所示。 图3 8 点所在的区域及类型 0 第二章ii 化催化裂化生产过程组态仿真 幽3 9 点的参数殴置 3 2 2 3 2 历史数据库组态 将实时数据库中点参数值的变化过程保存下来，形成历史数据。通过历史数据库组 念工具，可以指定哪些点的哪些参数需要保存为历史数据，以及历史数据的记录精度和 保存时间等信息。 3 2 2 3 3 数据连接组念j 实时数据库中的过程数据主要来自过程数据采集和第三方采用d d e 或o p c 协议的 程序，或者通过数据库控件访问得到的第三方应用程序数据。数据库中的点和点参数正 是通过这些i o 设备与外部数据源建立连接以获取过程数据的。数据连接组念过程的主 要任务是，将数据库中具体的点和点参数与i 0 数据源中某一具体数据项建立映射关系。 当这一关系建立后，数据库中的点和点参数才与来自i o 设备或第三方应用程序的数据 源建立了一个数据链路。在本课题中，在实现力控组态软件与m a t l a b 软件之间实时 传输数据时，是通过e x c e l 作为中间件用d d e 来实现的。具体的实现方式在第六章 中将详细介绍。图3 1 0 是力控与e x c e l 之间通过d d e 连接的简单介绍。 圈3 1 0 数据连接 第三章ti 化催化裂化生产过程组态仿真 32 3 图形界面运行系统 根据某石化催化裂化生产操作规程和实际的数据报表，设置相关参数的数据。当转 入系统运行环境下时，图形目标应用系统被图形界面运行程序装入计算机内存投入实时 运行。在运行环境下，部分组态界面如图3 1 l 1 5 所示。 幽3 1 l 反应再生部分运行界面 圈3 1 2 分馏部分运行界面 第二章4i 化催化裂化生产过程组态仿真 幽3 1 3 吸收稳定部分运行界面 图3 1 4 历史趋势曲线部分运行界面 第三章_ i 化催化裂化生产过程纽态仿真 幽3 1 5 总貌部分运行界面 幽3 1 6 历史报表部分运行界面 1 4 第三章7 l f 七催化裂化生产过程纽态仿真 3 3 本牵小缝 1 对工业监控缰念软馋豹发餍、姆点、赝解决款主要阚题，及在童动监控系统中爨处 的地位做了简单的介绍。 2 较系统琵介绍了如俺秘丽力控缀态软件实现对巢石纯穰纯裂优生产过程迸行组态优 真，为上层软件的开发及分馏生产过程产品质量的评价及智能分析奠定了基础。 第四章基丁神经网络的分馏生产过程产鼎质量评价 第四章基于神经网络的分馏生产过程产品质量评价 4 1 分馏生产过程工艺流程简介 催化裂化在石油二次加工中具有十分重要的经济地位，其操作状况直接关系到石油 炼制的轻油产品回收率，从而影响整个炼油厂的经济效益。 催化裂化的基本组成部分可分为反应再生、分馏和吸收稳定三个子系统，这是一个 非线性、时变、强耦合、大干扰分布参数和大时滞的复杂系统。它的最终目标是实现平 稳操作和产品合理分配。催化裂化原料油经换热后回炼油与回炼油浆混合，进入提升管 反应器与再生后的催化剂相混合进行裂化反应，反映温度控制在5 0 0 0 c 左右。反应油气 经沉降器分离后进入分馏塔底部，首先与循环油浆接触进行脱过热并洗去油气中携带的 部分催化剂，然后在塔的中上部分进行分馏。富气与粗汽油从塔顶引出，进入油气分离 器分离成富气和粗汽油，再进入吸收稳定系统分离成千气、气态烃和稳定汽油等。轻柴 油自塔的1 4 层抽出。 反应再生部分是催化裂化的核 心，直接决定了反映油气的产品分 布，而分馏塔的操作直接影响分离 的效果。因此在催化裂化中分馏系 统是一个重要环节。如图4 1 所示， 分馏塔由两部分组成：9 层人字形 挡板组成的脱过热段，用于冷却并 洗涤反应油气；2 9 层浮伐塔盘组成 的精馏段，用于分馏。反应沉降器 来的过热混合油气进入分馏塔的底 部，向上通过各层人字形挡板与返 塔的循环油浆逆向接触，脱去过剩 热量，并冲洗混合油气携带过来的 催化剂。塔底通入搅拌蒸汽，防止 结焦。反应油气通过脱过热段后进 入精馏段，在此期间根据油气组分 圈4 1f c c u 的分馏塔工艺流程简图 物理性质的不同进行分离，分别从相应的塔盘抽出回炼油、轻柴油，塔顶抽出油气，经 冷凝冷却后分为富气和粗油气，从而初步得到催化裂化的初步产品。 4 2 影响产品质量的主要因素 根据某炼油厂的实际情况，催化裂化装置分馏部分主要产品质量指标参数是粗汽油 干点和轻柴油凝固点，结合生产操作规程和专家的实际经验，影响该二产品质量的主要 因素有： 1 ) 塔顶温度； 1 6 第四章基丁神经网络的分馏生产过程产品质量评价 黼兰。： 第四章基丁神经网络的分馏生产过程产品质耸评价 l 厂瓤。 fff x i x ， x m 幽4 3h a m m i n g 神经网络模刑 总之，在诸多的神经网络评价模型中，由于b p 神经网络结构简单，能够以任意精 度映射样本，且具有很好的泛化能力。训练收敛之后，进行识别时计算量较小，速度较 快，因此得到非常广泛的应用。 4 4 基于神经网络的评价方法的特点 基于神经网络的评价方法具有以下特点： 1 ) 它主要是根据所提供的数据，通过学习和训练，找出输入和输出之问的内在关 系，从而求取闯题的解，而不是依据对问题的经验知识和规则，因而具有自适 应功能，这对于弱化权重确定中人为的因素是十分有益的。 2 ) 能够处理那些有噪声或不完全的数据，具有泛化功能和很强的容错能力。 3 ) 实际综合评估往往是非常复杂的，各个因素之间相互影响，呈现出复杂的非线 性关系，人工神经网络为处理这类非线性问题提供了强有力的工具。 4 4 基于神经网络的产品质量评价 4 4 1 产品质量评价原理介绍 随着科学技术的进步，人们所研究的对象越来越复杂，无论在技术经济领域，还是 在企业综合经济效益评估、工程项目决策中，一般地说，评价某一项目的优劣，同时要 考虑许多因素，诸多分指标，这些分指标互相联系，相互影响，构成了综合评价指标体 系。对多指标综合评估方法的研究，近年来取得很大成绩。但是如何在决策评价过程中， 对具有不同量纲，代表不同类型和物理含义的分指标建起归一到某一区间而又最大程度 地反应被评估对象的真实水平；如何确定综合评估中各指标的权数又尽可能排除人为的 因素的影响，这些问题有待进一步探讨。本课题采用的基于神经网络的评价方法，试图 在上述两方面做些工作，取得了满意的效果。 如图4 5 所示，输入参数为：分馏塔塔顶温度、轻柴油抽出层温度、反应处理量、 分流塔塔顶压力；神经网络的输出为粗汽油干点、轻柴油凝固点的量化值。输入参数在 进行神经网络算法之前，先用效用函数处理，使其转化为在( 11 ) 之间的无量纲值l j “， 第四章基丁i 神经网络的分馏生产过程产品质域评价 然后用事先经过训练后的神经网络1 8 1 计算出输出值，再按一定的评价原则得到评价结 果。 釜匝五h 亟瓶一酽 幽4 5 产品质量评价模刑 4 4 2 效用函数的构成 在产品质量评价过程中，由于各参数指标具有不同的量纲且类型不同，故指标问具 有不可共度性，难以进行直接比较，因此，在综合评价前必须把这些分指标按某种效用 函数归一化到某无量纲区间【1 9 1 。显然，构造不同的效用函数将直接影响最终的评价 结果。因此效用函数的构造是十分重要的。目前功效函数大多采用 0 ，1 】区问方法。这种 转换方法存在三个问题：一是有效转换区缩短为k 6 】，且1 6 d o ；二是当某一参数中 出现次最小值远大于最小值时，实际有效转换区将进一步大大缩短，严重影晌转换精度： 三是 o ，1 方法中评价不能体现“奖优罚劣”原则，( 所谓罚就是指对低于平均水平的分 指标，其转换后功效函数值应为负数) 。为此，本文使用如下基于平均水平上的效用函 数。 记第个参数z ，的平均值为： 虿= ( ，) 眠，= i ，2 ，n t 2 i 记中问变量 m ，：；孚 j z ，i 转换到 一l ，1 区间上的效用函数 l p 一7 ， l + p m 显然，捌是一条s 型曲线。注意到必反映了原始数据石偏离平均值r 的程 度。当= f ，则埘沪o ；当x i _ ，则a 9 0 ，且r ，随尬的增长非线性递增。 从上述转换可以看到，本方法和一般归一法处理方法不同。当原始值大于其平均值 时，经转换后其效用函数值大于0 ，原始值越大，效用函数值越大；当原始值是4 倍以 上平均值时，效用函数值接近“饱和”。这样处理的好处是为了防止某一参数指标函数 值过大，从而左右整个综合指标。同样，当原始值小于平均值，该项分指标效用函数值 不仅不加分，相反还扣分，因此，其效用函数值取负，以体现“奖优罚劣”。 4 43b p 网络误差反向传播的基本思想1 在b p 网络具有对某一样本的评价功能之前，必须对其进行训练，即向初始化之后 的b p 网络提供学习样本( 包括输入单元的活性模式和期望的输出单元活性模式) ，网 络首先前向计算出某一输入单元活性模式的实际输出活性，并使之于该输入的期望活性 第四章基丁神经网络的分馏生产过稗产品质量评价 比较，将个输入样本的活性和期望活性差值的平方定义为误差。其次改变网络中所有 连接权值以减小误差，针对每一个样本重复训练，直到网络对学习样本的实际输出与期 望输出之间的误差小于允许值。 4 4 4 基于神经网络的产品质量评价原理 y + o l 0 ， 幽4 6 人r 神经元模刑幽4 7 州丁多指标综合评价的三层b p 神经网络 人工神经网络是由大量的被称为神经元的节点构成的系统。典型的人工神经元模型 如图4 6 所示。 s ，：窆出，+ z ，。：q ，扣：一i ) ，= 0 v i = 埯、 其中e 称为闽值，u 称为连接权系数，( ) 为变换函数。 本文取如图4 7 所示的三层b p 网络作为多指标综合评价网络模型。第一层为输入 层，共有m ( 本文取m = 4 ) 个节点，分别输入经效用函数转化后的第i 个被评对象的各分 指标效用函数值r “，i _ l ，2 ，n ；j = 1 ，2 ，m ，第二层为隐节点层，隐节点数没有统一的规则， 根据具体对象而定( 本文耿8 个节点) ；第三层为输出层( 取2 个节点) 。 神经网络量化的输出结果按照一定的评价原则进行评价，得到评价结果。这里我们 采用下面的评价原则： f 偏低 。“，= 1 i 潸 i 偏高 一l d 。 一o 5 3 7 一o 5 3 7 d t 0 5 3 7 o5 3 7 0 i l 这罩口“，表示评价结果，仉表示神经网络第七个输出参数的量化输出值。 设给定l 对输入输出样本，利用该样本对b p 网络的连接权系数进行学习和调整， 以使该网络实现给定的输入输出关系。经过训练的b p 网络，对于不是样本集中的输入 也能给出合适的输出，即神经网络具有方法性质( g e n e r a l i z a t i o n ) 。 已经证明，三层b p 网络可以实现多维单位立方体酽到r n 的映射。”“”( 多指标评价 问题本质上是r - 输入到r “输出的映射) ，故只需给定合适的样本，可以利用神经网络实 现多指标综合评价，其结果是令人信服的，它克服了人为确定权重的困难等，这是一种 智能综合评价方法。 4 4 5 产品质量评价程序流程图 第四章基丁神经网络的分馏生产过程产品质苗评价 图4 8 所示是产品质量评价神经网络的训练流程图，图4 9 是训练之后的神经网络 用于产品质量评价的流程图。 训l 练时，首先对网络初始化，即对神经网络的权值、各节点的阈值、误差允许值 ( e r rg o “) 、最大训练次数进行初始化。将样本的输入输出经效用函数量化后作为神经 网络的输入和期望输出，分别计算出各隐含层神经元的激励输出和各输出层神经元的激 励输出，由神经网络输出层的激励输出与期望输出计算误差( e ) ，然后进行误差反向 传播，调整各层之间的权值以及各节点的阈值。直至所有样本学习完并且满足误差要求 圈4 8 产品质量评价神经网络训练流程图 尽管含有隐含层的神经网络能实现任意连续函数的逼近，但在训i 练过程中如果一些 参数选取的合适，可以加快神经网络的训练，缩短神经网络的训练时间和取得满意的训 j 韭坚蔓兰塑塑丝塑竺塑坌塑尘兰塾型兰曼堕墼堡堕 练结果。对训l 练过程有较大影响的是权系数的初值、学习速率等。 1 ) 权系数的初值一般情况下，权系数通常初始化成小的随机值，尽量可能覆盖整个 权阵的空间域，从而可以避免出现初始权值系数相同的情况。 2 ) 学习速率一般来说，学习速率越大，收敛越快，但容易震荡；而学习速率越小， 收敛越慢。 输入参数 j r 效州幽数鼙化 ， 调川权值、闽值 求隐含层并1 y 点输出 上 求输出层备节点输出 ( ) d 1 + o 口2 + o d i 输入层 隐含层 输山层 图4 1 0 三层b p 神经网络 图4 - 9 产f i ! f 质螭评价鹿川流程幽 4 4 6 三层b p 网络学习算法“3 1 为了使b p 网络具有某种功能，完成某项任务，必须调整层问连接权值和节点阈值， 使所有样本的实际输出和期望输出之间的误差稳定在一个较小的值以内。在训练b p 网 络的算法中，误差反向传播算法是最有效最常用的种方法。 三层b p 网络结构图如图4 1 0 所示。图中所示的三层b p 网络的学习分为正向传播 输出和反向传播修正权值两阶段。 1 f 向传播输出 1 ) 输入单元 d = ， f = 1 ，2 ，聊 2 ) 隐含层单元 o = ，坼e | q ) ，j = 1 2 ，n 删= m f d p 州，j 2 1 ，2 ，玎 t = i 3 ) 输出单元 = ( 胛p ) ，七= 1 ，2 ， ( 4 - 1 ) ( 4 - 2 ) ( 4 - 3 ) ( 4 4 ) 笙婴主墨王塑丝婴墅竺坌塑尘苎：塾矍兰曼星塑篓堕 删一= m 肛d 一十岛， 尼= 】，2 ，7 ( 4 5 ) ，= i 2 反向传播修正权值 输出层至隐层权值和输出神经元阂值修改 珊业( f + 1 ) = 国业o ) + 叩，仃m d 椤。( f + 1 ) = 目t ( r ) 十，7 ，仃肼 输入层至隐层的权值茅隐层神经元的闽值修改 珊，( ，+ 1 ) = 。( ，) + 叩，盯埘 矽，o + 1 ) = 嘭( ，) + 矾盯。 其中，目，为学习速率，o 为节点误差且有： 盯肚= p 肿一d 肚_ ) d 肚( 1 一d 肚) ( 4 7 ) ( 4 8 ) ( 4 - 9 ) ( 4 1 0 ) 盯。= 【l 一归肚( 4 1 1 ) rf、 ，7 ，2 1 1 _ 再面j ( 4 0 2 ) no 表示初始步长；t 表示总的迭代次数；m 是任意大正数。 3b p 算法的改进 b p 算法实质1 2 4 埏把一组样本输入输出闯题转化为一个非线性优化问题，并通过梯 度算法利用迭代运算求解权值问题的一种算法。已证明具有s i g m o i d 非线性函数的三层 前向网络可以任意精度逼近任何连续函数，但b p 算法仍存在易形成局部极小，收敛速 度慢，学习效率不足等。采用适当的改迸算法可以大大提高b p 神经网络的收敛特性。 本文采用冲量法改进b p 算法。 冲量算法权闽值调整公式对应( 4 6 ) 、( 4 7 ) 、( 4 _ 8 ) 、( 4 9 ) 改为 6 o + 1 ) = 如k ( f ) + 哺女g ! 町+ 慨( f ) 一q 一1 ) j ( 4 - 1 3 ) 吼o + 1 ) = b o ) + 叩，盯时+ 口$ l g ) 一吼( f 一1 ) r 国。( f + 1 ) = 口( ，) + 吼盯埘o + 口b f ( f ) 一脚f ( ，一1 ) j 口，( f + 1 ) = q ( f ) + 叩，盯。+ 口l g ( f ) 一嘭。一1 ) j 口( o ，1 ) 表示动量因子 ( 4 一1 4 ) ( 4 一1 5 ) ( 4 一1 6 ) 第四章基丁神经网络的分馏生产过程产晶质鼙评价 44 7 训练与结论 根据某炼油厂的实际生产数据和操作规程建立了样本库，见表4 1 。 该神经网络隐含层神经元采用t a n g s i g 变换函数，输出层神经元采用p u r e l i n 变换函 数，最大的允许误差为0 0 0 1 ，动量因子为0 3 ，经过3 4 7 次学习后收敛。 表4 1 神经网络训练样本 分馏塔塔顶轻柴油抽山层反映处理始分馏塔塔顶压 粗气油干点轻柴油凝俐 温度( )温度( ) ( “h ) 力( m p a ) ( ) 点( ) 1 0 71 7 21 0 50 0 5 11 7 8 81 2 7 1 0 5 41 7 09 8o 0 4 5 1 7 8 213 3 1 0 5 17 09 7o0 4 51 7 8* 3 5 1 1 251 7 81 2 7 o 0 6 71 8 11 0 5 1 0 7 61 7 21 0 7 0 0 5 31 7 8 8】2 6 1 1 0 17 51 1 70 0 61 8 0 1 15 1 0 6 1 7 l1 0 1o 0 4 81 7 8 4 1 3 1 1 1 0 41 7 4 61 1 8o 0 6 1 1 8 0 21 1 3 1 0 81 7 3l o 9o 0 5 4 1 7 9 21 2 3 1 1 5 1 8 01 3 70 0 7 51 8 2 9 5 1 1 3 61 7 8 51 3 1 o 0 718 1 41 0 1 1 l l1 7 61 2 1o 0 6 3 1 8 0 41 1 1 1 0 6 4 1 7 11 0 10 0 4 91 7 8 5 1 3 1 1 31