（控制理论与控制工程专业论文）纯碱生产碳化工艺过程建模与优化控制.pdf

摘要 摘要 纯碱是重要化工原料，广泛用于现代商品生产，在整个国民经济的发展中占 有重要的地位。碳化过程是制碱工艺的中心环节，是一个具有气、液、固三相参 与的，包括吸收、反应、结晶、流动等物理化学过程的复杂过程。因此，对纯碱 碳化过程建模与优化控制的研究，对于改善结晶品质，提高产品质量具有重要意 义。 在纯碱生产的碳化过程中，由于塔内的反应机理复杂，涉及到的变量较多， 各种反应原料都会受到其它工序的相互牵制，从而导致在实际生产过程中，塔中 各原料的波动频繁，加上设备老化、负荷变化，使得在实际生产过程中，物料的 利用率普遍不高，产品质量和产量也不理想，且工人的劳动强度也较大，为解决 此一系列问题，本文提出了针对纯碱生产碳化工艺过程的建模与效能优化。根据 塔内的主要反应，即二氧化碳的吸收和氨的解吸、碳化塔中下部碳酸钠的生成以 及碳酸氢钠结晶析出和结晶成长的过程，提出了一种控制碳化塔的中上部温度和 出碱液温度的建模与优化控制。由于神经网络强大的非线性逼近能力，本文应用 神经网络建立起碳化塔温度与流量的复杂非线性模型，使模型符合碳化塔目前运 行特性，并以此模型为基础，通过微粒群优化算法快速寻优到一组最优运行参数， 并将此参数用于控制执行机构，从而将碳化塔的中上部温度稳定在理想值，以充 分利用原料，使生产的波动降低。 本文对于纯碱生产的碳化过程的建模与优化控制进行了研究，具体内容包括： ( 1 ) 对纯碱生产过程和碳化工艺原理进行简要概况分析；并提取碳化过程的一些 关键工艺参数；碳化过程建模与优化控制设计；( 2 ) 标准微粒群算法原理的介绍； 详细阐述了二次微粒群优化算法及其参数自适应选择；讨论了对碳化塔的控制量 的优化问题；( 3 ) 基本e l m a n 神经网络的介绍；p i d 神经元的研究；并详细讨论 了e l m a n 神经网络的改进及建模算法，同时对神经网络的训练算法进行了研究； 然后建立了一种基于微粒群优化算法和神经网络的建模算法，并将二次微粒群优 化算法应用于优化e l m a n 神经网络权值和碳化模型的寻优上；( 4 ) 对纯碱碳化过 程的进行流量与温度的建模与优化进行了仿真验证。 i 广东工业大学硕士学位论文 本文对纯碱生产碳化工艺过程进行了分析和探讨，对非线性复杂系统的建模 方法进行了研究，对广泛得到应用的神经网络算法进行改进，并通过仿真验证该 算法的优越性。在最优化问题也进行了一定深度的探讨，研究了一种改进的微粒 群算法，并通过仿真应用到纯碱生产碳化过程的寻优问题上。本课题所取得的成 果具有一定的工程应用指导价值，为复杂非线性系统在建模与优化方面的进一步 工程实用方面的研究提供了一定的参考价值。 关键词：纯碱；碳化塔；系统辨识；优化；神经网络；微粒群算法 i i a b s t r a c t a bs t r a c t t h es o d ai st h ei m p o r t a n ti n d u s t r i a lc h e m i c a l s ，a n di sw i d e l yu s e dc o n t e m p o r a r y c o m m o d i t yp r o d u c t i o n ，a n di sl i v i n gi nt h ee n t i r en a t i o n a le c o n o m yd e v e l o p m e n tt o p a s s e st h es i g n i f i c a n tp o s i t i o n t h ec a r b o n i z i n gp r o c e s si s t h ek e yp r o c e s si ns o d a i n d u s t r y , w h i c hi sac o m p l e xp r o c e s so fc h e m i c a lp r o c e s s e st h a tm i x 嘶mg a s ，l i q u i d a n ds o l i d ，i n c l u d i n ga b s o r p t i o n , r e a c t i o n , c r y s t a l l i z a t i o n ，a n do t h e rp h y s i c a lm o v e m e n t i ti si m p o r t a n tt om o d e l i n ga n do p t i m i z i n gt h ec a r b o n a t i o no ft h es o d aa s hp r o c e s sf o r i m p r o v i n gt h eq u a l i t ya n dp r o d u c t i o no ft h ea l k a l i b e c a u s eo ft h ec o m p l e xo ft h ec a r b o n i z i n gi ns o d ap r o c e s s ，i ti sv e r yd i f f i c u l tt o m o d e lam e c h a n i s t i cm o d e lf o rt h ec a r b o n a t i o np r o c e s s i nt h i sp a p e r , w ed i s c u s st h e m e t h o do fm o d e l i n ga n do p t i m i z i n gf o r t h ec a r b o n a t i o np r o c e s s ，i n c l u d i n g ：( 1 ) ab r i e f o v e r v i e wa n da n a l y s i so ft h ec a r b o n a t i o no ft h es o d aa s hp r o d u c t i o np r o c e s s ；e x t r a c t i n g s o m eo ft h ek e yp r o c e s sp a r a m e t e r so ft h ec a r b o n a t i o np r o c e s s ；t h ed e s i g no fm o d e l i n g a n do p t i m i z a t i o nc o n t r o lf o rc a r b o n a t i o np r o c e s s ；( 2 ) i n t r o d u c t i o no ft h es t a n d a r d p a r t i c l es w a r mo p t i m i z a t i o n ；d i s c u s s e st h eq u a d r a t i cp a r t i c l es w a r mo p t i m i z a t i o na n d i t sa d a p t i v ep a r a m e t e r s ；d i s c u s s e st h eo p t i m i z a t i o no ft h ec a r b o n a t i o n ；( 3 ) i n t r o d u c t i o n o ft h eb a s ee l m a nn e u r a ln e t w o r k ；r e s e a r c ho ft h ep i dn e u r o n ；i m p r o v e st h ee l m a n n e u r a ln e t w o r k ；( 4 ) s i m u l a t e st h em o d e l i n ga n do p t i m i z i n ga l g o r i t h mo ft h e c a r b o n a t i o np r o c e s s r e s u l t so ft h er e s e a r c h ：( 1 ) p r o g r a mt h en e u r a ln e t w o r km o d e l i n ga n dp a r t i c l e s w a r mo p t i m i z a t i o n ；( 2 ) s e tu pam a t h e m a t i c a lm o d e la b o u tf l o wa n dt e m p e r a t u r eo f t h ec a r b o n a t i o no ft h es o d ap r o c e s sb yu s et h ea l g o r i t h mo f ( 1 ) ；( 3 ) a p p l yt h eq u a d r a t i c p a r t i c l es w a r mo p t i m i z a t i o na l g o r i t h mt oo p t i m i z et h em o d e lo f ( 2 ) i nt h i sp a p e r , i th a sd e e p l yr e s e a r c ht h ec a r b o n a t i o no ft h es o d aa s hp r o c e s sa n dt h e s y s t e mi d e n t i f i c a t i o no ft h en o n l i n e a rs y s t e m i ti sp r o p o s e dan e we l m a nn e u r a l n e t w o r kw h i c hw i d e l yu s e df o rs y s t e mi d e n t i f i c a t i o n ,a n du s e p a r t i c l e s w a r m o p t i m i z a t i o na l g o r i t h mf o rt r a i n i n gt h en e t w o r k t h er e s u l to ft h es i m u l a t i o np r o v et h e i i i 广东工业大学硕士学位论文 v a l u eo ft h en e u r a ln e t w o r kf o rs y s t e mi d e n t i f i c a t i o na n dt h ep a r t i c l es w a r m o p t i m i z a t i o na l g o r i t h mf o ro p t i m i z i n g k e yw o r d s ：s o d ap r o d u c t i o n ；c a r b o n a t i o nt o w e r ；s y s t e mi d e m i f i c a t i o n ；o p t i m i z a t i o n ； n e u r a ln e t w o r k ；p a r t i c l es w a r mo p t i m i z a t i o na l g o r i t h m i v 广东工业大学硕上学位论文 独创性声明 秉承学校严谨的学风与优良的科学道德，本人声明所呈交的论文是我个人在 导师的指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以 标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，不包 含本人或其他用途使用过的成果。与我一同工作的同志对本研究所做的任何贡献 均已在论文中作了明确的说明，并表示了谢意。 本学位论文成果是本人在广东工业大学读书期间在导师的指导下取得的，论 文成果归广东工业大学所有。 申请学位论文与资料若有不实之处，本人承担一切相关责任，特此声明。 论文作者签字： 酗够( j l 彳钿瑚 第一章绪论 第一章绪论 1 1 本课题的研究背景及意义 1 1 1 课题背景 纯碱( n a 2 c 0 3 ) 是一种重要的基本化工原料，也是一种具有多年生产和使用 历史的传统化工产品，它广泛地应用于化学工业、农业、国防工业、建材工业、 制药工业、日用品工业、冶金工业以及造纸等诸多行业中，每年的需求量很大， 在国民经济建设中占有重要的基础地位，被誉为“化工之母 ，纯碱工业的发展好 坏直接关系到国民经济的发展和人民生活水平的提高。 纯碱生产是化学工业中最复杂的控制对象之一，其生产过程的特点是：生产 工艺流程长，连续性强，相互牵制的工序多；生产过程处理的气、液、固相的物 料流量大，且有氨循环和部分二氧化碳循环，变量之间有较强的变量关联性。近 年来，随着现场仪表检测与控制装置技术问题的逐步解决以及计算机控制系统的 广泛应用，纯碱生产过程已较多采用自动控制回路。 碳酸化反应是纯碱生产的基本步骤，机理较为复杂。碳化塔是整个纯碱生产 的核心单元，既有化学反应、传热、传质、结晶等多种过程，又有气、液、固三 相物质的存在，并且每塔又分为清洗和制碱两种状态，是既有连续，又有间歇的 复杂生产过程。其各项操作指标完成的好坏直接关系到产品产量和质量，从而影 响产品的成本和经济效益。由于碳化是多塔并联操作，各塔物料在流量关系上互 相耦合，内外干扰严重，静态、动态特性复杂，具有严重的非线性、时变性，因 此改善塔内各个关键工艺参数的控制品质，提高产品的质量和产量是纯碱厂的一 个重要课题。 目前，国内各碱厂碳化过程虽然大多已经采用计算机控制系统，如d c s 和 p l c 等【，】，但基本上还停留在常规仪表的手自动控制水平，对于控制点仍采用单 回路的手自动控制，控制品质取决于连续操作水平及操作员的人工经验，控制精 广东工业大学硕十学位论文 度较为粗糙，使得系统的控制精度不高，且由于操作员频繁的人工干扰使得系统 的波动较大，从而难以保证满负荷生产及产品的质量，原料的利用率、钠的利用 率、碳的转化率等普遍不高【2 】。本课题正是在此背景下分析研究了广州某制碱厂 目前现有的生产环境和操作条件，提出了对纯碱碳化过程关键工艺参数的建模与 效能优化。 1 1 2 研究意义 在纯碱生产的工艺中，碳化塔是其重要的生产环节，因为纯碱的主要化学反 应以及纯碱的生成都是集中在碳化塔内完成的。而在碳化塔内，从碳化塔上部的 气流两相反应，即二氧化碳的吸收和氨的解吸，到碳化塔中下部碳酸氢钠的生成， 以及碳酸氢钠结晶析出和结晶成长的过程是一个复杂的多相传质传热过程，气液 固三相存着相互联系、相互制约、相互促进的复杂关系。控制碳化塔内的吸收和 反应过程，直接的手段是控制碳化塔的中部温度、上部温度和出碱液的温度控制， 而出碱液的温度控制，只要碳化塔下部水箱的冷却系统的冷却效果足够强，就容 易做到的。因此，碳化塔的中上部温度控制的好坏，是衡量碳化过程控制品质的 主要标志。 然而，要想碳化塔的中上部温度能够稳定在理想值，使碳化塔运行于最佳工 况，首先就要了解碳化塔的当前特性，即建立符合碳化塔目前运行特性的模型。 以此模型为基础，通过一定的优化算法，在各运行参数的取值范围内，搜寻到一 个变量组合，使碳化塔在此组合的作用下，性能达到最优。 本课题来源于广东工业大学自动化学院与广州某制碱厂的合作项目。该厂目 前采用的是杭州和利时的d c s 系统，在碳化环节采用p i d 控制器，分别对中下 段气流量、中水和流量、出碱液流量、出碱温度等关键工艺参数的进行控制，但 各个控制器之间都是相互独立，并未考虑其间的相互耦合性，且生产过程波动频 繁，人工干预甚多，工人劳动强度大并且控制品质也比较差。从而导致出碱的产 量和品质不理想，碳的转化率和钠的利用也较低。为此，针对制碱厂目前的波动 频繁的生产工况以及纯碱产量不理想等生产实际现况，对纯碱碳化过程的关键工 艺参数的建模与优化控制，使碳化塔的生产更平稳，波动减少，降低设备损耗， 降低工人的劳动强度，最终目标是为了能够提高碳的转化率、钠的利用率，提高 2 第一章绪论 纯碱的产量和质量，提高负荷的利用率，降低成本，减少能耗，从而增加经济效 益。 1 2 本课题研究的发展概况和研究现状 1 2 1 纯碱生产碳化过程建模概况 氨盐水吸收c 0 2 的碳酸化过程是合成氨、化肥和纯碱工业的重要过程。长期 以来，对于碳酸化过程已经开展了大量的研究，在有关碳酸化反应机理、碳酸化 体系热力学、c 0 2 吸收动力学和n a h c 0 3 结晶速率等几个方面，获得了许多有价 值的成果，积累了一批重要的基础数据。然而在关于碳化过程、碳化塔的模型化 方面和针对制碱工业碳化过程所开展的模型化研究进展却相对缓慢【3 】。由于纯碱 碳化过程其机理的复杂性，系统的非线性、大时延等特点，目前国内外对碳化塔 的机理建模和定量建模尚处于实验研究阶段。在文献【4 6 中，均是对碳化塔内的 碳酸化反应的机理及反应的动力学进行定量分析和建模，但这种模型对外部条件 较为敏感，而碳化塔本身是一个波动较大的反应器，因而这种反应器模型的工程 实用性不高。在文献 7 】中作者通过建立碳化塔的在线控制模型，并且提出相应的 专家控制策略。这种模型的工程应用比较简单易实现，但模型比较简单，不能很 好地反应碳化塔的复杂性和动态性。在文献 8 中作者应用了一种多变量模型预测 控制的方法，主要是应用模型预测手段对中部温度和出碱液流量进行控制，这种 方法的工程应用效果较为理想，碳化塔的波动也较平稳。在文献 9 】中作者应用一 种时滞递归神经网络的建模方法对碳化塔的中部温度进行建模，该方法的建模效 果较为理想，能很好地逼近系统的温度曲线，但该模型仍是一个多输入单输出的 非线性模型。 1 2 2 国内外纯碱生产碳化过程的优化控制概况 9 0 年代初期，国内各大碱厂碳化过程纷纷开始采用d c s 集散控制系统进行操 作和监视，如广州某制碱厂、大连化学工业公司纯碱厂、天津纯碱厂等大型的纯 碱工厂。1 9 9 4 年天津纯碱厂成功实现d c sp r o v o x 系统在碳化过程中的应用， 3 广东工业大学硕士学位论文 并且实现了下段气总管压力的控制，塔底压力控制和出碱量的综合控制。不过后 来的发展状况如何未见报道【- o 】。1 9 9 5 年，杭州龙山化工厂开始采用浙大中控国产 j x 1 0 0 d c s 系统，联碱碳化工序实现了采用计算机控制系统对生产过程的操作和 监视，并且在w i n d o w s 3 1 操作系统平台上开发了一套碳化过程控制优化软件【l l 】。 该控制系统优化软件采用广义预测控制策略控制碳化塔中部温度；采用p i d 控制 策略调节冷却水流量，以达到控制出碱液温度的目的；调节中下段气流量的比值 来控制中部和中上部温差。该系统经过了一段时间的运行，不过它只有在制碱气 总管压力和制碱气中c 0 2 的浓度等工艺参数比较平稳的条件下，才能保持系统的 平衡运行【o 】。原因是由于该控制系统的设计是基于某一条件下的静态机理模型的， 而实际的碳化过程的复杂动态特性是很难采用静态机理模型描述的，因此该系统 搞干扰能力比较差也在人们的意料之中。 而在国外碳化过程的自动控制方法，前苏联、东欧以及日本等国家都有一些 共同的特点：进塔的中、下段气流量采用定值调节；以出碱液温度调节冷却水流 量；以塔液面调节出碱量。在氨盐水的碳化过程中，通常有氨盐水预碳化和碳化 两个操作过程。前苏联分别研究了这两个操作过程的自动化方法。预碳化过程自 动调节方法，通常是控制预碳化的氨盐水的进料量，或者调节二氧化碳的进气量 来实现的。由于纯碱生产过程的连续性很强，尤其是联碱，母液是循环的，所以 各工艺之间是相互影响的。日本各碱厂现在的控制系统充分考虑了这一点，即按 工艺全过程来确定控制系统。自动调节系统除了少数采用串级，比值调节系统外， 一般都是单参数定值调节系统，由于严格控制了工艺生产负荷的波动，而且工艺 主体设备连续运转的周期长，所以能使生产长期平衡运行呜1 3 。 1 2 3 国内外人工神经网络在非线性系统辨识中的应用概况 人工神经网络已在各个领域得到广泛应用，尤其是在智能系统中的非线性建 模及控制器的设计、模式分类与模式识别、联想记忆和优化计算等方面得到人们 的极大关注。从控制理论的观点来看，神经网络对非线性函数的逼近能力是最有 意义的，因为非线性系统的变化多端是采用常规方法无法建模和控制的基本原因， 而神经网络描述非线性函数的能力，也就是对非线性系统的建模能力，正适合于 解决非线性系统建模与控制器综合中的这些问题。自前向神经网络b p 算法提出 4 第一章绪论 以来，已在控制界和其它领域得到广泛应用 j * - l g 。由于b p 算法学习速度慢，容易 陷入局部极小值，网络隐含层的层数及隐含层的单元数的选取尚元理论上的指导， 而是根据经验确定；同时网络的学习、记忆具有不稳定性f 2 0 l 。针对上述各种缺陷， 迄今已提出大量改进算法。如采用自适应调整学习速率加快b p 算法的收敛速度， 采用变动量因子改善学习效果。对于b p 算法存在的局部极小值问题，也有许多 改进的算法，如模拟退火法、a l o p e x 算法、遗传算法、微粒群算法等1 2 1 。尽管目 前多层前馈神经网络已在非线性系统辨识中得到了非常广泛的应用，其改进的算 法也层出不穷，但是这种网络结构是一种静态的前馈网络，缺乏描述动态特性的 能力嗍，而对于实际的控制系统来说，被控对象一般都是一个动态多变系统，所 以，对于动态系统的描述，有必要在网络中引入记忆功能，这种记忆功能的实现 可以是带延迟的b p 神经网络或者以e l m a n 网络为代表的部分反馈网络。以 h o p f i e l d 网络为代表的全反馈网络和a r t 网络在系统辨识方面也得到了许多研 究，但是目前h o p f i e l d 网络只能对线性系统进行辨识，并且学习算法计算量较大， 因此目前还难以应用到实际工程中】。不过h o p f i e l d 网络易于通过模拟电子电路 实现，因此从长远来看是很有意义的。基于a r t 网络的辨识可估计出系统的特征 参数，这对于一般工程系统的在线自适应控制很有成效，但其不足之处是a r t 网络学习算法比较复杂，而且随着对系统参数估计精度的要求的提高，网络的规 模将会很大 1 5 1 。 基于梯度下降的连续学习算法，由于依赖梯度的瞬时估计，一般是很慢的。 最近，有人将递归网络的监督训练看作是最优滤波问题，可以克服这个严重的局 限，它的方法是以回到学习过程的第一次迭代的方式递归利用包含在训练数据中 的信息，但是，它是以增加算法的复杂度为代价的嘲。另外，在优化理论中新近 发展的遗传算法，它是一种全局随机寻优算法，通过模仿生物进化的过程来逐步 获得最好的结果。而且它需要的信息量少，具有全局寻优、并行性、速度快和不 需要目标函数可微或连续等优点，是一类比较有前景的神经网络学习算法，利用 它的强全局寻优能力可以防止神经网络陷入局部极值1 1 4 。k e n n e d y 和e b e r h a r t 于 1 9 9 5 年提出了一类新型的随机全局优化算法一微粒群优化算法，它没有遗传算法 的交叉变异操作，而是根据自己的速度来决定搜索，每一个微粒都有记忆，其算 法比较简单，是一类有着潜在竞争力的神经网络学习算法 2 4 1 。 5 广东1 = 业大学硕士学位论文 1 3 本文的主要研究内容及结构 本文在总结前人研究的基础上，结合实际操作经验，对纯碱生产中碳化过程 进行综合的系统分析，通过对碳化塔进行多变量建模与优化，来提高碳化塔生产 的平稳生产及碳的转化率。全文共分为五章，主要研究内容及结构为： ( 1 ) 第一章介绍了本课题的背景意义，分析了各种碳化塔模型的利弊及研究 进展，同时提出了将神经网络应用在碳化塔建模上。然后概括并分析了国内外纯 碱优化的研究应用进展，最后简要介绍了神经网络在系统辨识的研究近况。 ( 2 ) 第二章介绍了纯碱碳化的工艺原理，以及碳化工艺的生产过程，分析了 碳化塔内的主要化学反应过程，并指出了影响这些反应的因素。然后结合本课题 的背景，对广州某制碱厂的生产操作变量进行了归类分析，提取了本文的主要研 究工艺参数，并给出了本文建模与优化的设计思路。 ( 3 ) 第三章详细介绍了一种参数自适应的二次微粒群算法，在简要介绍了标 准的微粒群算法之后，对标准微粒群算法的进化方程做了改进，并从理论角度验 证了改进的正确性，之后又对改进的微粒群算法详细论述了一种参数自适应的算 法，给出了微粒群算法的执行流程，进行了函数测试，验证了该种优化算法的优 越性，并在最后提出了纯碱碳化过程的优化设计思路。 ( 4 ) 第四章详细介绍了神经网络建模。简要介绍了e l m a n 神经网络的拓扑结 构和数学模型之后，针对传统神经网络中的神经元进行剖析，分析了神经元的输 入输出特性，并指出这种特性的劣性，在些基本上提出了一种新型的p i d 神经元， 从控制角度论述了该种神经元的动态特性，然后将该种神经元应用在e l m a n 神经 网络的隐层和承接层，提出了一种改进的神经网络结构，即p i d n e l m a n 神经网 络建模方法，并应用第三章中介绍的二次微粒群算法对网络进行训练，最后应用 这种新建模方法进行了仿真验证。 ( 5 ) 第五章中结合了本课题的研究背景，将第三章提出的二次微粒群算法和 第四章介绍的p i d n e l m a n 神经网络建模算法应用到纯碱碳化塔的建模中。结合 第二章中给出的建模与优化思路，对碳化塔进行建模，并根据该模型进行控制参 量的优化，应用到实际的生产中。仿真结果验证了这一套算法的优越性能。 ( 6 ) 最后结论部分总结了本课题对纯碱碳化过程建模与优化所作的研究工 6 第一章绪论 作，并对将来的研究方向和工作进行了大致的讨论与展望。 7 广东工业大学硕士学位论文 第二章纯碱生产碳化工艺原理 2 1 氨碱法生产纯碱的主要流程 纯碱的生产方式主要是氨碱法，氨碱法的主要原料为原盐、石灰石、氨气和 二氧化碳 3 1 。主要工艺包括：由生石灰和重碱烧制得c 0 2 供氨盐水碳化用；由原 盐制得盐水，经过精制，再经过吸氨，碳化，析出结晶，过滤分离，最终煅烧得 到纯碱产品；过滤得到的母液再加入石灰乳蒸馏出氨，氨气又可以回收循环利用， 蒸馏后的母液称为废液，经处理后加以排放或综合利用，其生产工艺流程如下图 2 1 所示。 原盐、水或海水 纯碱轻质 图2 - 1 纯碱生产工艺流程图 f i g u r e2 - 1s o d ap r o d u c t i o nm a i np r o c e s s 8 第二章纯碱碳化t 艺原理 2 2 纯碱生产碳化工艺的生产过程 氨盐水( 精制盐水吸氨后的母液) 的碳酸化( 俗称碳化) 工艺是纯碱生产的 关键工艺，是将氨盐水在碳化塔内吸收二氧化碳，使它们一起接触并反应生成碳 酸氢钠和氯化铵，然后逐渐冷却使碳酸氢钠结晶析出，最终形成碳酸氢钠悬浮液 的过程，】。碳化过程是在碳化塔中进行的，工艺流程图【，o 】如图2 2 所示。 一 母液，去淋洗锅气 再去蒸氨塔 1 - 氨盐水泵；2 - 清洗气压缩机；3 一中段气压缩机；4 一下段气压缩机；5 一分离器；6 a 、6 b 一碳化塔；7 一中段气冷却塔；8 一下段气冷却塔；9 一气升器；l o 一尾气分离器：l l 一出碱集中槽：1 2 一真空转鼓过 滤机；1 3 一皮带运碱机；1 4 一分离器；1 5 一过滤气净氨塔：1 6 一真空机；1 7 冷母认桶；1 8 倒塔桶 氮盐水 来自吸氨工序 窑气 锅气 图2 2 碳酸化实际操作流程图 f i g u r e2 - 2c a r b o n a t i o np r o c e s s 碳化塔有两种生产状态，分为清洗塔和制碱塔，清洗塔也称为中和塔或预碳 酸化塔，氨盐水先流经清洗塔，自上而下流动。来自石灰部分窑气经清洗气压缩 机2 压缩，进入分离器5 ，分出液滴后进入清洗塔底部，氨盐水在自上而下流动 的过程中一边吸收c d ，。一边将塔壁和冷却管上的疤垢溶解，从塔底出来的溶液 称为清洗液，用气升器直接将其送入各制碱塔的顶部。从重碱煅烧炉出来的炉气， 称为下段气，经下段气压缩机4 压缩，然后经下段气冷却器8 冷却，送入制碱塔 底部，将清洗液继续碳化，另一部分窑气称为中段气，经中段气压缩机3 压缩， 送入中段气冷却器7 冷却，从制碱塔的中部通入塔中参加碳酸化反应，这一过程 9 广东工业大学硕士学位论文 使碳化塔中部温度升至最高，然后在碳化塔的下部经过冷却水箱降温，碳酸氢钠 悬浮液由塔底部取出管取出，然后被送到出碱集中槽中，流至过滤工序以分离出 重碱和废液。清洗塔和制碱塔顶部排出的碳酸化尾气，经气液分离器1 0 后送往吸 氨系统的碳酸化尾气洗涤塔或送往盐水精制系统的除钙塔中以回收其中的氨气和 二氧化碳，气液分离器1 0 底部出来的液体称为回卤，自流回到清洗塔中。 在碳化塔内的整个反应体系中，由于存在气、固、液三项，并且存在诸如化 学吸收，反应结晶、传热与传质等多种复杂的因素，碳化过程十分复杂，其中c d 吸收和n a h c 0 3 的反应结晶是动力学研究的两大难点。 碳化总的反应可用下式表示： n a c i 七n h 3 + c 0 2 + h 2 0 = n a h c 0 3 + n h 4 c l 七q 碳化氨盐水中存在十多种组分，其间可能发生的反应主要有六种。一般认为， 碳酸化反应主要遵循以下一连串可逆反应步骤。 2 n h 3 + c q 口 强屯c o o 一山+ 醪+ + q ( 2 1 ) n h ，c 0 0 一+ 风0 口朋q 一+ 懈，一q ( 2 2 ) zjj 一 乞+ + h c q 一口n o h c 0 3 山+ q 3 ( 2 3 ) 吸收反应( 2 1 ) 属于快速化学反应，主要发生在气液界面附近的液膜之内， 而水解与结晶反应( 2 2 ) ( 2 3 ) 属于慢反应，反应场所在液相本体。这样c d 从 气相转变为固体n a h c 0 3 析出，大体经历了以下连串步骤：首先c d ，通过气膜扩 散进入气液两相界面，溶解于界膜中，在液膜中c a 与n h 3 反应生成中间产物氨 基甲酸氨，后者再从膜内扩散到液相本体，进一步进行水解反应( 2 2 ) ，释放出 h c q 一离子，当溶液中m + 与h c 0 3 一的容度积超过n a h c 0 3 的溶解度时，结晶反 应( 2 3 ) 随即进行并生成n a h c 0 3 固体，完成碳酸化过程。 2 3 纯碱生产碳化过程关键工艺参数的分析及其建模优化设计 2 3 1 关键工艺参数分析 在对广州某制碱厂进行调研分析后获知，该厂目前共有五个碳化塔，每班生 产有一个作为清洗塔，另四个作为制碱塔，实际生产现场可检测参数和可控参数 有： 1 0 第二章纯碱碳化工艺原理 ( 1 ) 每个碳化塔( 共5 个) 有如下可检测参数：5 圈温度、1 2 圈温度、1 7 圈温度、2 3 圈温度、尾气温度、出碱温度；中段气压力、尾气压力、碳化塔塔压 力；中段气流量、下段气流量、中和水流量、出碱流量。 ( 2 ) 公共可检测参数：尾气总管压力、氨盐水总管压力、中段气总管压力、 下段气总管压力、清洗气总管压力、清洗气总管流量、氨盐水总管流量、尾气总 管温度。 ( 3 ) 每个碳化塔( 共5 个) 有如下可调节控制参数：出碱温度、中段气流量、 下段气流量、中和水流量、出碱流量。 ( 4 ) 公共可调节控制参数：清洗气总管流量、氨盐水总管压力、碳化尾气总 管压力。 由于本文主要是对单塔进行分析，然后再扩展至5 个塔。同时，对于公共的 可检测与可调节参数如压力和流量，在工艺上均可达到波动缓慢的要求，所以本 文中对碳化塔的工艺参数分析只考虑各分塔内的工艺量。而在各塔内的可检测参 数中，由于中段气压力、尾气压力、碳化塔塔压力在工艺要求上必须达到稳定， 所以对于压力参数，本文并不将其作为建模优化的关键量。 通过上节对碳化过程的工艺分析可知，为了保证重碱结晶的晶体大小符合要 求和使纯碱产量的最大化，必须要求严格控制碳化塔的纵向温度分布。而目前塔 内的温度主要有5 圈温度、1 2 圈温度、1 7 圈温度及2 3 圈温度，由于塔内的碳化 反应主要集中在塔的中上部，故将5 圈温度、1 2 圈温度、1 7 圈温度和2 3 圈温度 作为主要的控制指标。从化学反应的角度来分析，塔内温度的影响主要受塔内的 物料反应，而塔内的物料反应又受塔的进料和出料的影响。而在现场可检测到的 塔内的进出料的工艺量主要有：中段气流量、下段气流量、中和水流量、出碱流 量。故在本文中将这四个量作为可调节的控制量。另外，出碱质量受出碱温度的 影响，但由于出碱温度的控制主要是通过冷却水和循环的调节来控制的。故对于 出碱温度这个工艺参数，本文并不对其进行建模优化。 在通过上面的分析后本文得出了碳化塔内的关键工艺参数有：温度( 5 圈、 1 2 圈、1 7 圈、2 3 圈) 、流量( 中下段气、中和水、出碱) ，这几个参数对塔内的 物料反应起着至关重要的作用。本文正是对这几个参数进行建模优化的，通过建 立流量作为输入、温度作为输出的非线性多变量模型，将该多变量模型用于预测 温度的变化趋势，根据温度的变化趋势来获得流量的最优控制量，从而达到对碳 1 1 广东工业大学硕十学位论文 化塔的稳衡控制，使产量最大化和质量最优化。 2 3 2 碳化塔的建模分析 首先在建模方面，从上节的分析可知，由于碳化塔本身的复杂、非线性、大 时延等特点，要对碳化塔进行机理建模存在着非常大的难度。由于碳化塔是本质 非线性的复杂系统，传统的辨识方法如最小二乘法、梯度校正法、极大似然法等 算法均难以付诸应用，因为碳化塔系统对应的模型很难化为最d - - 乘格式( 即关 于参数空间的线性模型) ，而神经网络应用在系统辨识的一个优点就是不需要预先 建立实际系统的辨识格式。它将被辨识系统看作一个黑箱，通过学习系统的输入 与输出数据，目的是使所要求的误差准则函数达到最小，从而归纳出隐含在系统 输入输出中的关系，这个关系即描述系统动态或静态的算子，该算子是隐含在神 经网络内部，它究竟表现为什么样的形式，对外界是不可知的，只要神经网络的 输出能够逼近系统的输出，则认为神经网络已充分体现出实际系统的特性，从而 完成了对原系统的辨识。 与传统的基于算式的辨识方法比较，神经网络系统辨识具有如下特点： ( 1 ) 不要求建立实际系统的辨识格式，即可省去系统结构建模这一步。因为 神经网络本质已作为一种辨识模型，其可调参数反映在网络内部的权值上。 ( 2 ) 可以对本质非线性系统进行辨识。辨识是通过在网络外部拟合系统的输 入输出特性，在网络的内部，归纳隐含在系统输入输出数据中的系统特性来完成 的。因此辨识是非算式的，由神经网络本身体现。 ( 3 ) 辨识的收敛速度不依赖于待辨识系统的维数，只与神经网络本身及其所 采用的学习算法有关，而传统的辨识算法随模型参数的维数的增大变得很复杂。 ( 4 ) 神经网络具有大量连接，其连接权的权值在辨识中对应于模型参数，通 过调节这些参数可使网络输出逼近系统输出。 ( 5 ) 适于多变量系统：神经网络的输入、输出变量的数目是任意的，对单变 量系统与多变量系统提供了一种通用的描述方式，不必再考虑各子系统间的解耦 等问题。因此它应用起来更为方便。 ( 6 ) 神经网络作为实际系统的辨识模型，实际上也是系统的一个物理实现， 可以用于在线控制。 1 2 第二章纯碱碳化工艺原理 根据以上的分析，可知神经网络在非线性系统辨识方面的突出优势，本文将 神经网络建模算法应用到碳化塔的建模之中，网络结构采用反馈形式，网络的训 练算法采用微粒群优化算法来寻优最佳网络连接仅值。通过神经网络建模算法通 过建立流量作为输入、温度作为输出的非线性多变量模型，并将该模型用于后续 的优化控制，建模算法的详细探讨将在第四章进行描述。 2 3 2 碳化塔的优化控制分析 由于碳化塔的生产状况直接关系到纯碱的产量、质量及其他一系列的经济技 术指标。产量、成本、物耗、能耗和经济效益都可作为优化目标，而这些优化目 标最终都与转化率和产量有关，但因为在生产现场无法检测到产量与钠的转化率， 因此只能将温度的稳衡控制作为控制手段来达到产量和钠的转化率的提高将温度 的变化率作为其优化目标，通过神经网络建立关键工艺参数即流量与温度的数学 模型，并根据此数学模型利用改进的微粒群优化算法，进行参数寻优，来获取一 组最优的流量值，并将该组流量值作为控制器的设定值，来控制执行机构动作， 从而改善工艺波动，设备利用率得到提高，产品质量得到改善，实现纯碱的优质、 高产、稳产、低耗。结合上节的建模算法，可得到碳化塔的建模优化控制框图如 图2 3 所示，而微粒群优化算法的具体实现将在第三章详细讲述。 图2 3 碳化塔建模优化控制框图 1 3 处理 广东工业大学硕士学位论文 f i g u r e2 - 3m o d e l i n ga n do p t i m i z i n gb l o c kd i a g r a mo f c a r b o n a t i o nt o w e r 2 4 本章小结 本章介绍了纯碱生产的工艺流程，并指出了碳化工艺是其最关键的生产工艺， 关系着纯碱的产量和质量。然后进一步详细碳化工艺的生产过程，分析其塔内的 实际操作和生产过程，并更深入一步地介绍了塔内的反应体系，并简略分析了塔 内结晶反应的复杂过程。最后根据生产实际，深入地介绍和提取了碳化过程的关 键工艺参数，从而得出碳化塔建模优化的几个关键工艺参数，提出了一种神经网 络建模和微粒群优化算法的建模与优化控制思路。 1 4 第三章参数自适应二次微粒群优化算法的研究及仿真 第三章二次微粒群优化算法的研究及仿真 3 1引言 在本文中，优化算法不仅应用于寻优流量的最优控制值，也用于寻优神 经网络的网络连接权值，为此本章首先讲述了一种改进的微粒群算法，并进行仿 真验证，接着在第四章再详细阐述神经网络建模算法。 3 1 1 优化算法介绍 在优化问题中，经常用到的优化算法主要有梯度法、线性规划法、动态规划 法、遗传算法、微粒群优化算法。下面主要分析一下各种算法的优劣性能。 ( 1 ) 梯度法实际上等同于无约束问题的最速下降法。最速下降法的基本思想 是利用函数值在迭代点下降最快的方向作为寻优方向，以使函数值尽快达到极小。 由于函数值下降最快的方向为负梯度方向，因此该法也称为梯度法。该方法程序 编制简便，所需存储量小，对初始点无特殊要求，曾获得普遍重视。但从全局看， 该法存在锯齿现象，在最优解附近收敛相当缓慢，同时由于控制变量中一些分量 的变量与另一些分量变动同样比例所引起的目标函数值的变化很不相同，进一步 使得算法的收敛性变坏。 ( 2 ) 线性规划法是直接对变量和约束条件设定限制，利用泰勒展开，使非线 性问题在初值点附近转化为线性问题求解，收敛可靠，计算速度快。线性规划法 的最典型代表就是灵敏度分析法和内点法。灵敏度分析法以及以灵敏度关系为基 础，采用对偶线性规划法求解。由于要对高阶雅可比矩阵求逆，因此，计算工作 量大，耗费计算时间和内存。内点法计算速度快，精度高，具有很好的鲁棒性和 收敛性，但是如何探测和处理优化过程中的不可行解是一个难题，为了解决这一 问题，产生了内点法的诸多变形，如仿射尺度法、路径跟随法、原一对偶点法和 二次内点法等。后续出现的有求灵敏度矩阵的控制变量“摄动法、单纯形法和对 偶单纯形法，由于收敛性差，应用不多。 1 5 广东丁业大学硕士学位论文 ( 3 ) 动态规划法是数学规划的一个分支，是研究多阶段决策过程最优解的有 效方法。该方法从动态过程的总体进行寻优，按时间或空间顺序将问题分解为若 干互相联系的阶段进行求解，每个阶段包含一个变量，依次对每一阶段做出决策， 最后获得整个过程的最优解。动态规划法可以有效地处理多变量方程和离散性问 题，通过引入“时段 概念把非线性问题转化为多阶段决策问题进行最优化求解， 对目标函数和约束条件无限制，收敛性好。但是该方法建模复杂，计算速度慢， 存在“维数灾 问题，不易在工程上实现。 ( 4 ) 遗传算法是基于适者生存的进化理论，通过模拟生物体的遗传过程进行 优化计算。首先将优化问题编码为染色体，将目标函数转化为染色体的适应函数。 然后随机产生一批初始染色体，根据各染色体的适应函数值进行繁殖、交叉、变 异等遗传操作，产生下一代染色体。经过逐代遗传，通过随机的和结构化的交换 各染色体之间的信息，产生更加优秀的染色体，最后将这些染色体解码还原，就 可以获得问题的解。遗传算法从初始点沿多路径进行搜索，寻优能力强，适用于 求解大规律、多变量、多约束、非线性离散问题，可避免“维数灾”问题，但是 存在计算速度慢、处理效率低的缺点。虽然通过变异算子增强解群的多样性和保 证全局搜索能力，但容易导致盲目搜索，产生“早熟收敛”。 ( 5 ) 微粒群算法来源于一个简化社会模型的模拟，是一种基于群体智能的随 机优化算法，其基本思想是通过群体中个体间的协作和信息共享来寻找最优解。 在p s o 中，每个优化问题的潜在解都是搜索空间中的一只鸟，称之为“粒子 。 所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定 它们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。微 粒群算法概念简明，参数设置少，很好地采用简单的速度一位移模型，并能根据 当前的搜索情况动态调整搜索策略，对解决复杂环境中的优化问题非常有效。 3 1 2 各类优化算法的比较 梯度法、线性规划法以及动态规划法属于传统方法，这些方法在优化问题中 经常用到，它们具有确定性、快速、能给出精确解的特性。这些传统方法是基于 穷举搜索的，当解的数目d , n 足以在可接受的时间段内对所有解搜索完毕时，穷 举是可行的。梯度法则是在迭代的过程中产生自身的变形或衍生解，以达到搜索 1 6 第三章参数自适应二次微粒群优化算法的研究及仿真 的目的。但这些算法只能有望返回局部最优解，当领域扩大以避免陷于局部最优 点时，算法的速度大大下降。因此传统方法只能应用于解决一小部分问题，它们 很有针对性地解决一类问题。 相比之下，属于现代优化方法的遗传算法、微粒群算法则是通用的方法，它 们原则上对任何一种类型的问题都能解决好。微粒群算法与遗传算法都是进化计 算方法，两种算法的基本步骤也相类