（化学工程专业论文）蒸馏装置分馏塔软测量技术及建模研究.pdf

大连理工大学专业学位硕士学位论文 摘要 蒸馏装置分馏塔是石油化工生产过程中最常见的生产单元之一，但一些重要变量难 以直接测得，给装置潜力的挖掘增加了困难。由于软测量技术能够测量目前由于技术或 经济原因无法或难以直接测量而又十分重要的过程参数，能够对被测对象做出状态估 计、诊断和趋势分析等，在应用中可以使企业获得巨大的经济效益和社会效益，因此受 到了人们的普遍重视。从二十世纪五十年代开始，很多学者开始通过各种途径利用软测 量技术通过可测量变量对不可测变量进行计算。 由于蒸馏装嚣分馏塔是一个高阶非线性系统，因而设计观测器时会遇到所有非线性 系统存在的问题。因此本文提出两种观测器设计方法，一种利用李亚普诺夫稳定原理， 另一种是线性化方法。研究表明，如果系统结构矩阵存在零元素或块，则观测器可通过 一些合适阶数的子系统进行重构，局部状态观测器的实现使得整个观测器的设计变得简 单可行。本文通过在实际蒸馏装置分馏塔上的模拟证明了所提出的观测具有可行性、有 效性和研究的实用性。 本文以蒸馏装置初馏塔为例，进行观测器计算，每1 0 一3 0 秒提供一次软测量结果。 观测指标主要包括产品质量指标，如干点、初馏点、凝点、闪点等。为了适应原料性质 和过程动态变化，对石油组分的物理性质进行了在线计算，同时引入了操作的状态。在 实际装置上的应用表明了本文所提出方法的可行性。 关键词：软测量；蒸馏装置分馏塔；在线计算 蒸馏装置分馏塔软测量技术及建模研究 t h et e c h n o l o g yo fs o f ts e n s o rt oc r u d ed i s t i l l a t i o nu n i ta n dt h e r e s e a r c ho nm o d e l i n g k b s t r a c t c d uf c r u d ed i s t i l l a t i o nu n i t ) f r a c t i o n a t o ri so n eo ft h em o s tc o m m o no p e r a t i o nu n i ti n p e t r o c h e m i c a lp r o c e s s e s h o w e v e r ，t h eu n a v a i l a b i l i t y o fs o m ei m p o r t a n tv a r i a b l e sh a d p r e v e n t e du sf r o mg e t t i n gt ot h et r u ep o t e n t i a lo ft h eu n i t s o f tm e a s u r e m e n tt e c h n o l o g yc a n b eu s e dt om e a s u r et h o s ev e r yi m p o r t a n tv a i l a b l e sw h i c ha r en o ta b l eo rd i 伍c u l tt oh e m e a s u r e dd u et ot e c h n i c a la n de c o n o m i c a lr e a s o n sa tp r e s e n tt i m ea n dc a nb eu s e dt om a k e s t a t u se s t i m a t i o n ，d i a g n o s e ，t r e n da n a l y s i sa n de t cf o rm e a s u r e do b j e c t s e n t e r p r i s e sc a ng a i n h u g ee c o n o m i c a la n ds o c i a lb e n e f i t sb yu s i n gt h i st e c h n o l o g y s i n c et h e1 9 5 0 s a 1 0 to f r e s e a r c h e r sh a sb e e nc a r r i e do u tt oc a l c u l a t et h eu n r n e a s u r a b l ev a r i a b l e sf r o mt h em e a s u r a b l e o n e sb yw a yo f o n l i n ec a l c u l a t i o n ，w h i c hi sc a l l e ds o f ts e n s o r ac d uf r a c t i o n a t o ri sah i 【曲一o r d e rn o n l i n e a rs y s t e m ，t h e r e b yi no b s e r v e rd e s i g ni th a s t h ec o m m o np r o b l e m st h a tan o n l i n e a rs y s t e r ne n c o u n t e r s t w om e t h o d si no b s e r v e rd e s i g n a r ei n t r o d u c e di n t h i sp a p e r ，o n et h r o u 曲l y a p u n o vs t a b i l i t yt h e o r ya n dt h eo t h e ri st h e l i n e a r i z a t i o nm e t h o d t h i sd i s s e r t a t i o ni n d i c a t e d ：i ft h es y s t e ms t r u c t u r a lm a r xh a ss o m e e l e m e n t so rb l o c k sb e i n gz e r o ，t h eo b s e r v e rc a nb ec o n s t r u c t e db yw a yo fs u b s y s t e m si ns o m e a p p r o p r i a t eo r d e r a n dap a r t i a ls t a t eo b s e r v e rc a nb ea c h i e v e da sw e l l ，w h i c hr e n d e r st h e d e s i g nm u c hs i m p l i c i t ya n df l e x i b i l i t y t h ef e a s i b i l i t ya n de f f e c t i v e n e s so fp r o p o s e do b s e r v e r h a v e b e e np r o v e nb ys i m u l a t i o n a sw e l la st h ea p p l i c a t i o ni nc d uf r a c t i o n a t o r s i nt h i s d i s s e r t a t i o n t a k i n gt h ec d ua t m o s p h e r et o w e rf o ri n s t a n c e ，u n m e a s u r a b l e v a r i a b l e sa r ec a l c u l a t e do n l i n et h r o u 曲t h ed e s i g n e do b s e r v e re v e r y1 0 3 0s e c o n d s t h e r e s u l t sm a i n l yi n c l u d e sp r o d u c ts p e c i f i c a t i o n ss u c ha se n dp o i n t ，i n i t i a lb o i l i n gp o i n t ，f r e e z i n g p o i n t ，f l a s hp o i n t ，e t c i no r d e rt oa d a p tt ot h ec h a n g eo ff e e dp r o p e r t ya n dp r o c e s sd y n a m i c s ， t h ep h y s i c a lp r o p e r t i e so fp e t r o l e u mc o m p o n e n t sa r ec a l c u l a t e do n l i n e ，o p e r a t i o ns t a t u sa r e t a k e ni n t oa c c o u n t i m p l e m e n t a t i o no ni n d u s t r i a lu n i t ss h o w st h ef e a s i b i l i t yo f t h e s em e t h o d s k e yw o r d s ：s o f ts e n s o r ；c d uf r a c t i o n a t o r ；o n l i n ee a l e u l a t i o i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。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的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名日期： 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名： 导师签名： 芝年月望日 大连理工大学专业学位硕士学位论文 弓 日 随着市场竞争的日益激烈和科学技术的不断发展，现代石油化工生产过程不断向大 规模发展。改善操作控制成为提高经济效益的有效途径，其中产品质量的卡边控制和化 学反应器的优化控制是常用的方法。但由于一些重要变量不可实时测得到( 如产品质量 指标、各种分馏塔的汽液相内回流、化学反应深度与反应产物组成、催化剂活性等) ， 使目前生产仍采用着采样分析的方法给出这些不可测变量的数值。化验的时间滞后与控 制的实时性要求极不适应，给装置的操作和控制带来了困难，成为通过操作控制提高经 济效益的障碍。已有的不可测变量的在线计算方法一定程度上缓解了上述矛盾，然而在 实际应用效果上仍暴露出明显的问题，有待进一步解决。 信息技术、智能控制技术和工程计算软件等的发展提供了建立工艺管理和指导系统 的一个新的较为理想的方法。即将工艺设计时使用的流程模拟技术用于生产操作指导， 根据实时生产数据在线计算生产过程参数；利用流程模拟软件的智能推断功能对工艺过 程中的重要不可测量或难以测量的质量指标进行在线计算，并以此为依据建立工艺事故 处理系统、指导参数调整。这种方法的优点是投资小、见效快、模型修改容易，而且更 重视知识管理，能够为企业的可持续发展创造条件。上述方法在国外大型化工装置已有 成功的应用，如阿莫柯公司使用神经网络软测量技术消除了原油蒸馏过程的质量分析滞 后现象。 从理论角度讲，过程不可测变量的计算主要包括两个方面的问题，即能否计算和如 何计算的问题。能否计算是前提，是任何计算方法都必须首先考虑的。过程的特性、装 置的设计、模型的建立、计算方法的选择，这些都是影响系统可计算性的因素，然而目 前在理论上仍然缺少一种标准去指导从过程的设计到在线计算方法的实施这一整体过 程。 从实际应用角度看，针对蒸馏装置分馏塔这样的连续生产过程，不可测变量尤其是 产品质量指标的在线计算，有着显著的经济前景，然而由于系统本身的复杂性，给问题 的解决带来了困难。装置的操作、控制和优化对在线计算提出了准确性、实时性等要求， 需要提供能够适应过程的动态变化，尤其是为适应原料供应市场和成品油市场不断变化 而带来的装置频繁调整和动态过程，而目前的许多软测量方法在实际应用中仍不能满足 这些要求。 本文正是在这样的理论和实际背景下提出了研究方向和研究内容，目的在于建立 种工程实用的在线软测量技术以解决蒸馏装置分馏塔不可测变量的实时计算问题，从而 给装置的操作、控制和优化提供直接依据，从中获取更大的经济效益和社会效益。 蒸馏装置分馏塔软测量技术及建模研究 本文采用基于动态机理模型的观测器理论解决过程不可测变量的在线获取问题；针对实 际过程的非线性特性，在可观性分析的基础上构造非线性观测器，使其能够适用于存在 不可测输入时的状态和输入的观测；针对实际的蒸馏装置分馏塔，建立非平衡级动态数 学模型，进行可观性分析和观测器构造，实现对不可测变量的观测，并进一步实现对产 品质量指标的在线计算。在此基础上，针对实际蒸馏装置的复杂性，将在线计算所得数 值与分析化验所得数值进行对比，不断优化参数设置。 大连理工大学专业学位硕士学位论文 1 文献综述 1 1 软测量技术 1 1 1 软测量技术概述 现代石油化工生产过程不断向大规模发展，改善操作控制成为提高经济效益的有效 途径。但实际生产装置往往存在一些重要过程变量的不可实时测得的问题，这给通过实 时控制和优化控制来获取效益造成了困难。 在实际生产操作控制中，常通过与不可测变量相关的可测变量来间接控制不可测变 量，如通过控制温度保证分馏塔产品质量，通过控制温度维持一定化学反应深度等等。 由于不可测变量常常还受其它多个变量( 也可以是不可测的) 的影响，这种方法不能适应 生产环境的变化，从而难于保证产品质量，或者为保证质量而控制在保守的状态下运行， 使产品收率降低。 采用在线分析仪表代替实验室分析是解决这一问题的一个途径。这些在线仪表已有 几十年的发展史，目前已有不少可用的产品。但由于使用过程中其维护工作量大，其工 作的可靠性仍有待提高。而且由于其工作原理和采样系统通常会带来十几分钟以上的时 间滞后，造成其在用于实时控制时仍不够理想。 从上世纪五十年代( 尤其是近十年来) ，由于计算机技术的发展，使利用可测变量 在线实时计算不可测变量的方法( 不少文献称之为“软仪表”或“软测量”) 得到了迅 速的发展。 1 1 2 软测量建模方法 软测量技术依据最优化准则，利用辅助变量构成的可测信息，通过软件计算实现对 主导变量的测量。软测量的核心问题是建立表征辅助变量和主导变量之间数学关系的软 测量模型，即数学建模的问题。 经过多年的研究和实践，目前己形成了不少构造软仪表的方法，基本可概括为两大 类：基于机理模型的方法及基于过程数据的方法【l 】。 ( 1 ) 基于机理模型的软测量方法 机理模型由代数方程组或微分方程组组成，在对工业对象的物理化学过程有了全面 认识后，通过列写对象的平衡方程、动力学方程、物性参数方程、设备特性方程等，确 定需要进行软测量的主导变量和辅助变量之间的数学关系，建立估计主导变量的精确的 数学模型。 蒸馏装置分馏塔软测量技术及建模研究 这类方法建立在对过程机理深刻认识的基础上，找出不可测变量与可测变量之间的 关系，通过模型计算不可测变量。石油化工过程中，用实测压力对温度进行补偿以估计 产品组成( 质量) 是最常见的一种方法。对于机理尚不完全清楚的复杂过程，该方法可 以与其它参数估计方法配合使用。 早期出现的推断估计方法主要是基于工艺机理的稳态关联，用过程的稳态输入输出 关系( 代数方程) 推算不可测变量，进而对产品质量进行控制，并扩展用于非线性系统 【2 3 】，但由于其模型基于稳态关系，很难适应过程的动态变化。 九十年代以来，出现了基于机理动态数学模型，将待计算变量作为系统的不可测状 态或不可测输入，应用状态观测器理论计算不可测变量的实例，这种方法充分反映变量 之间的动态关系，使在线计算适应动态变化，给出更合理的结果。已出现应用k a l m a n 滤波器、l u e n b e r g e r 观测器以及最近广泛研究的非线性观测器等方法【4 5 “】。这类方法 在原理上较为理想，但实施起来具有较大的难度，涉及过程动态数学模型的建立以及观 测器的构造等问题。 ( 2 ) 基于过程数据的方法 这类方法主要依据过程的可测数据，很少涉及过程本身的机理。主要包括四种方法： 回归分析法 回归分析方法是一种经典的建模方法。这种方法不需要建立复杂的数学模型，只要 通过收集大量的过程参数和质量分析数据，运用统计方法将这些数据中隐含的对象信息 进行浓缩和提取，从而建立主导变量和辅助变量间的数学模型。 常见的有主元回归法p c r ( p r i n c i p l ec o m p o n e n tr e g r e s s i o n ) 和部分最小二乘法 p l s ( p a r t i a ll e a s t s q u a r er e g r e s s i o n ) 。通过对生产过程数据的回归分析来建立软仪表模 型，由此在线计算不可测变量，所得到的是变量间的稳态关系( 石油炼制中在线估计产 品质量) 。回归分析法算法简单，但需要大量的样本，对测量误差比较敏感，而存在的 最大问题则是只能得到变量间的稳态关系【7 + 8 1 o 基于回归分析的方法有线性回归分析法和非线性回归分析法，主要根据对象的非线 性特性和操作点变动范围等确定具体的方法【9 ”j 。 基于回归分析方法的模型准确性受样本真实性的影响，适用范围受样本容量的制 约。因此，此方法只有当生产过程可以提供大量正确的样本时才能得到正确可靠的实施。 人工神经元网络( a n n ) 人工神经网络是利用计算机模拟人脑的结构和功能的- - 1 7 新学科，它具有优良的信 息处理特性：无需具备对象的先验知识，而根据对象的输入输出数据就可以直接建模： 独特的非传统的表达方式和固有的学习能力，使之在解决高度非线性和严重不确定性系 4 大连理工大学专业学位硕士学位论文 统控制方面具有巨大的潜力。目前人工神经网络己成功地用于复杂工业过程的动态建 模、系统辨识和控制、数据分析、故障诊断等方面。 近年来a n n 在控制领域中的应用有了很大的发展，也开始用于软仪表。它的特点 是不需机理模型，通过样本( 历史数据) 的学习，建立a n n ，然后以过程可测变量作 为a n n 的输入，进行不可测变量的在线计算。 人工神经网络是软测量技术的一种十分便利和有效的方法：将辅助变量作为神经网 络的输入，将主导变量作为神经网络的输出。通过网络的自学习能力完成对主导变量的 估计，同时可以抑制辅助变量的测量噪声干扰】。 在软测量中常用的人i t * 经网络结构有反向传播网络( b p ) 、径向基函数神经网络 ( r b f ) 、回流网络( r n ) 等。目前人工神经网络在结构和算法方面还存在许多问题，如拓 扑结构只能凭经验加试算进行选择；训练样本的空间和训练方法对人工神经网络的性能 有极大的影响，人工神经网络学习和预测算法有待改进，人工神经网络的知识推理等问 题旧1 ”。 模式识别法 这种方法对过程数据进行处理，从中提取系统的特征，建立以模式描述分类为基础 的模式识别模型。 基于模糊数学的方法 模糊技术模仿人脑的逻辑思维，用于处理模型未知或不精确的控制问题，它在软测 量技术中得到了大量的应用。 石油化工生产过程的软测量技术，上世纪八十年代以来有了显著的发展。在先进过 程控制策略( a d v a n c e dp r o c e s sc o n t r o ls t r a t e g i e s ) 和先进过程控制手册( a d v a n c e dp r o c e s s c o n t r o l h a n d b o o k ) 上报导的国外二十余家先进过程控制公司的技术中具有软仪表技术， 其中大部分采用稳态关系进行计算。上世纪九十年代以来，几家公司推出基于动态数学 模型的计算方法。a s p e nt e c h 、h o n e y w e l l 等公司最近都推出了基于神经元网络的软测 量技术，并称可以用实验室化验分析数据或在线分析仪数据来校正模型。国内也在不少 装置上开发了软仪表技术并进行了实施 1 引。 将能够适应过程动态变化的软测量技术应用于工程中解决变量不可实测问题是一 个很好的方法，也是近年来的研究热点。 1 1 3 软测量技术发展中的问题 ( 1 ) 软仪表是一个需要长期研究开发的技术 蒸馏装置分馏塔软测量技术及建模研究 可以说，任一生产装置都不能给出所有变量的实测值，尤其化工生产过程中常常涉 及的物料组成，对其实时测量有很多困难。不容怀疑，随着技术的发展，在线分析仪表 一定可以提高其可靠性，降低维护工作量，大大缩短其分析时间滞后，如最近出现的 n m r 技术在检测石油产品的组成方面有不少优势。但在线分析仪表一般价格较高，与 之相比，软仪表可在现有软硬件系统的基础上通过软件实现，投资少、可靠性高、维护 费用低，可减少常规人工化验分析的次数【4j ，在经济性上具有明显的优势。 生产过程总会有一些变量是不可测的，从经济性、实用性等多方面考虑，需要发展 软仪表技术。 可用图1 1 来简略地描述软仪表技术结构。其中“，v 分别为被研究过程的可测控制 输入和可测干扰输入，五y 可测状态和被控输出变量。通 过这些可测输入输出变量在线实时确定不可测变量0 ，是 软仪表的基本功能。显然，这种功能的实现会为过程监测 与分析、操作控制与优化、工况判断及预报等提供依据， 也会为降低生产装置的性能价格比作出贡献。可以说，图 2 1 所示的软仪表是附属于生产装置的一个新系统，在生 产装置的设计中就考虑这一系统，是一个发展方向。 图l1 软测量的描述 f i g 1 1d e s c r i p t i o no f s o f ts e n s o r 如何建立软仪表系统，如何适应各种不同的生产过程和不同的要求，涉及的问题很 多，是一个需要长期研究开发的问题。下面将就这些问题进行讨论。 ( 2 ) 软仪表技术的两个基本问题：可计算性与实时性 可计算性 图1 1 所示软测量系统，其基本功能是由可测变量确定不可测变量，因此，建立软 仪表的一个基本问题是：需要哪些可测变量和哪些关系式，才能唯一确定所需的不可测 变量，本文称之为不可测变量的可计算性问题。显然，不作可计算性分析、任取数据所 得计算结果是靠不住的【l ”。 分析可计算性的基本依据是过程的机理和建立在机理上的各种关系式，即数学模 型。而稳态模型( 代数方程组) 与动态模型( 微分方程组) 的可计算性分析又是不同的， 前者主要是各方程是否独立问题，后者给出的就是控制理论里的可观性。问题的复杂性 在于：描述过程的数学模型通常是一组非线性方程，难于判断其是否独立( 线性相关) 或是否可观。已有文献基于动态数学模型、用结构可观性判断了蒸馏装置分馏塔的可观 性，指出利用现有可能的测点，对每层塔板所能观测计算得到的不可测变量的数量( 含 组分) 是有限的，且与模型的假设( 基于相平衡，因而假设气液相温度相等，或基于传 巷 大连理工大学专业学位硕士学位论文 质传热速率，气液相温度不同) 有关。这进一步说明了问题的复杂性，也要求在生产装 置设计时建立过程的动态数学模型，分析其可观性，布置满足在线计算要求的测点，使 可测变量所包含的信息足以用来获得待计算变量1 1 ”。 实时性 建立软仪表的目的是避免化验分析和在线分析仪表存在的较长的时间滞后问题，实 现更好的控制，因此，软仪表的主要技术指标是能反映不可测变量随时间变化的趋势， 为装置控制提供依据，本文称之为实时性。 动态变化是由作用于过程的各种控制或干扰输入引起的，其中常常包括不可实测的 变量( 如原料的性质或组成) ，使可测变量和不可测变量产生各不相同的随时间变化过 程。将计算所得的不可测变量作为被控变量。形成反馈系统时，控制作用( 操作变量) 的变化引起被控变量变化，而被控变量又随时引起操作变量变化。动态变化是绝对的， 稳态是相对的，是动态变化的特殊情况。如果软仪表只反映变量间的稳态关系，而当动 态变化时却不能提供准确计算结果，需要等待稳定( 一般需要很长时间) ，就失去了其 存在的意义。 过程的动态变化，一般需用微分方程来描述，在计算不可测变量时，也会因不可测 干扰的变化带来麻烦。在数学上，表现为初值未知，只能在假设初值的条件下进行计算， 经过多次计算，使计算结果尽快收敛到真值。这需要对软仪表进行合理的设计，以保证 收敛，同时，要使收敛过程短、波动小。一般来说要作到软仪表计算结果与实际完全相 同是很困难的，好在从控制出发，软仪表计算结果能反映动态变化趋势，就可投入控制， 为软仪表的应用提供可能。 从以上两个基本性质考虑，基于动态机理模型的软仪表是最适宜的方法。目前，人 工神经网络( a n n ) 发展较快，有不少将其应用于软仪表的报导。但到目前为止，实际 中使用的a n n 基本上都是稳态的，其准确性依赖于样本的数量和质量，难于迅速适应 变化。最近出现了延迟人工神经网络、动态神经网络等考虑动态特性的方法，但仍存在 很多问题，如时延阶数及最佳历史数据长度的确定困难、易受局部最优约束、学习速度 慢等很多实际问题，因此该方法在工业应用方面尚处于理论探索阶段。相比之下，基于 机理模型观测器方法的软仪表，为可计算性的分析提供了可能，可以很好地适应过程的 动态，适应石油化工过程中普遍存在的纯滞后、原料性质和环境的变化。这要求个比 较准确的从机理出发的动态数学模型。尽管不少复杂工业过程机理模型的获得并不容 易，然而发展机理动态模型是解决在线计算和实时控制问题的一个研究方向【埽】。 ( 3 ) 软仪表技术实施中的问题【l ”。” 蒸馏装置分馏塔软测量技术及建模研究 在工业生产装置中实施软仪表，使计算结果收敛到真值，保证用计算结果作为被控 变量的控制系统可靠运行，会遇到很多具体问题，主要的问题如下： 非线性问题： 生产过程的参数大部分均具有非线性特性，它们不同运行条件下的特性是不一样 的。基于线性动态模型实现的软仪表( 观测器) ，如何作到收敛到真值，已有成熟的理 论和方法，有一些应用实例。但要在较大范围内得到合理的结果，需采用非线性动态模 型。近年来很多研究者致力于非线性观测器应用于工业过程的研究，但适应过程的非线 性特性的软仪表技术的一般方法尚需研究。a n n 方法可在神经网络中描述过程的非线 性特性，然而该方法有其局限性：即未能找出过程的非线性本质，一旦过程变量波动较 大，可能使结果出现很大偏差。 可测变量的选择与收敛性 可测变量的选择在软仪表的建立过程中起着重要作用。基本原则是应满足可计算性 的要求。 合理地确定所用可测变量是使计算结果收敛于真值的基本保证。如何设计或调整软 仪表，使其尽快收敛，尤其对于具有非线性的过程，是实施中需要认真解决的问题。基 于过程机理模型的方法，对过程本身的内在机理有较为深入的认识，可以较清楚地掌握 变量之间的相互关联，并分析其特性，从而可以方便地选择可测变量，也为计算结果收 敛于真值的设计提供了基础。 数据处理、故障诊断和结果检验 软仪表依据的是可测变量，其正确性和可靠性关系到软仪表的计算结果，因此对输 入数据进行预处理是软测量技术中非常重要的一步。至少应考虑以下内容： 夺可测过程数据的故障诊断：包括对过程变量测量转换系统的故障检测和过程本 身异常工况的判断，及进一步对计算结果作相应的处理。 夺滤波：过程数据通常具有噪声。尤其在考虑动态变化时，常常需要计算变量对 时间的变化速率( 对变量求导数) ，这样会使高频噪声放大。恰当的滤波而又 不影响过程的动态变化，是实施中的一项艺术。 夺过程数据的转换：包括不同工程单位及不同量程之间的转换、温度压力修正， 以及对些原始数据进行非线性变换得到更便于使用的变量等。 误差处理：实测数据难免误差。因此对过程数据的误差处理就非常重要了。近 年来发展起来的数据校正( d a t ar e c t i f i c a t i o n ) 和数据整合( d a t ar e c o n c i l i a t i o n ) 等技 术能在一定程度上提高数据源的质量。但往往需要较长时间段的数据，而且基 大连理工大学专业学位硕士学位论文 本上都是基于稳态假设，虽然也出现了一些动态数据协调方面的研究，然而其 准确性与模型的精度关系很大，而且通常只适合于过程缓慢变化的情况。 夺对计算结果的合理性检验：主要依据过程机理和实际情况，如是否变化过大， 是否满足物料衡算、能量衡算等，并给出相应的信息。 软仪表的在线校正 软仪表的作用是替代化验分析的、提供与化验分析一致的正确结果，更希望随时可 对软仪表计算结果进行( 在线) 校正，以便随时修正计算误差。虽然有研究表明可以利 用长时间的实验室化验分析数据或在线分析仪数据来进行软仪表的在线校正，但实际 上，这一问题并未得到很好解决。例如原料性质变化后，如用在线仪表的示数去修正计 算结果，在线仪表给出变化后的原料性质的示数之前，计算的不正确是无法修正的。加 上采样点往往与计算点不一致，由于在线校正模型结构较为困难，目前一般仅修正模型 参数。以蒸馏装置分馏塔侧线产品质量为例，采样口通常设在装置产品外送的管线上， 而物流从出塔到外送之间往往要经过中间罐、换热网络等很长的管线、甚至其他的一些 辅助加工过程，这些过程中的返混、停留以及纯滞后( 有些多达几十分钟) ，再加上装 置大部分时间处于动态，各个时刻出塔的产品成分各不相同，这些都使得采样口处的样 品几乎无法与某一瞬间出塔产品相对应。这就需要对这样的数据进行校正。这一实例也 说明，一定要使软仪表能正确反映过程的动态变化，才能真正发挥其作用。 另外，在线校正的衡量标准( 即所依赖的数据源) 在准确性上仍存在问题。在线分 析仪由于其维护工作量大，其可靠性有待提高，因此其分析结果的可靠性会随着使用时 间而变化，这也正是在线分析仪未能获得广泛应用的原因之一。而实验室化验分析数据 则涉及从采样到化验到结果反馈等多个环节，用来作为校正标准的常规化验结果的可靠 性也有待提高。 总之，软仪表的在线校正还存在两个方面的主要问题【2 。”j ： 校正方法在理论上尚待进一步发展； 实际石油化工过程往往缺少很好的在线标准来衡量和校正软仪表的输出 校正方法在理论上尚待进一步发展； 实际石油化工过程往往缺少很好的在线标准来衡量和校正软仪表的输出。 因此，在线校正仍有做进一步的研究和实践的必要，以提高其实用性。 ( 4 ) 软仪表系统的组成l “”2 6 1 软仪表通常在生产装置现有的软硬件平台( d c s 或上位机) 上实施，而且往往是同 其他系统一起实施，如先进控制系统和实时优化系统等。当然，软仪表也可以单独实施。 无论哪种方式，其包含的基本功能模块是相同的，一般包括： 蒸馏装置分馏塔软测量技术及建模研究 实时数据平台：各功能模块与生产过程交换实时数据的平台，及模块间快速交换 数据的枢纽； 数据读写i 0 ：负责过程数据的采集和软仪表计算结果的输出，通常这个接口因 软硬件平台的不同而不同： 故障诊断和数据处理：对过程数据进行故障诊断和所需的数据处理，为软仪表的 实时计算模块提供数据( 实时数据与历史数据) 和必要的信息； 在线实时计算：软仪表的模型及各种算法在此实现，得到不可实测变量的计算值， 并作合理性判断和其他必要的校验，确保输出结果的可靠性： 监视与整定：这是提供给工程师或操作员的界面，可对软仪表进行运行监控、模 型调整、参数设置、命令选择等，这也是软仪表的一个重要组成部分。 软仪表实施的另一方面是其整定与考核，一般包括开发阶段数据积累与初步整定、专人 严格化验对比以及长期投运考核三个阶段，监视与整定模块给工程师提供了软仪表维护 的接口，更有利于软仪表的长期稳定运行。 1 2 过程机理模型表述 为了研究和分析实际过程，常常要建立过程的模型。从广义上讲，过程模型可以是 知识模型、数学模型、关系模型的相互结合“。 ( 1 ) 知识模型一k m ( k n o w l e d g em o d e l ) 这是一种运用人工智能和知识工程的方法及技术，如：知识表达方法( 产生式规则、 语义网络、框架等) 、知识获取技术( 人工移植、机器感知、机器学习等) 所建立的知 识模型。主要用于表达人们关于事物的定性知识和经验知识，以便利用知识进行定性分 析和逻辑推理，求解有关问题。 ( 2 ) 数学模型一m m ( m a t h e m a t i c a lm o d e l ) 这是一种运用工艺知识、控制理论、系统辨识或运筹学及其他数学的方法和技术所 建立的数学模型。如：状态方程、传递函数、代数方程等。主要用于定量地描述事物的 有关动态过程与静态特性，对问题进行定量分析和数值计算。 ( 3 ) 关系模型r m ( r e l a t i o nm o d e l ) 这是一种运用“图论”方法( g r a p h i ct h e o r y ) 和逻辑学所建立的各种关系模型。 例如：赋值的有向图、无向图、树图、网络图、逻辑式等，主要用于定性或定量地描述 人们或事物之间的各种关系。例如：组织结构、工艺流程、信息传递、时序关系等。用 于进行系统的结构分析与结构综合，也可称之为“结构模型”。 大连理工大学专业学位硕士学位论文 实际系统的情况比较复杂，加上研究分析系统的目的不同，需要的模型种类和型式 也各不相同。实际上，以上三种模型都可以用一定的数学关系来表达，在不严格区分时 都可以通称为数学模型。从建立数学模型的方法来说，大体上有以下两种： 按照系统运动的机理和规律建立数学模型。例如对于生产过程通常可按照物质守 恒、能量守恒和其它有关规律给出的关系式建立数学模型，有时称为“自箱模型”； 假设系统符合某种形式的数学方程式，册区系统的输入和输出变量，以一定数学 方法确定模型中有关参数，并可对模型的结构做某些修改，从而得到系统输入与输出之 间的数学模型，有时称为“黑箱模型”。 比较两种建立数学模型的方法，可以说都是一大门类的学科体系，同时也各有其特 点，分别成为“过程动态学”和“系统辨识”这两个分支学科。第一种方法可以得到 有关系统的详细描述，但必须对系统或过程做深入的研究分析，要得到一个满意的结果 ( 尤其对比较复杂的系统) ，有时较为困难；这也正是后一种方法应运而生的主要原因， 然而后一种方法得到的通常只是系统的输入输出描述，系统的状态，即系统内部如何运 动不得而知。由于第一种方法对系统有详细的描述，其结果不但给出系统输入输出变量 之间的关系，也能给出系统状态和输入输出之问的关系，使人们对系统有一个比较清晰 的了解，在系统的设计阶段就可以发挥作用，因此一直以来都是人们研究的热点。本文 对过程动态数学模型的讨论均基于机理分析。 对大多数工业生产过程来说，可用下述一般规律来描述”： c 一- - ，- = q i ( x ，“，t ) 一q 2 ( z ，t ) + s ( x ，“，f ) f 其中工一称为系统或过程的状态变量，如温度、压力等； “一输入变量： c 容量，表示系统状态变量变化一个单位时，系统内部储存物质量或能量的 变化量； s 一源或流，单位时间内由系统( 或过程) 本身产生或吸收的物质量或能量： q i 一单位时间内流入系统的物质量或能量； q 2 一单位时间内流出系统的物质量或能量； t 时间。 卜 蒸馏装置分馏塔软测量技术及建模研究 2 蒸馏装置分馏塔动态数学模型的建立 本章根据观测计算的需要建立了蒸馏装置分馏塔的非平衡级动态数学模型。利用塔 段划分( 房室法) 的方法使模型简化，力求使实际可测变量满足观测器的需要。提出了 实际应用中模型的有关考虑。提出的物性参数在线计算方法，可使模型更好地适应过程 的动态变化，尤其是蒸馏装置分馏塔的原料性质的变化。本章模型具有较好的通用性， 可推广到其他石油分馏塔，如催化裂化装置分馏塔、焦化装置分馏塔等。 2 1 蒸馏装置分馏塔工艺流程介绍 石油是极其复杂的混合物，要从原油中提炼出多种多样的燃料、润滑油和其他产品， 基本的途径一般是：将原油分割为不同沸程的馏分，然后按照油品的使用要求，除去这 些馏分中非理想的组分，或者是经由化学转化形成所需要的组成，进而获得一系列合格 的石油产品。因此，炼油厂必须解决原油的分割( 一次加工) 和各种石油馏分在加工过 程( 二次加工) 中的分离问题。石油蒸馏正是一种合适的手段，而且常常也是一种最经 济、最容易实现的分离手段。蒸馏过程的设计、操作和控制是否良好，对炼油厂生产的 影响甚为重大。 蒸馏装置分馏塔有其自身明显的特点，它将直接影响其设计、操作、控制和动态数 学模型的建立”。 ( 1 ) 石油是烃类和非烃类的复杂混合物，石油的分馏过程是典型的复杂系精馏。实际 的石油精馏过程不可能也没有必要按组分要求来分离产品。实际产品的馏分也不可能以 纯组分的方式描述。 ( 2 ) 炼油工业是个连续大规模生产的工业，大型炼厂的年处理量以百万吨乃至千万吨 计。 ( 3 ) 蒸馏装置分馏塔是个复合塔，其产品通常从塔顶、塔底、侧线抽出。这种塔的分 离精确度不会很高，例如常压塔在轻柴油侧线抽出板上除了柴油馏分以外还有较轻的煤 油和汽油的蒸汽通过，这必然会影响到侧线产品一一轻柴油的馏分组成。这对塔的操作 和控制提出了新的要求。 ( 4 ) 恒分子回流的假设完全不适用。由于石油各组分间的性质有很大的差别，显然， 恒摩尔流的假设不再成立。 这里简单介绍原油常减压蒸馏的工艺流程和特征。 大连理工大学专业学位硕士学位论文 图2 1 是典型的原油常减压蒸馏原理流程图。经过脱盐、脱水的原油由泵输送，流 经一系列换热器，与温度较高的蒸馏产品换热，再经管式加热炉被加热至3 6 5 。c 左右， 此时原油的一部分已汽化，油汽和未汽化的油一起进入常压塔( 此塔在接近大气压力之 下操作，相应的加热炉称为常压炉) ，经分离后从塔项馏出汽油馏分或重整料，从塔侧 引出煤油和轻、重柴油馏分，以及一些其他馏分，塔底产物称常压重油( 一般是原油中 沸点高于3 5 0 的重组分，原油中的胶质、沥青质也都集中于此) 。为了取得润滑油料 和催化裂化原料，需要把沸点高于3 5 0 的馏分从重油中分离出来。如果继续在常压下 进行分离，则必须将重油加热至四、五百度以上，从而导致重油，特别是其中的胶质、 沥青质等不稳定组分发生较严重的分解、缩合等化学反应。这不仅会降低产品的质量， 而且会加剧设备的结焦而缩短生产周期。为此，将常压重油在减压条件下进行蒸馏，温 图2 1 原油常压蒸馏塔原理流程图 一l ，_ 蒸馏装置分馏塔软测量技术及建模研究 度条件限制在4 2 0 ( 2 以下。减压塔的真空度一般在7 0 0 m m h g 或更高，它是由塔顶抽真空 系统造成的。从减压塔逸出的主要是裂化气、水蒸汽以及少量的油气，馏分油从侧线抽 出。塔底产品是沸点很高的减压渣油，可做锅炉燃料、焦化原料，也可进一步加工成高 粘度润滑油、沥青或催化裂化原料。 2 2 蒸馏装置分馏塔非平衡级动态机理模型的建立 石油化工过程的典型特点是生产过程的连续性和工艺过程本身的复杂性，其动态数 学模型的建立需要数学、工艺、过程动态学等方面的知识。本文的出发点是得到不仅反 映系统输入输出变量之间的关系，也能揭示系统状态和输入输出之间的关系的数学描 述，从石油化工过程本身的机理出发，建立数学模型。 2 2 1 模型假设 模型的假设主要包括以下几个方面 2 9 , 3 0 , 3 1 , 3 2 1 ( 1 ) 按房室法( c o m p a r t m e n t a lm e t h o d ) 划分塔段 建立逐板模型必将导致全塔模型的阶次很高，很难用于在线计算。为降低模型阶次， 用房室法将数个结构相近、变量值相差较小的塔板合为一个塔段，塔段内汽液两相逆流 接触，进行传质传热。 ( 2 ) 塔内汽液相 对于一层塔盘，可用图2 2 大致描述其汽液流动状态。按房室法划分塔段后，流动 状态更加复杂。从宏观上考虑，可以认为汽液相在径向均为全返混，轴向介于全返混和 活塞流之间，即用集中参数加适当的纯滞后进行描述。 图2 2 塔盘结构及汽液流动示意图 f i g 2 2s c h e m a t i cr e p r e s e n t a t i o no f t o w e rt r a ys t r u c t u r ea n dv a p o r - l i q u i df l o w 大连理工大学专业学位硕士学位论文 ( 3 ) 非平衡级假设 认为塔盘( 段) 内汽液接触时传质传热并未真正达到平衡状态，从而更符合实际。 在建立模型时直接考虑汽液相间的传质传热量。 ( 4 ) 压力系统 实