（检测技术与自动化装置专业论文）基于支持向量机的vcm生产过程控制方法研究.pdf

大连理工大学硕士学位论文 摘要 支持向量机是统计学习领域新兴的一种机器学习方法，已经在模式识别等领域得到有 效的应用，也成为非线性系统辨识的有力工具。与传统统计学相比，统计学习理论研究的 是小样本情况下的学习理论，而且具有很好的推广特性。支持向量机作为统计学习理论的 重要内容，具有良好的建模特性，采用支持向量机进行非线性系统建模不仅模型简单，有 完备的理论支持，拓扑能力强，更重要的是提供了一种实现复杂的非线性系统的建模与控 制的新方法。虽然支持向量机的研究取得了一些成果，但到目前为止，将其用于解决工业 过程控制问题的研究还不多见。 氯乙烯单体生产过程反应机理复杂，反应过程具有非线性、不确定性和时变性，而 且难以建模，它具有一系列复杂化工反应过程的典型特性。其转化过程中对温度及温度 变化反应灵敏，给系统的建模和控制提出了较高的要求。 本文根据氧乙烯单体生产过程的工艺要求和系统控制要求，针对现有系统存在的问 题提出了改造方案，并完成了控制系统的优化设计和硬件设计。在此基础上，对氯乙烯 转化过程利用支持向量机进行非线性系统建模，并将得到的支持向量机模型应用于非线 性系统的预测控制，提出了基于支持向量机模型的非线性预测控制算法。仿真结果表明， 所提出的方法学习速度快，非线性建模和泛化能力强，控制效果良好。 本文工作表明：支持向量机作为一种高精度的建模工具，不仅可以成功应用于解决 氯乙烯单体转化过程等复杂工业过程的建模问题，还可以为复杂工业过程的控制提供有 力的工具，所提出的基于支持向量机的预测控制算法是有效的。 关键词：支持向量机；预测控制；氯乙烯单体；数据建模 大连理工大学硕士学位论文 c o n t r o im e t h o do nv c mp r o d u c t i v ep r o c e s sb a s e do ns v m a b s t r a o t s u p p o r tv e c t o rm a c h i n e s ( s v m ) i san e wm a c h i n e sl e a r n i n gm e t h o di nt h e f i e l do f s t a t i s t i c s i th a s b e e nu s e di nt 1 1 ef i e l do fp a t t e r ni d e n t i f ye f f e c t i v e l y i ti sap o w e r f u lt 0 0 1i n n o n l i n e a rs y s t e mi d e n t i f i c a t i o n s t a t i s t i c a ll e a r n i n gt h e o r y ( s l t ) i sat h e o r yt h a ts p e c i a l i z e d i nm a c h i n el e a r n i n g 谢血f i n i t es a m p l e s i na d d i t i o n s l th a sh i g hg e n e r a l i z a t i o na b i l i t ya s w e l l s v mi sa ni m p o r t a n ta r e ao fs l t a n di tp o s s e s s e sg o o dc h a r a c t e r i s t i co nm o d e l i n g b e c a u s eo fi t sa d v a n t a g eo nm o d e l i n go fn o n l i n e a rs y s t e m ，i tn o to n l yh a sas i m p l em o d e l ，b u t a l s op r o v i d e san e wc o n t r o lt h e o r yw h i c hi ss u i t a b l ef o rc o m p l e xn o n l i n e a rs y s t e m t h e r e s e a r c ho fs v mh a so b t a i n e ds o m ea c h i e v e m e m ，b u ts v mm e t h o dh a ss e l d o mb e e nu s e dt o s o l v et h ep r o b l e mi ni n d u s t r yp r o c e d u r ec o n t r o lb yn o w t h ep r o d u c ep r o c e s so fv i n y lc h l o r i d em o n o m e r ( v c m ) h a sc o m p l i c a t e dm e c h a n i s m ，i t i sn o n l i n e a r ，u n c e r t a l n 够a n dt i m e v a r y i n g t h ep r o c e s si ss e n s i t i v et ot h et e m p e r a t u r ea n dt h e c h a n g eo ft e m p e r a t u r e ，w h i c hh a sh i g h e rr e q u i r e m e n to ns y s t e mm o d e l i n ga n dc o n t r o l l e r d e s i g n i n g i nt h ep a p e r ，a c c o r d i n gt ov c m p r o d u c et e c h n o l o g ya n dc o n t r o lr e q u e s t ，r e c o n s t r u c t i o n s o l u t i o na n dd e s i g ns o l u t i o ni sp r o p o s e d b a s e do nt h a t ，am o d e l i n gm e t h o do fn o n l i n e a r s y s t e m su s i n gs u p p o r tv e c t o rm a c h i n e si sp r o p o s e d a n dt h em o d e l i n go fs v m i sa p p l i e dt o n o n l i n e a rp r e d i c t i v ec o n t r 0 1 ak i n do f n o n l i n e a rp r e d i c t i v ec o n t r o ls c h e m eb a s e do nt h es v m m o d e li sp r e s e n t e d f u r t h e r m o r e ，t h ep r e d i c t i v ec o n t r o lb a s e do ns v mw a ss u c c e s s f u l l y a p p l i e dt oam o d e la n dc o n t r o lf o rv i n y lc h l o r i d et r a n s f o r mo fv c mp r o d u c t i v ep r o c e s s t h e s i m u l a t i o nr e s u l t ss h o wt h a ts v mc a nb et r a i n e dr a p i d l y ，a n dh a v eg o o dg e n e r a l i z a t i o nu n d e r n o n l i n e a rm o d e l i n ga n ds a t i s f a c t o r yc o n t r o lp e r f o r m a n c e t h i sp a p e r sw o r ks h o w st h a ts v mc a nn o to n l yb eu s e di ns o l v i n gt h em o d e l i n g p r o b l e ms u c ha st e m p e r a t u r ec o n t r o lo ft h ev c m t r a n s f o r mp r o c e s ss u c c e s s f u l l y ，b u ta l s o p r o v i d e ap o w e r f u lt o o li nt h ec o m p l i c a t e di n d u s t r yp r o c e s sc o n t r 0 1 t h ea l g o r i t h mo f p r e d i c t i v ec o n 廿0 1b a s e do ns v m i se f f e c t i v e k e yw o r d s ：s u p p o r tv e c t o rm a c h i n e ；p r e d i c t i v ec o n t r o l ；v i n y lc h l o r i d em o n o m e r ； d a t am o d e l i n g 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：姬思整日期：丝圭：! 三：竺 大连理l _ 人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r 解“大连理工大学硕士、博士学位论文版权使用 舰定”，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：固臣昭妊 导师虢：至! 丝年旦月旦日 大连理工大学硕士学位论文 引言 随着企业生产规模的扩大和生产过程复杂程度的提高，建立过程的机理模型已经变 得越来越困难，所以简单地将基于线性模型的预测控制方法推广到非线性过程受到了极 大的限制。因此，利用实际可以测量的输入输出数据来建立对象的近似模型成为必然的 选择。虽然神经网络被证明能以任意精度逼近非线性函数，但是，神经网络建模所存在 的诸如大样本训练问题、局部最小问题以及拓扑结构的难以确定等问题，使基于神经网 络的非线性控制在解决具有不确定性的小样本非线性控制问题时有很大的局限性。由 v a p n i k 等人提出的统计学习理论及在其理论框架基础上发展的支持向量机理论是根据 有限的样本信息在模型复杂性和学习能力之间寻求最佳折衷，以期获得对非线性对象最 好的泛化能力的新方法【1 捌。与传统的神经网络方法相比，支持向量机算法最终将转化成 为一个二次型寻优问题，得到的将是全局最优解，其拓扑结构由支持向量确定，避免了 传统神经网络拓扑结构需要经验确定的局限性。而且支持向量机也能够以任意精度逼近 任何函数，在样本信息有限的情况下，模型的稳定性和精度远远好于神经网络【啦】。 预测控制是一种基于预测模型、滚动优化和反馈校正的控制策略。自二十世纪七十 年代产生以来，预测控制无疑是当前工业界应用最为成功的先进控制技术。其本质是根 据对系统未来状态的预测来优化系统行为，而这种预测是通过预测模型实现的，因此预 测模型是模型预测控制中一个关键要素。目前常用的都是线性预测模型，并且基于线性 预测模型的预测控制方法已成功地应用于工业过程。而实际工业工程大都是非线性的， 对于具有很强非线性特性的过程，必须用非线性预测模型拟合系统动态，用线性预测模 型很难获得好的控制性能。因此，非线性预测模型的研究越来越引起控制理论研究的关 注。由于基于非线性预测模型的预测控制，在建模和在线滚动优化方面存在的困难，目 前大多停留在理论研究阶段，在工业过程控制上的应用还很少见。 氯乙烯单体是塑料产品中最大品种聚氯乙烯的重要原料，在聚氯乙稀生产过程中， 氯乙烯单体的生产至关重要。由于氯乙烯单体生产过程具有很强的非线性、时延性和复 杂性，以及模型很难建立等特点，所以常规的控制方法很难达到满意的控制效果p 】。尤 其在氯乙烯转化过程中的温度控制更为复杂：温度过高，导致触媒中毒失效；温度过低 反应不完全，而且过剩的氯化氢形成强酸腐蚀反应设备。转化过程中，随着反应的进行， 反应放出大量的热量，在不同反应阶段，反应程度不同，反应放出的热量也不同，这时 必须根据反应器温度的高低及变化趋势，通过调节控制热水槽水流量、热水槽水温度、 乙炔与氧化氢混合气体流量和混合气体温度及时有效控制转化器温度以满足转化要求。 所以，氯乙烯转化过程的温度控制属于多变量、非线性复杂化工过程控制，能代表一系 姬忠良：基于支持向量机的v c m 生产过程控制方法研究 列复杂化工反应过程，对其建模和控制研究有着重要的意义。 为此，本文根据氯乙烯单体生产工艺和系统控制要求，针对现有系统存在的问题提 出改造方案，并完成了控制系统的优化设计和硬件设计。在此基础上，针对氯乙烯转化 过程采用支持向量回归( 我们把支持向量机的估计指示函数域推广到实函数域，就变成 了支持向量回归) 建立非线性模型，并实现非线性预测控制，提出了基于支持向量回归 模型的非线性预测控制算法。该方法的特点是：利用支持向量回归高精度建模特性，根 据现场采集的有效数据，建立氯乙烯单体生产过程中氯乙烯转化的温度控制系统模型， 并实现模型的在线修正。将建立的模型作为预测控制所需的预测模型，在此基础上设计 预测控制器，通过遗传算法滚动优化及反馈校正，确定最优控制量。对非线性系统进行 仿真实验的结果表明，支持向量回归的建模精度高于普通神经网络；基于支持向量回归 的预测控制器具有简捷、可靠、有效、鲁棒性强的特点；本文将其应用到氯乙烯单体生 产过程氯乙烯转化的建模与控制中，取得了很好的控制效果。 全文共分五章，各章主要内容简述如下：第一章绪论，介绍了氯乙烯单体概况，统 计学习与支持向量机的提出、发展和研究现状，以及预测控制的基本知识：并论述了本 文研究课题的提出背景、理论意义和应用价值；第二章氯乙烯单体生产工艺流程与控制 系统改造介绍，详细介绍了锦化集团氯乙烯单体生产工艺流程与控制要求，氯乙烯单体 生产控制系统改造的必要性以及具体改造方案，以及控制系统的优化设计、硬件设计方 案；第三章统计学习理论与支持向量机，介绍了机器学习问题的提出，经验风险最小化， 复杂性与推广能力等一些基本问题，介绍了统计学习理论的v c 维概念，推广性的界以 及结构风险最小化原理，介绍了支持向量机的最优超平面，核函数。详细阐述了支持向 量回归建模研究，其中包括支持向量回归建模的优点，支持向量回归原理与实现。最后 与神经网络进行比较，结果表明小样本情况下，支持向量回归建模表现出了更好的函数 逼近能力，具有更好的模型泛化性能；第四章基于支持向量回归的预测控制，首先介绍 了预测控制的基本原理，即模型预测、滚动优化和反馈校正。然后，提出基于支持向量 回归的预测控制算法，并将其应用于非线性系统控制仿真中，结果表明此控制算法具有 良好的控制性能；第五章氯乙烯单体转化过程温度控制仿真研究，将所提出的基于支持 向量回归的预测控制方法应用于氯乙烯单体生产过程中氯乙烯转化的温度控制，进行了 仿真实验。仿真结果表明，本文提出的基于支持向量回归的非线性预测控制算法是有效 的，并且具有良好的控制性能；最后的结论，对全文进行了总结，并提出了本论文今后 有待继续研究的方向和问题。 大连理工大学硕士学位论文 1 绪论 1 1 氯乙烯单体概述 氯乙烯( v i n y lc h l o r i d em o n o m e r 简称v c m ，分子式c h ，= c h c l ) 是无色的、易液化 的气体。易聚合，也能与丁二烯、乙烯、丙烯、丙烯腈、醋酸乙烯和马来酸脂等共聚。 主要用于制备聚氯乙稀( p o l y m e r i z ec h l o r i d em o n o m e r 简称p v c ) ，也用于有机合成、制 备冷冻剂等f 3 】。早在1 8 3 5 年，法国人r e g n a u k 就已经发现了氯乙烯，但直到1 9 1 2 年前后， 德国化学家f k l a t e 和e z a c h a r i s 才发展了氯乙烯和聚氯乙稀的工业生产方法，而较大规模 的用氯乙烯聚合产生聚氯乙稀是在1 9 3 5 年由b i t t e r f e l d 实现。到二十世纪六十年代，聚氯 乙稀已经是塑料中最大的品种，目前聚氯乙稀仍然是塑料中位居第二的产品，是木材、 钢铁、玻璃、纸张等传统材料的良好代用品，在塑料工业中具有举足轻重的地位【4 】。而 在聚氯乙稀生产过程中，氯乙烯单体的生产是至关重要的。 经过近半个世纪的发展，氯乙烯生产规模不断扩大，生产技术快速更新，实践证明， 氯乙烯生产工艺的技术水平直接影响着聚氯乙烯树脂的产品质量、生产成本及市场竞争 力。 1 2 统计学习理论与支持向量机概述 机器学习不仅要从数据中学习得到规律，从得到的规律中较好地解释己知的实例， 而且更重要的是对未来的现象或无法观测的现象做出正确的预测和判断，即具有推广能 力。传统的统计学研究的主要是渐近理论，即当样本趋向于无穷多时的统计性质，然而 实际问题中的样本数目都是有限的。二十世纪七十年代产生的统计学习理论( s t a t i s t i c a l l e a r n i n gt h e o r y 简称s l t ) 较好地解决了这一问题，它是研究基于有限样本情况下的机 器学习问题。二十世纪九十年代，在这一理论框架下产生了支持向量机( s u p p o r tv e c t o r m a c h i n e 简称s v m ) 这一新的通用机器学习方法。支持向量机从其产生到现在，理论和 应用都得到了很快的发展，取得了重要的成果，显示了其优越性。 支持向量机是由v a p n i k 等人于上世纪末提出的，它是统计学习理论的一大杰出部 分，是统计学习理论的一种成功的实现。它建立在统计学习理论的v c 维和结构风险最 小原理基础上，根据有限样本信息在模型的复杂性( 即对特定样本的学习精度) 和学习能 力( 即无错误的识别任意样本的能力) 之间寻求最佳折衷，以期获得最好的推广能力【5 。j 。 支持向量机思想概括起来就是通过非线性变换将输入空间变换到一个高维空间，在这个 新空剧中求取最优线性分类面，而这个非线性变换是通过内积核函数实现的。作为一种 全新的学习机器，支持向量机已经成功的应用到分类和函数拟合问题上，并成功的解决 姬忠良：基于支持向量机的v c m 生产过程控制方法研究 了一些实际应用问题。它与神经网络有着本质的区别，没有神经网络过学习和容易陷入 局部最小解的缺点，成功克服了所谓的维数之灾问题。 近些年来，支持向量机算法与应用研究都得到了很大发展。2 0 0 1 年s u y k e n s 等采用 了s v m 进行优化控制的研究，使支持向量机的研究向控制领域发展，不仅开创了智能 控制的新方向，而且进一步拓宽了支持向量机的研究领域【”。张学工的c s v m 算法 8 1 ， s c h o l k o p f 的v s v m 算法以及h s u 等提出的口s v m 算法【9 ，这些算法都对支持向量机训 练算法进行了很好的改进。由于s v m 的良好推广特性，使其在模式识别( 人脸识别【10 1 、 文本自动分类 1 1 】和字符识别【1 2 ) 、函数逼近、数据挖掘f 1 4 1 和非线性系统控制中均有很 好的应用l i “。 1 3 预测控制概述 二十世纪七十年代以来，人们从工业过程的特点出发，寻找对模型精度要求不高而 同样能实现高质量控制性能的方法，预测控伟u ( p r e d i c t i v ec o n t r o l 简称p c ) 就是在这种背 景下发展起来的。预测控制技术最初由r i c h a l e t 和c u t l e r 提出【l ”，它具有三大本质特征： 预测模型、滚动优化和反馈校正 1 7 , 1 8 。预测控制的特点是建模方便，采用非最小化描述 的离散卷积和模型，信息冗余量大，有利于提高系统的鲁棒性；采用滚动优化策略，使 模型失配，畸变，干扰等引起的不确定性及时得到弥补，从而得到较好的动态控制性能； 可推广到有约束条件，大延迟，非最小相位以及非线性等过程，对模型精度要求不高， 跟踪性能好，更适应复杂工业过程控制。 预测控制算法最大程度地结合了工业实际的要求，综合效果好，已经在理论和应用 方面取得了显著进展。各种预测控制理论不断地产生并得到发展，其研究包括：预测控 制基本算法( 其中有变量系统的预测控制算法、稳定性和鲁棒性分析、可行性和带约束 系统的预测控制等) 、非最小相位过程的预测控制、大时滞过程的预测控制、非线性预 测控制系统、鲁棒预测控制以及与其他控制方法相结合的新型预测控制【1 9 1 。由于预测控 制的机理适应了复杂过程控制的要求，因而比建立理想条件下的最优控制更加实际与有 效。目前在石油、电力和航空等工业中都得到了成功的应用。 1 4 本论文主要研究内容及出发点 氯乙烯生产过程具有高度非线性、时变性的特点，而且对控制的稳定性、系统的安 全性要求很高，可以代表一系列复杂的非线性工业过程。本文在经过精心仔细的现场调 研的基础上，根据氯乙烯单体生产过程的工艺要求和系统控制要求，针对系统的现状， 提出了系统改造意见，进而完成了系统的优化设计和硬件设计。针对其中的氯乙烯转化 大连理r 大学硕士学位论文 过程，采用支持向量回归进行系统建模。因为支持向量回归可以利用实际可测量的输入 输出数据来辨识模型，而且它拓扑结构简单，有完备的理论基础，良好的推广泛化能力， 其最终将转化为一个二次型寻优问题，得到的是全局最优解。本文在此模型基础上，引 入预测控制方法，提出基于支持向量回归的非线性预测控制，并应用遗传算法对目标函 数进行滚动优化，仿真实验与现场运行都证明该方法的良好控制效果。 基于线性系统的预测控制理论比较成熟，非线性过程控制的研究相对较少，而且由 于非线性系统的复杂性，很难形成统一的预测控制的建模与优化的框架，因此非线性系 统的研究更复杂，更困难。另外，应用模型进行预测是预测控制的基本特征，模型是否 能够反映系统的特征，直接关系到控制的精度和稳定性。因此，研究高精度、有效、简 单的信息预测模型是目前非线性预测控制要解决的重要问题。基于结构风险最小化的支 持向量机直接反映的是非线性模型的特征，克服了传统的非线性建模的近似线性或类似 线性系统的设计方法所引起的模型的精确度差的缺点。不仅如此，支持向量机还成功的 克服了其他学习理论局部极小点、过学习等缺陷。所以，采用支持向量机理论设计的预 测控制能简化建模手段、提高预测精度、改善系统的性能。这是本文研究的出发点。 姬忠良：基于支持向量机的v c m 生产过程控制方法研究 2 氯乙烯单体生产过程控制系统的改造与设计方案 锦化化工( 集团) 有限责任公司生产氯乙烯单体采用的是电石法，即先将电石加入水 中生成乙炔，再用氯气、氢气合成氯化氢，然后乙炔与氯化氢转化生成氯乙烯，最后再 进行精馏的生产过程。对应的四个生产阶段为：乙炔的生成、氯化氢合成、氯乙烯转化 和氯乙烯精馏。流程如图2 1 所示。 图2 1 氯乙烯单体生产流程 f i g 2 1t h ep r o d u c ef l o wo f v c m 2 1 氯乙烯单体生产工艺及控制要求介绍 电石乙炔法是生产氯乙烯最早工业化的方法，设备工艺简单，投资少，产品纯度高。 反应基本原理为乙炔和氯化氢在以氯化汞为活性组份，以活性碳为载体的催化剂上气相 反应生成氯乙烯。 工艺过程为：乙炔和氯化氢按一定摩尔比混合进入在列管内装有氯化汞催化剂反应 器进行反应，在反应中放出的热量，借列管外的循环冷却水带走，反应后粗氯乙烯气体 进入水洗塔及碱洗塔，洗去气体中氯化氢及二氧化碳，碱洗后气体，通过干燥塔进行压 缩、全凝、液化，液体氯乙烯通过低沸点塔及高沸点塔，除去高、低沸物，得到精氯乙 烯送入贮槽，工艺流程图如图2 2 所示。 大连理工大学硕士学位论文 幽22 氯乙烯单体生产流程简图 f i g 2 2t h ed i a g r a mo f v c mp r o d u c ef l o w 氯乙烯单体的生产按工艺流程可分为四个阶段，工艺流程和控制要求如下： ( 1 ) 乙炔的生成 将粉碎好的电石( 直径1 5 5 0 m m ) 放入电石吊斗内，用电葫芦或皮带运输机经第一、 第二料斗，借电石振荡器连续不断地加入发生器内，加入量大小由振荡器电流控制，其 姬忠良：基于支持向量机的v c m 生产过程控制方法研究 中振荡器电流与水环压缩机连锁起到安全保护作用。电石与反应器内的水反应后，生成 的乙炔气经正水封进入冷却塔和水洗塔降温及除去电石泥等固体杂质后进入气柜中。水 解反应放出的热量由连续不断加入发生器内的过量水移去。经过冷却和水洗的乙炔气 体，经水环式压缩机加压进入清净塔，与次氯酸钠溶液反应，以除去粗乙炔中的磷、硫、 砷等杂质。从清净塔顶排出的气体进入中和塔中和后进入乙炔冷凝器除去大部分水份， 供氯乙烯合成。 乙炔的生成阶段的控制要求为：控制加入发生器的过量水流量，保证发生器温度 8 0 9 0 ，发生器压力3 1 3 1 5 k p a ，液位在液面计1 2 2 3 之间。实现振荡器电流与压缩机 的出口压力( 7 0 9 8 k p a ) 、入口压力( 3 3 k p a ) 的连锁，保证生产顺利进行； ( 2 ) 氯化氢合成 电解装置送来的氢气经干燥器、阻火器、进入合成炉，在底部的石英灯头上燃烧， 氯气经缓冲罐进入合成炉按一定比例与氢气混合燃烧生成氯化氢，燃烧温度可达 2 0 0 0 ，借炉身及冷却夹套冷却，出炉口温度约为5 0 0 ，经较长的铸铁空气冷却管冷 却到1 2 0 - 1 5 0 ，在块式石墨冷凝器中，用工业水间接冷却至3 5 左右，将气体中的水 冷却生成盐酸进入盐酸贮槽，氯化氢借系统压力送至缓冲罐，以备氯乙烯合成。 此阶段需达到的控制要求：实现氯气、氢气的按比例混合，使合成炉水温在 6 0 1 0 0 ，单台炉压差小于1 3 3 k p a ，以及单体泵送出压力满足大于0 4 m p a 要求； ( 3 ) 氯乙烯转化 乙炔经过石墨冷凝器和氯化氢气体按一定比例在混合器中混合后进入石墨冷凝器 中，用一3 5 盐水间接冷却到一1 4 。c 左右，除去酸雾的干燥混合气体进入预热器，由流量 计控制从上部进入串联转化器组，以反应器列管中充填的氢化汞活性碳为催化剂使乙 炔与氢化氢反应转化为氯乙烯单体。合成反应放出的热量通过循环热水泵循环热水移 去。氯乙烯气体再经水洗塔和碱洗塔洗涤，进一步彻底除去残余的氯化氢后，送入粗氯 乙烯气柜，而后进入机前列管式冷却器。用0 。c 水间接除去部分水，用往复式压缩机压 缩至o 5 m p a 左右，经分离器分离除去油和水后送入精馏系统。 氯乙烯转化阶段要达到的控制要求为：转化器反应温度必须达到1 3 0 1 8 0 ，使转 化顺利进行。为了使反应向正反应方向进行，氯化氢与乙炔的流量比l 。0 5 1 1 ：l 。同时， 热水槽液面( 1 2 2 3 ) 、热水温度( 9 5 9 9 。c ) 也要达到控制要求； ( 4 ) 氯乙烯精馏 氯乙烯气体先进入全凝器，用0 。c 水间接将其中大部分氯乙烯气体液化，靠位差流 入分离器中除去水，然后进入低沸点塔，全凝器中未凝气体迸入尾气冷凝器中，由3 5 盐水间接冷凝为含乙炔的氧乙烯液体作为低沸塔的回流液，而不凝气体减压后排放或回 大连理工大学硕士学位论文 收。低沸塔底部的再沸器由转化器循环水进行间接加热。脱除乙炔等不凝气体后的氯乙 烯从低沸塔借压差进入高沸塔。向下流动的液相与塔底上升的气相在塔板上进行传热与 传质，最终在塔顶排出纯氯乙烯气体，经塔顶冷凝器用o 。c 水将其冷凝下来，部分回流 入塔顶，大部分进入纯氯乙烯贮槽。同样，高沸塔底再沸器也是由转化来的热水提供所 需的热量。 氯乙烯精馏阶段关系到产品的纯度质量，此阶段的控制要求为：低沸塔塔顶压力 ( o 4 5 0 5 m p a ) 、温度( 3 3 3 8 。c ) ，低沸塔再沸器压力( o 4 5 - 0 5 m p a ) 、温度( 3 7 4 2 ) ，高沸 塔塔顶压力( o 3 8 0 4 5 m p a ) 、温度( 1 5 2 0 。c ) ，高沸塔再沸器压力( o 3 8 0 4 5 m p a ) 、温度 ( 2 9 3 4 c ) 。 2 2 氯乙烯单体生产控制系统目前存在的问题及改造方案 锦化集团自1 9 9 8 年动工建设氯乙烯生产装置以来，虽然对这套装置进行不断的改 造。但是，总的来说这套装置的自动化水平仍然很低，甚至有的环节还停留在手工调节、 凭经验操作的水平。这严重制约了产品经济效益的提高和企业的发展。因此，锦化集团 氯乙烯单体生产过程控制系统的改造是必要的、迫切的。 针对锦化化工( 集团) 有限责任公司生产氯乙烯单体过程的四个生产阶段，该系统存 在的主要问题有： ( 1 ) 乙炔的合成阶段下料斗给料不均匀，以及没有实现压缩机与气柜连锁，容易导 致气柜内无乙炔气体时压缩机继续抽气，损坏气柜。另外，乙炔发生器的温度、压力控 制也存在不稳定的情况； ( 2 ) 氯化氢合成阶段是整个生产中较危险的过程。因为氯气、氢气极易爆炸。而氯 化氢合成车间却是全部手动、凭经验操作的现状，极易产生危险。又考虑氯气与乙炔混 合发生爆震的危险，此处必须达到稳定的自动控制： ( 3 ) 氯乙烯转化阶段是整个过程的重点，转化控制的好坏直接影响到氯乙烯单体的 产量和质量，而且，对氯乙烯的精馏也产生一定的影响。而锦化集团此处的乙炔与氯化 氢的配比控制、转化器的温度、压力控制都急需改进； ( 4 ) 氯乙烯单体生产过程的精馏阶段包含括了两个装置，即低沸点塔、高沸点塔。 目前装置中采用的都是最基本的单回路控制，各个工艺参数的控制是分开的，且由操作 人员进行人工操作。所以，装置目前采用的精馏塔的控制系统不是最优的，其控制效果 远远没有达到控制要求。 针对氯乙烯单体生产装置目前存在的问题，结合其运行情况、工厂实际生产的要求， 将先进控制技术运用到该装置中，其总的目的是：提质降耗，提高生产效率，提高系统 姬忠良：基于支持向量机的v c m 生产过程控制方法研究 的自动化水平。所提出的方案如下： ( 1 ) 乙炔的生成阶段发生器温度、压力的控制 存在问题 该发生器是获得乙炔的生产装置，其原料是电石和水。由于水解反应放出大量的热， 会使发生器的温度不断升高，而此反应的最佳温度是8 0 9 0 c ，发生器温度过高不但影 响乙炔的生成，而且加速了对发生器的腐蚀，甚至由于发生器压力过大引发事故。目前， 该装置没有很好的实现温度控制： 解决方案 检测加入发生器的水的流量，使反应放出的热量由连续不断加入发生器内的过量水 移去。实现水流量和发生器温度压力的自动控制，使发生器的温度、压力符合反应条件； ( 2 ) 乙炔的生成阶段振荡器电流与压缩机的控制 存在问题 在乙炔生成阶段，要将粉碎好的电石( 直径1 5 5 0 m m ) 放入电石吊斗内，用皮带运输 机借振荡器连续不断地加入发生器内，加入量大小由振荡器电流控制，其加入量的大小 直接影响乙炔气生成的多少，而生成的乙炔气要经由水环压缩机加压送入清净塔去除杂 质。由于目前无法实现此处的控制，只能设置一个气柜存储生成的乙炔气。气柜不仅占 地大，维护费用高，而且乙炔属易燃易爆气体，气柜存在重大安全隐患，是急需解决的 问题； 解决方案 建立振荡器电流、乙炔发生器压力和水环压缩机入口压力、出口压力之间关系的数 学模型，以此生产流程中的相关监测点等为参量，计算出相关被控量的最佳设定值，然 后进行自动控制； ( 3 ) 氯化氢合成阶段氯气和氢气的配比控制 存在问题 氯气和氢气的配比是整个氯乙烯生产中尤为重要的工艺参数，它不仅关系到氯化氢 的生产和安全，而且直接影响到最终产品氯乙烯的产量和纯度。而这恰是锦化集团整个 氯乙烯生产装置中自动化控制最薄弱的环节。到目前为止，氯化氢合成阶段只能实现少 量参数的显示，氯气、氢气的输入量完全由工人凭经验靠观察燃烧火焰的颜色来进行控 制，存在很大误差。另外，氢气易燃易爆，氯气为有毒气体，凭经验控制氯气、氢气的 流量无法实现氯气、氢气的最佳配比，存在重大安全隐患； 解决方案 为了解决上述存在的问题，必须结合操作人员的实际操作经验，依据反应机理，建 大连理工大学硕士学位论文 立各种工艺条件下氯气、氢气的最佳配比的数学模型，以氯气、氢气各自的流量、压力， 以及生产流程中的相关测点等为参量，计算出此时最佳的氯气、氢气的流量，然后进行 自动控制： ( 4 ) 氯乙烯转化阶段乙炔和氯化氢的配比控制 存在问题 氯乙烯的转化阶段原料为乙炔和氯化氢，其比值理论上为1 ：1 ，但是为了使反应向 正反应方向进行，大都采用氯乙烯和乙炔流量比值为1 0 5 1 1 ：1 ，在该流量控制中，乙 炔过量会造成触媒中毒失效，氯化氢超出范围量则会腐蚀设备、增加后继工序负担。另 外，锦化集团地处我国东北，冬季气温比较低，温度变化对流量配比控制的影响也比较 大； 解决方案 结合操作人员的实际操作经验，依据反应机理，建立乙炔、氯化氢的最佳配比的数 学模型，以生产流程中的相关监测点等为参量，计算出乙炔、氯化氢的最佳流量配比， 并引入温压补偿运算式，对乙炔、氯化氢流量进行温度、压力补偿运算，保证控制精度， 实现自动控制； ( 5 ) 氯乙烯转化阶段转化器的温度、压力控制 存在问题 氯乙烯的转化过程，对反应温度的严格要求是1 3 0 1 8 0 。c ，温度过低反应不完全， 温度过高使触媒氯化汞中毒失效。可见，对转化器温度的控制直接关系到产品的稳定生 产和企业的经济效益。转化器的压力输出稳定与否直接影响到后续工序能否顺利进行。 目前，氯乙烯转化器温度只实现了六点检测，无法满足控制要求；而由于转化器压力输 出的不稳定，为了避免对精馏工段的影响，在此处又增加了一个氯乙烯气柜，气柜的维 护以及存在的安全隐患都给生产带来了不便。为了实现稳定的温度、压力控制，进而达 到提高产品产量和纯度，取消气柜的目的，必须对此控制系统进行改造； 解决方案 此过程具有非线性、时变性、复杂性等特点，而且机理模型难以建立。基于这些特 点，采用支持向量机理论建立精确的数学模型，然后在所建模型的基础上，引入预测控 制进行控制，实现基于支持向量机的非线性预测控制方法。达到转化器温度的稳定控制， 以获得最佳控制效果； ( 6 ) 氯乙烯精馏阶段的先进控制 存在问题 氯乙烯单体生产装置的精馏段包含低沸点塔、高沸点塔。精馏塔是一个多变量的复 姬忠良：基于支持向量机的v c m 生产过程控制方法研究 杂系统，要实现对精馏塔的精确控制是一个复杂的系统工程。而目前装置中采用的都是 最基本的单回路控制，各个工艺参数的控制是分开的，且由操作人员进行人操作。从系 统工程的角度看，整个精馏塔是一个系统，各参数之间存在着耦合关系，是相互作用的， 应当作为一个整体来考虑。所以，装置目前采用的精馏塔的控制系统不是最优的； 解决方案 研究精馏塔各变量之间的相互关系，建立其数学模型，然后建立精馏塔的多变量控 制系统，实现精馏塔各工艺参数的自动控制，以达到更优的控制效果； ( 7 ) 在线故障诊断系统 存在问题 在整个氯乙烯单体生产过程中，会出现一些设备故障，如管道堵塞、低沸点塔、高 沸点塔塔板脱落等。而目前整个装置的操作以人工为主，对这些故障也完全由操作人员 根据经验进行判断，存在着误差、滞后，还与操作人员的水平、责任心有着极大的关系： 解决方案 根据反应的机理、操作人员的经验，建立在线的故障诊断专家系统，在出现设备故 障时，及时报警提示，并给出操作建议。 2 3 氯乙烯单体生产控制系统优化设计方案 现代工业的一个重要特点是向大型化和自动化发展，工业过程自动化是实现大规模 工业生产安全、平稳、优质、高效的基本条件和重要保证。工业过程自动化就控制方案 而言在五六十年代仅仅是一些单回路为主的简单控制系统，其目的主要是以定值控制生 产过程中的一些工艺变量，以达到稳定生产操作的目的。因此，它们往往寓于工艺过程 的稳定操作所带来的效益之中。随着工业的发展，工厂装置规模的不断扩大，生产操作 与装置运行的好坏与工厂的经济效益关系更加密切，于是对工业过程自动化提出了更高 的要求，对控制系统的设置从稳定单个工艺变量发展到着眼于单元过程的控制进而发展 到对整个车间、整个工厂乃至整个公司的根据市场信息来最优的管理、控制企业生产的 计算机集成综合自动化，其经济效益也随着“控制”规模的扩大而显著增长。 当计算机作为控制工具被用于工业生产过程控制以后，开始人们期望将工业过程中 的单元过程，甚至一个装置( 一个完整的工艺流程) 用一个动态模型来加以描述，然后用 动态最优控制方法( 如动态规划及以后发展起来的大系统控制方法) 来加以控制。不久， 人们意识到这几乎是不可能的，这主要来自于两个方面的原因。其一是，随着控制规模 的扩大，过程整体动态数学模型的获得( 一般都是非线性的) 如果说不是不可能的话，也 大连理工大学硕士学位论文 是极为困难的；其二是，工业过程的非线性及不确定性以及变量如此之多，以致没有一 种控制算法( 包括大系统控制算法) 能够运用。 人们首先想到的办法是分解协调的方法。作为基本生产单位的车间( 装置) ，其主要 功能是生产过程的控制及操作优化。将一个车间( 装置) 作为一个整体来进行控制如上所 述是极其困难的，国外在二十世纪七十年代早期的在线优化就是采用集中优化的形式， 实践证明是失败的。其失败的原因就在于：集中优化的操作效率低、鲁棒性差、维护性 能差，且不适合操作人员的习惯。而所谓的分散形式的在线操作优化却取得了成功。也 就是说，车间( 装置) 作为控制与优化的基本单位仍显得过大，因而需要再从横向将生产 车间( 装置) 进一步按单元过程( 反应器、精馏塔等) 再分成控制及优化( 局部优化) 的基本 单元。同时我们还将它分为两个基本功能层，即控制与优化。其理由是：首先，由于在 我们研究动态最优控制系统时其目标函数中仅出现状态变量及控制变量，难以引入与经 济效益有关的大量变量与参数；其次，对于连续工业生产其主要外扰来自于原料的变化， 生产过程中原料罐的切换不是随时都变化的，而是以若干小时为单位进行切换的。所以， 我们可以根据操作的频繁程度及过程的特性再划分成为基于动态模型的控制与基于稳 态模型的操作优化( 利用数学规划可以容易地引入与经济效益有关的参数与工艺变量) 两层。我们通常指的复杂控制系统( 或先进控制) 就是这里所指的控制层。对于优化层， 上述的横向划分会产生局部优化( 分别按单元过程如发生器、合成炉、转化器、精馏塔 等的优化) 产生的效益总和小于全装置优化( 整体优化) 的效益。于是在车间( 或装置) 这 一级还要进行局部优化的综合、协调以达到整个装置的整体优化的目的。 2 3 1 在线稳态优化方案 锦化集团氯乙烯单体生产装置是一个大型装置，有大量的各种反应器( 塔或罐) ，各 种工艺参数、检测点也非常多。这样一个复杂的系统，要想实现在线稳态优化存在一定 的困难。由上文可知，集中优化的形式是行不通的。所以，这里采用分散形式的在线稳 态优化( 如图2 3 所示) 。我们把氯乙烯单体生产的四个阶段分别看作四个操作单元，在 每个操作单元上可以实现局部优化。但是，应该注意到，当四个阶段都达到了局部最优 时，整个生产过程不一定是最优的。而我们所要实现的是整个生产过程的全局最优化， 所以要引入总体协调。整个优化问题的求解都是以子过程为单元进行的，因此求出子过 程优化解后，要将结果传输给协调器，而由它做出权衡是否达到了全局最优。若达到全 局最优则停止计算，并命令各局部决策单元将各新决策变量值( 有关控制器的新设定值) 同时加到实际过程中，经过一段暂态以后，过程趋向稳态，这时它处于最优工况；若没 有达到全局最优，则协调器通过对协调策略的计算，对下级各局部决策单元发出干预信 姬忠良：基于支持向量机的v c m 生产过程控制方法研究 息，要求他们按新的要求重新优化，直到达到全局最优为止。这样便完成了一次优化计 算，即找寻最优设定值的过程。由于慢扰动和漂移的存在，经过一段时间以后，过程又 开始偏离它的最优工况，这样找寻最优设定值的过程呈周期性地重复进行。对于各个工 序，仍然要进一步地划分，并按图2 3 的结构进行分散优化。 图23 分散形式的在线稳态优化方案 f i g 2 3t h eo n l i n es t e a d yo p t i m a lp r o j e c to f d e c e n t r a l i z a t i o n 下面分别讨论各个生产阶段的优化方案： ( 1 ) 乙炔的生成 乙炔的合成阶段优化的主要目的是提高系统安全、稳定系统输出，优化的内容主要 集中在两台乙炔发生器温度和压力以及振荡器与压缩机的连锁控制，相应的控制变量是 加入发生器中过量水的流量、振荡器电流与压缩机出入口压力。 由于水解反应放出大量的热，会使发生器的温度、压力不断升高，所以需要检测加 入发生器的水的流量，使反应放出的热量由连续不断加入发生器内的过量水移去。使发 生器的温度、压力符合反应条件。因此，这里的优化就是解决：根据各个工艺参数，通 过优化获得当前工况下的最优的流量，从而达到反应所要求的温度。 大连理工大学硕士学位论文 进入反应中的电石是由加料斗借振荡器连续不断地加入发生器内，加入量大小由振 荡器电流控制，其加入量的多少决定乙炔气生成的量，而生成的乙炔气要经由水环压缩 机加压送出。为了避免压缩机喘振或超负荷运转，必须实现二者的连锁控制； ( 2 ) 氯化氢