（电气工程专业论文）硝酸生产过程操作参数的智能优化.pdf

沈阳工业大学硕士学位论文 摘要 对于化工生产过程的装置，由于原料价格、生产环境条件、产品市场需求、装置性 能等都可能经常处于变化之中，因此必须随时根据实际情况的变化调整生产计划和各装 置的操作参数，才能长期维持生产效益处于优化的状态。传统的基于模型的稳态优化方 法的基础是系统的精确数学模型，而许多过程对象呈现很大程度的非线性，内在机理十 分复杂；另外随着化工过程复杂程度的不断提高，要建立过程系统的精确数学模型也十 分困难。本文通过非机理方法对复杂系统建模和优化操作参数，不需要对过程有深入了 解，只知道输入和输出数据，就可达到提高生产效率，降低生产成本，增加企业经济效 益的目的。 本文的研究内容，属于操作条件的优化问题，在不改动原有设备，不干扰正常生产 的前提下，主要利用原有设备，充分挖掘现有装置潜力，达到增加产量、质量、降低成 本的目的。本文首先综合目前国内外化工过程优化方面的科研成果和生产优化所带来的 巨大经济效益，对化工过程优化的必要性进行概括，同时对操作优化过程进行了简要的 论述。本文以某厂硝酸装置为对象，采用了基于神经网络建模的遗传算法对其操作条件 优化进行了研究。主要作了以下几方面的工作： f 1 1 针对该厂硝酸装置的运行状况，确定了主要的可控自变量集、因变量集和需要优 化的目标函数。 ( 2 ) 对于生产装置的操作优化的技术核一t l , 之一数学模型的建立，引入神经网络技术， 可以充分利用神经网络本身所具有的优点( 如高度鲁棒性和学习联想能力及高度非线性 映射能力等) 更好地表达化工过程的复杂性。本文结合实际的现场数据，利用前馈型网 络b p 算法辨识出一个性能很好的系统模型。 ( 3 ) 遗传算法实质上是一种智能搜索的寻优技术。在神经网络模型能准确的反应系统 运行工况的前提下，本文讨论了如何将神经网络与遗传算法有效的结合起来，利用遗传 算法的全局搜索能力，寻找在约束条件下使系统的目标函数最大，系统中各操作参数的 状态，计算表明系统稳态优化结果令人满意。 关键词：化工过程，硝酸，稳态优化，人工神经网络，遗传算法 沈阳上业大学硕士学位论文 i n t e l l i g e n to p t i m i z a t i o no fo p e r a t i o n a l p a r a m e t e ri nn i t r i ca c i d p r o c e s s a b s t r a c t f o rd e v i c eo fc h e m i c a lp r o c e s s ，b e c a u s em a n yf a c t o rs u c ha st h ep r i c eo ft h em a t e r i a l ， p r o d u c t i o ne n v i r o n m e n t ，r e q u i r e m e n to fp r o d u c t sa n d ，p e r f o r m a n c eo f d e v i c ea r ev a r y i n ga n d i m p o s s i b l et ok e e pt h es a m e a ss p e c i f i e di no r i g i n a ld e s i g n ，i nt h e s ec a s e s ，i ti sn e c e s s a r yt o a d j u s tp r o d u c ep l a na n do p e r a t i o n a lv a r i a b l e ss ot h a ti tr e a l l yw o r k si na no p t i m i z e ds t a t et o c o p ew i t ht h ec h a n g i n g c o n d i t i o n t h ec o n v e n t i o n a ls t e a d y - s t a t eo p t i m i z a t i o nm e t h o di so nt h e r e l i e dp r e c i s em a t h e m a t i c a lm o d e l ，m a n yp i o c e s s e si sp r e s e n t e dl i o n - l i n e a ri nv e r yd e g r e e ，a n d i ti sq u i t ec o m p l e xi ni n t e r n a lm e c h a n i s m ；i na d d i t i o na l o n gw i t ht h ec o m p l e xc h e m i c a lp r o c e s s ， i ti s v e r yd i f f i c u l tt og e tt h ep r e c i s em a t h e m a t i c a lm o d e l t h ep a p e ri sp a i dt oe x p l o r et h e m o d e l i n ga n do p t i m i z a t i o nm e t h o d s w h i c hn e e dn o tk n o wt h ep r o c e s sa c c u r a t e l y ，a n do n l yn e e d t h ei n p u ta n do u t p u td a t a , i tc a ni m p r o v ee f f i c i e n c yo ft h ey i e l d i n gr e d u c ey i e l d i n gc o s ta n d i n c r e a s ee c o n o m i c a lb e n e f i t i nt h i sw o r k , w ew i l le m p h a s i z eo a r s t u d yu po nt h ep r o b l e m o f o p t i m i z a t i o nt e c h n i q u e ， a n dw i l ln o tc h a n g ep r i m a r ye q u i p m e n ta n dd i s t u r bn a t u r a ly i e l d ，t h eb e t t e ru s eo fe x i s t i n g p r o d u c t i v i t yw i l lb ee x p l o r e d ，a n df i n a l l yt o r a i s et h eq u a l i t yo fp r o d u c t sa n dd e c r e a s et h e o p e r a t i o n a lc o s to f t h ep l a n t t h ep a p e ri s g e n e r a l i z e dn e c e s s i t yo fo p t i m i z a t i o na n dc o m b i n e s c i e n t i f i cr e s e a r c ha n de n o t t n o u sb e n e f i t i nc h e m i c a l p r o c e s s ，a n d i s s i m p l yd i s c u s s e d o p e r a t i o n a lo p t i m i z a t i o n t a k ee x a m p l e f o rn i t r i ca c i do fa p l a n t ，b a s e do nt h en e u r a ln e t w o r k ， t h em o d e l i n gf o rt h es t e a d y - s t a t ep r o c e s sa r es t u d i e da n dg e n e t i ca l g o r i t h mi sd i s c u s s e di nt h i s d i s s e r t a t i o n ，t h er e s e a r c hw o r k o f t h i st h e s i sc o n s i s t so f t h ef o l l o w i n g m a j o rp a r t s ： ( 1 ) a c c o r d i n gt o t h ec u r r e n t o p e r a t i o ns t a t u e s o fn i t r i ca c i do fap l a n t , t h em a j o r c o n t r o l l a b l ei n d e p e n d e n tv a r i a b l e s ，d e p e n d e n tv a r i a b l e sm a dt h eo b j e c tf u n c t i o no f o p t i m i z a t i o n p r o b l e m w a sf o r m e d ( 2 ) m a t h e m a t i c a lm o d e l i sr e g a r d i n go n eo f t h ec o r ew o r ki no p e r a t i o no p t i m i z a t i o nu s i n g t h en e u r a ln e t w o r kt e c h n o l o g y ，t h en e u r a ln e t w o r kp r o v i d e dw i t hal o to fv i r t u e , s u c ha sh i 曲 m d e ，a s s o c i a t i o no fi d e a sa n dh i g hn o n - l i n e a rm a p p i n g ，d e s c r i b e dc o m p l e x i t yo fc h e m i c a l 一2 鎏塑三些查兰堡主堂垡笙奎 p r o c e s s t h e r e f o r e ，ah i 曲q u a l i t yi d e n t i f i c a t i o ns y s t e mm o d e lu s i n gf o r w a r df e e d b a c kn e t w o r k b p a l g o r i t h m i so b t a i n e db y c o m b i n i n g t h ea c t u a ls p o td a t a ( 3 ) g e n e t i ca l g o r i t h mi se s s e n t i a l l yak i n di n t e l l i g e n ts e a r c h m go p t i m i z a t i o nt e c h n o l o g y w i t ht h ep r e c o n d i t i o nt h a tt h en e u r a ln e t w o r km o d e lc a l l a c c u r a t e l yr e f l e c t t h eo p e r a t i o n s i t u a t i o no f t h e s y s t e m s ，t h ep a p e rd i s c u s s e sh o w t oe f f e c t i v e l yi n t e g r a t et h en e u r a ln e t w o r ka n d g e n e t i ca l g o r i t h m ，b yu t i l i z i n gt h ec o m p r e h e n s i v es e a r c h i n ga b i l i t yt or n a x i n a a lo b j e c tf t m c t i o n o f1 1 1 es ”t e mu n d e rar e s t r i c t i o nc o n d i t i o n t h ec o n t r o l l i n gs t a t ep a r a m e t e r so f t h es y s t e ma n d t h ec m c u l a t i o nr e s u l t si n n c a t et h e o p t i m i z a t i o nr e s u l to f as t e a d ys t a t ei ss a t i s f a c t o r y k e yw o r d s ：c h e m i c a l p r o c e s s ，n i t r i ca c i d ，s t e a d y - s t a t eo p t i m i z a t i o n ，a r t i f i c i a ln e u r a l 3 一 独创性说明 本人郑重声明：所呈交的论文是我个人在导师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的研究成果，也不包含为获得 沈阳工业大学或其他教育机构的学位或证书所使用过的材料。与我- - n 工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表 示了谢意。 签名：辑日期：尘烨 关于论文使用授权的说明 本人完全了解沈阳工业大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公 布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论 文。 ( 保密的论文在解密后应遵循此规定) 签名：蝉导师签名：呈字墨擘日期：立生生出 沈阳t 业大学硕士学位论文 引言 已有的并在运行的石油化工生产装置往往都存在着对操作条件优化的必要性。这是 由于：原材料的变化及差异是很重要的不可控自变量，这就需要实时地调整生产方 案，并对生产操作工艺参数重新调优；生产装置的经济效益除了原材料还受到市场对 各类产品需求和市场状况的变动等影响；前后工序的变化：若前后相连工段增添了设 备或工序有了革新，而该工段工艺条件仍无变化，就造成互不适应；工艺操作规程所 规定的操作条件允许变化范围通常较大，操作者很难根据实际现场情况来确定最优状 态；构成生产工艺流程的设备往往是从原有设备中选取，更会导致偏离最佳设计条 件，生产装置的操作参数必须作相应调整。即使是通过优化方法设计的装置在经过一段 时间运行后也不一定仍能处于“优化”操作条件；由于以上这些原因，在不改设备、不 做实验、不干扰生产的前提下，为达到提高生产效率、提高产量和质量以及降低能耗的 目的，有必要实现过程操作参数的优化【1 】。 现代工业的一个重要特点是向大型化和自动化方向发展，工业过程自动化是实现大 规模工业过程安全、平稳、优质、高效生产的基本条件和重要保证。随着现代化工业生 产过程越来越复杂，规模越来越庞大，以及原材料短缺和能源价格的不断上涨，企业间 竞争日益激烈。人们对提高生产效益，提高产品质量，降低生产成本，强化环境保护的 要求越来越高从而对工业自动化也提出了更高的要求口1 。在线稳态优化、先进控制和 基本控制策略保证了工业生产过程的控制及操作优化，它们是正常生产和取得经济效益 的重要保证，主要由控制层和优化层组成。控制层和优化层的区分主要是模型性质和范 围不同。一般来说，控制层采用的是动态模型，而优化层采用的是稳态模型。优化层和 控制层之间是给定和指导的关系，也就是说，稳态优化得到最优设定值送到下面的控制 层，控制层来保证这些最优操作点的实现。 控制层包括了基本控制和先进控制。控制层的目的是保持平稳的生产，真正使工业 过程系统取得重大经济效益的是稳态优化层。它通过采集现场数据，对过程操作状况做 出评价和分析，不断更新某些参数，修正约束条件，根据原料、产品、辅助设备费用等 信息寻求过程的最佳操作条件并付诸实施，使生产过程始终处于最优工况附近运行。工 沈阳工业大学硕士学位论文 业过程一般都具有工艺复杂、操作困难等特点，而且其产值和消耗的基数大，一些很小 的改进就能产生巨大的经济效益【3 】【”。d c s 和参数优化的投资效益有较大差异，后者由 于投资小，回收期短，效益显著，目前在世界范围内已形成竞相引入优化技术的高潮。 稳态优化层面对的是整个生产流程，其经济效益远非控制层所比，而且相对于高成本的 d c s ，稳态优化的投资费用很少。 工业生产过程系统优化可分为两种情况【5 ：第一种情况是当负荷变化，或者在整个 装置的开车、停车的情况下，改变各控制器的设定值，以使过程状态发生变化时能达到 某种性能指标的最优，例如开车时既要满足许多约束条件，又要建立时间最短，这是动 态优化问题( d y n a m i c o p t i m i z a t i o np r o b l e m ) 。但是这种优化问题一般不会经常发 生。第二种情况是在正常生产的情况下，负荷并不改变，但由于慢扰动因素的影响，整 个生产过程会偏离最优点，因此，寻找和维持工业过程的最优工况就是稳态优化问题 ( s t e a d y s t a t eo p t i m i z a t i o np r o b l e m ) 。所谓稳态优化问题就是依据过程的数学模型，在 约束条件下，优化其目标函数，从数学上来看，这类优化问题常常是一个有约束的非线 性规划问题。人们感兴趣的是通过优化计算找到决策变量的一个数值解。 目前，过程的优化主要是寻找最佳的工艺参数设定值以获得最大的经济效益，稳态 优化采用静态模型，可以离线进行，也可以在线进行。离线优化是指利用各种建模、优 化方法在约束条件下求解最优的工艺生产参数，提供操作指导，这是目前应用较多的一 类优化。也是作者在这次设计中采用的。但要真正使生产过程获得最佳的经济效益，需 要实施在线优化，即利用计算机自动地完成模型的计算、模型修f 和参数寻优，并将最 优参数值直接送到控制层作为设定值，实时进行优化控制。 传统的稳态优化问题的基础是基于系统的精确的数学模型，而大多数化工生产过程 都呈现很大程度的非线性，内在机理十分复杂，因此要建立精确的数学模型十分困难， 人工神经网络则可为复杂非线性过程的建模提供有效的方法，进而在神经网络建模的基 础上，对工业过程操作参数进行优化。本文研究了硝酸生产过程神经网络建模方法，以 及基于神经网络建模基础上的遗传优化方法。 一2 一 沈阳上业大学硕上学位论文 1 绪论 1 1 生产过程优化及其意义 化工、石油、冶金、造纸等工业，统称为过程工业。过程工业的全厂装置通常都根 据给定的条件设计，即所设计的控制系统大多数为定值控制系统，并给出符合设计条件 下能满足某种目标优化要求的一组操作参数。在一定范围内，按设计规定的操作方案控 制与安排全厂生产和各装置工艺参数，可使全过程保持较高效益。然而，实际上原料性 状和价格，产品规格和需求，生产环境条件，装置性能等都不可能经鬻和设计条件保持 相同。因此必须随时根据情况的变化调整生产计划和各装置操作参数，才能长期维持生 产效益处于优化的状态。 本文研究的属于不需要提供改建或扩建设备的投资，而是利用原有设备，充分挖掘 潜力，达到增加产量、提高质量、降低成本的目的。这类问题可以称之为操作条件的优 化问题。操作条件的优化问题它具有投资少、见效快的特点，采用在线优化可使操作移 向优化设定点，提高操作效益 6 1 f 计。 国外用于操作条件的优化的例子很多，据统计，国外已有二十多家公司推出优化软 件2 8 种。优化的领域已从炼油、石化单装置( f c c 、常压分馏、加氢裂化、催化重 整、乙烯裂解、烷基化、油品调合等炼油装置，合成氨装置) 优化，扩展到公用工程优 化、多装置优化和全厂优化。优化控制的效益十分明显。f c c u 优化效益为o 0 2 珈0 5 美元桶；常减压蒸馏装置优化的典型效益为o o l 0 0 3 美元，桶，投资偿还期还不到一 年。n e t t r a w a r e 公司和德士古公司推出自适应神经网络控制系统应用于多变量、非线性 工艺过程的目标优化。美国t r e i b e r 控制公司与加拿大合作在魁北克省s tr o m n l d 炼油厂 实施f c c u 与催化叠合联合装置的闭环实时优化，优化运转使装置操作效益提高了 1 2 ：韩国现代石化公司达山乙烯联合装置实现了实时优化( r t o ) 控制策略，在不改 变操作条件下，装置生产乙烯的能力提高了3 4 ，效益增长了1 2 1 ，同时节省了原材 料和能耗2 5 。西班牙r e p s o l 石油公司t a r r a g o n a 炼油厂实现了常减压蒸馏( a c u v a c ) 一馏分油和燃料油调合( b l e n d ) 多装置先进控制和全局优化，使石脑油、煤 油和a g o 产品产率增加03 o 7 ，h v g o ( 重减压瓦斯油) 增产o 3 ，调合装置 沈刚工业大学硕士学何论文 增产媒油( 喷气燃料) 和瓦斯油o 6 ，合计增产产品1 1 1 以上。投资偿还期1 2 个 月。 我国在这方面也开展了研究工作。如大庆石化总厂与大庆石油学院、中石化石科院 合作承担了国家计委“九五”攻关项目r f c c 装置在线优化课题；清华大学化工系用人 工神经网络方法建立油品质量模型的现实性和可行性；江苏石化学院采用人工神经网络 中的b p 网络研究了润滑油旋转氧弹时间与基础油化学组成之问的关系；吕翠英等将神 经网络用于乙烯生产装置优化模型的研究脚】；何小其等用神经网络和随机复合形搜索实 施在线优化【5 1 】。我国长岭炼化总厂在重油f c c 联合装置d c s 上，采用人工智能神经网 络技术建模与预估二级处理方法，实现了反应一再生系统掺渣闭环优化控制，投用后平 均提高掺渣比5 , 5 t 8 】【9 】【1 0 。以上例子充分说明了优化技术是过程控制的发展方向。 1 2 生产装置的操作优化 生产装置的操作优化可以有各种不同的途径，通常应根据对象的特点而选用合适的 方法。由于需要描述的对象所包含各变量与时间的关系具有不同的特征，可将数学模型 按对象随时间而变化的状态分为四类。若所有变量都不随时间变化，可以用稳态模型描 述。当操作变量需要更动，从而引起输出变量随时间变化，需要用准动态模型描述，也 可称为准稳态模型。若输入变量需要随时间而变化时，则需要用动态模型描述。当所有 变量，特别是包括结构变量在内，都随时间而变化时，需要用超动态模型描述。因此， 我们将根据稳态模型进行的优化称为稳态优化，而根据动态模型或超动态模型进行的优 化为动态优化。化工过程的一般特点是变量或参数多，相互问的关系复杂，而参数的变 化频率却不高。在这方面，硝酸装置具有相当典型性，只是参数多且关系特别复杂一 些。本项研究工作的直接目的是为硝酸装置拟定一套用计算方法使操作参数优化的技 术，但由于在化工过程装置中，装置基本特征具有共同性，因此可以将它移植应用于其 它一般化工过程的操作优化。优化问题视对象和它所涉及的主要参数的不同性质而有连 续的或离散的，确切的或模糊的，肯定的或随机的等等之区别。本文研究的对象硝酸装 置生产所追求的优化目标和大多数可以调节的主要参数或自变量都是连续和确切的。这 种性质的对象通常有动态的和稳态的两类优化问题。多数连续操作的化工装置在宏观时 间上一般都处于稳态条件。由于硝酸装置的操作特点，就装置的整体看，输入和输出以 一4 一 沈阳工业大学硕士学位论文 及其他操作参数，在宏观时间上通常维持平稳。因此，对它首先要考虑稳态优化。解决 优化问题的一般过程包括三个主要阶段： ( 1 ) 建模阶段 这一阶段的目的是建立一个能定量地反映过程客观性质的数学模型，也就是找到能 表达过程因变量和自变量间函数关系的表达式。这是对任何过程进行定量研究的前提， 对所研究过程的描述越精确，则在此基础上而进行的优化效果将越好。 ( 2 ) 优化决策阶段 在这一阶段应找到合适的方法对数学模型求解以得到一组参数，使所追求的目标函 数值在可行区内达到极值。对于连续的确切性的问题，决策阶段采用的行动步骤可以分 为两类。一类是一次性的，即求解出优化的位置，希望直接将参数调节到可行域内的最 优点。另一类是渐进的，即解出优化方向，以有限的幅度改变当前的参数值，逐步向优 化位置靠近。 ( 3 ) 实施阶段 这个阶段的工作是在前两阶段的基础在装置上实施决策要求时解决各种实际问题， 在可能遇到未曾预期的某种实际限制而必须对决策要求做局部调整，以及在执行决策过 程中对于所得到的反馈信息进行分析和利用等等。 对于以上所述三个阶段，般认为建模是重中之重。这是因为数学模型的质量往往 对优化的效果有决定性的作用，而且不同性质的数学模型对于决策阶段应采用的数学方 法和实施阶段需要处理的问题有本质的影响。 1 3 稳态优化的建模和优化方法 1 3 1 系统建模 系统建模分为机理建模方法和非机理建模。基于机理模型的优化方法是在系统结构 已知的情况下，通过数据整合和参数估计调整过程模型参数，使其和实际过程相匹配， 在此基础上实施优化计算，这就需要对所优化的工业过程有深入的了解。而有些复杂工 业过程的精确数学模型较难获得甚至无法获得。需要寻求不必对过程系统有精确了解， 仅通过输入、输出数据就能完成建模和优化的方法，这就是所谓的非机理建模技术。近 年来，一些非机理建模方法相继出现，如人工神经网络建模、模糊建模、小波建模等建 沈阳工业大学硕士学位论文 模方法，这些方法能够解决上述问题，并越来越受到人们的重视。人工神经例络 ( a r t i f i c i a ln e u r a ln e t w o r k ，简称舢q n ) 近几年来在许多领域得到广泛的应用，并显示 出良好的应用前景。神经网络具备很强的并行计算能力，且不需要对过程模型有精确了 解，通过过程输入、输出数据训练网络的连接权值，使网络经训练后就能准确地反映实 际的过程模型。已经证明：任意连续非线性映射均可由含有一个隐节点层的三层前馈网 络逼近。因此，神经网络可以代替传统数学模型完成从输入空忸j 到输出空间的映射。在 此基础之上实施优化计算，并将优化结果作为控制器的设定值。 申经网络模型和优化器及过程描述如图1 1 示。生产过程的实测数据通过检测装置 测量出来，作为决策变量，经数据处理后作为神经网络的输入变量，而神经网络的输出 变量为优化过程的状态变量，在优化计算中用到决策变量和状态变量得到优化结果，优 化结果以决策变量的形式送往控制器，作为控制器的设定值进行控制。 陬函面菘磊爵面 基于神经网络的稳态优化 l ，一jl 叫耘h 黧器i 数据处理 j l 1r l”d 叫器l 检测装置 l 上 生产过程 图1 1 网络模型和优化器及过程描述 13 2 优化算法 稳态优化问题就是依据过程的数学模型，在约束条件下，优化其目标函数。从数学 上来看，这类优化问题常常是一个有约束的非线性规划问题。目前求解非线性规划问题 的方法主要有三类。一类是将条件极值问题转化为无约束的条件极值进行求解，如拉格 朗日乘子法和罚函数法。第二类是将非线洼规划问题转化成线性规划问题或二次规划问 6 沈阳一r 业大学硕士学位论文 题求解，如序列二次规划方法。第三类是直接求解法。此外，常见的传统优化方法还有 最速下降法、拟牛顿法、高斯一牛顿法等。另外还有专家系统、模糊技术、遗传算法、 神经网络等各种智能优化方法。 遗传算法以其在解决优化问题上的独特优势，近年来引起了很多研究者的注意，并 出现了不少成果，遗传算法能完成非线性有约束的优化问题，这种算法可以用在基于 机理模型的系统上，乜可以用于非机理模型系统。当用于机理模型的系统时，就是在优 化计算时不用传统的基于梯度的方法( 该法通常只能求得局部最优解) ，而应用和遗传 学有关的一些算子，如选择、交叉、变异等操作来完成优化计算。这利，方法不需要求导 数，也不要求目标函数可微，大大简化了计算，且能求得全局最优解。当遗传算法应用 于非机理模型系统时，就是与这些非机理建模方法相结合，在此基础实施遗传搜索策 略。当这些智能的( 如神经网络、模糊逻辑、遗传算法等) 方法互相结合后，能产生有 效的鲁棒性好的优化系统。 稳态优化主要在于如何建立过程优化模型和选择合适的优化算法。由于实际对象过 程的复杂性、非线性和不确定性，使系统模型难以用数学方程描述，因此，很多学者开 始研究基于神经网络的优化策略。人工神经网络具有高度非线性、自组织、自适应、自 学习等特性，能实现复杂的映射关系的最佳逼近。它在已知有限的实验数据的基础上， 通过反复迭代，不断修正与目标值的差异，就可以得到反映实际过程内在规律的模型。 尤其在过程参数较多，模型关系复杂，规律不是很明显的情况下，人工神经网络优越性 更为突出。神经网络从优化策略的角度来看，基于神经网络的优化策略大致可以分为模 式识别和指导优化策略、直接优化策略、神经网络模型和优化算法结台策略掣1 2 】。 f 1 ) 操作指导优化策略 已经证明：任意连续非线性映射均可由含有个隐节点层的三层6 u 馈网络逼近。因 此，神经网络可以代替传统数学模型完成出输入空间到输出空间的映射。操作指导优化 策略是用神经网络非线性建模，并靠人的经验进行指导操作的优化方法。优化中使用的 是神经网络正模型，输入是优化变量，输出是优化目标或与优化目标密切相关的特征状 态。将实验数据输入网络并让其学习输入和输出数据之间的非线性关系。通过正确的训 练，神经网络能根据现有的或易测的数据，进行识别以及预测。这种形式在工程中应用 7 一 沈阳工业大学硕士学位论文 最为，“泛，其核心思想就是利用神经网络的非线性辨识能力，构造多层感知器，建市由 输入空i 日j n 输出空问的映射关系，自动揭示其内在的规律。而优化决策是靠人的经验来 实现的。 ( 2 ) 直接神经网络优化策略 基于神经网络的直接优化，使用神经网络逆模型，输入是优化目标或状态参数，输 出是优化变量。这种优化方法可以通过神经网络的训练和学习直接获取最优的操作条 件。直接神经网络优化分为三种，其一是把优化变量作为神经网络的输出，过程状态和 约束条件作为输入，通过学习获得过程最优的操作条件。第二是先用神经网络预测影响 生产操作条件的因素，然后根据这些因素由逆模型求得最优操作条件。第三是一种面向 生产目标的直接神经网络优化策略，网络的输入为待优化的操作条件，输出为生产目 标。前向学习过程中神经网络用于映射优化变量与生产目标的关系，反向优化过程则在 约束条件下由生产目标求得最优操作条件。文献1 3 】 “】用直接神经网络优化方式实现了甲 醛和润滑油生产过程的参数优化设计，运行结果表明，采用设计所得的优化操作条件， 可显著降低原料消耗，提高产品质量。 ( 3 ) 基于神经网络模型和优化算法的策略 这种方式运用神经网络的正模型建立非线性映射，这相当于优化问题里的等式约 束，然后再根据其他的约束条件，采用有效的优化算法寻找最优解。这些有效的优化算 法，有专家系统知识库、模糊技术和各种搜索方法。通过专家经验或模糊推理等人工智 能的推理方法获得操作变量的优化，实现起来投入较大；而各种搜索方法如模拟退火算 法、遗传算法、线性规划和非线性规划等诸多优化的策略就容易实现得多。模拟退火算 法“”( s a ) 能有效地克服局部最小问题，但目前应用中最引人注目的优化算法是遗传 算法。6 1 ( g a ) 。g a 以生物进化为背景，模拟生物进化的步骤，将繁殖、杂交、变异、 竞争和选择等概念引入到算法中。通过维持一组可行解，并通过对可行解的重新组合， 改进可行解在多维空阳j 内的移动轨迹或趋向，最终走向最优解。它克服了传统优化方法 容易陷入局部极值的缺点，是一种全局优化算法。基于神经网络模型和遗传算法相结合 的方法( a n n g a ) ，主要是用神经网络模型确定的输入输出映射关系来求遗传算法 的适应值。把神经网络和优化算法结合起来是一种非常有效的优化策略，对于复杂系统 8 一 沈阳丁业大学硕士学位论文 的稳态优化控制具有很大的潜力。文献。”中芳烃吸附p a r e x 过程基于神经网络优化模型 采用文献“”提出的新优化方法获取最佳操作条件，优化结果使解吸剂用量减少了1 2 ，3 3 ，大大节省了吸附系统的能耗，可见基于神经网络模型和优化算法的策略对于复杂系 统的稳态优化控制具有很大的潜力。 1 4 课题主要研究的内容 本课题主要研究的内容分为以下两部分： ( 1 ) 选定优化对象的优化参数和优化目标，选择对优化目标有影响的操作参数作 为优化参数。然后，从现场数据得到过程的某种数学模型，数学模型的建立采用智能化 的前馈型人工神经网络( b p ) 。用选定的优化参数和优化目标的现场数据( 要使过程 经历尽可能不同的状态，而且要剔除不合理的野值) ，训练选定的人工神经网络，得到 过程的稳态数学模型。 ( 2 ) 在己得出的数学模型的基础上，用最新的智能优化方法一遗传算法优化过程 参数。在工厂原有规程的范围内把得到的优化参数作为设定值并投入实际生产运行。分 析实际生产的运行数据。 其中，适当的数据采集和算法研究是本课题重点需要解决的问题，而建立适当的数 学模型是重中之重。 沈阳丁业大学硕士学位论文 2 硝酸装置操作优化问题的提出 2 ，1 硝酸装置工艺流程 液氨经过加热蒸发、过滤除杂变为气氨后，在素瓷过滤器与净化后的空气充分混 合。混合气在反应器中铂金网上进行催化氧化生成氮的氧化物。其反应温度高达8 6 5 ，生成氮的氧化物。高温反应气体通过余热锅炉与进炉软水进行热交换，以回收余 热，并冷却反应气。冷却后的反应气体经快冷器、酸吸收塔，吸收成稀硝酸，未被吸收 的尾气则放空“”。 氨氧化是低压生产工艺，其反应如下。 4 n h 3 十5 0 2 = 6 n o 十6 h 2 0 十9 0 7 ，2 8 0 j( 1 ) 4 n h 3 十4 0 2 = 2 0 2 + 2 n 2 0 十6 h 2 0 十1 ，1 0 4 ，9 0 0 j ( 2 ) 4 n h 3 十3 0 2 = 6 n 2 十6 h 2 0 十1 , 2 6 9 ，0 1 9 j( 3 ) 除上述主反应外，还有其他副反应。硝酸生产装置的首要工序氨氧化生产一氧 化氮装置，此工序是一个多种参数相互制约，主要参数控制接近极限值，工艺指标的控 制精度要求高，以及生产效率与工艺设备安全成矛盾状态的复杂过程，对控制系统具有 很高的要求。它的运行水平直接影响后续工艺的操作和全过程的经济效益。氨在氧化炉 中进行氧化生产所需的氧化氮与氧化炉的温度和压力有密切关系。为了促进主反应而抑 制副反应，并考虑催化剂的活性和选择性，且尽量延长催化剂的使用寿命，结合生产实 际现场应将温度控制在8 5 0 。c 一8 7 0 。c 。在氨氧化法生产硝酸的生产成本中氨约占8 0 9 6 左 右，提高氨氧化率是降低硝酸成本的主要因素，未氧化的氨在后续装置中生成硝酸铵和 亚硝酸铵，均能引起装置爆炸【2 ”。 2 2 氨氧化法生产硝酸的影响因素 硝酸生产装置是一个多种参数相互制约，主要参数控制接近极限值，工艺指标的控 制精度要求高，以及生产效率与工艺设备安全成矛盾状态的复杂过程，对控制系统具有 很高的要求 2 2 1 。根据生产实际，尽最大可能提高硝酸的产率，是硝酸生产装置优化的目 标。影响硝酸产率的因素很多，如氧化率、氨浓度、反应温度、氧化炉压力、混合气流 1 0 沈阳工业人学硕士学位论文 量、触媒的活性等。现场经验表明，在诸多影响硝酸产率的因素中，反应温度、氧化炉 压j 、氧化炉入f 温度、氨空比是影响工艺的操作和全过程的经济效益的主要因素。 2 3 建模与寻优方法的选择 2 3 1 系统建模 系统建模和辩识是控制理论的基本问题”。过去几十年中，人们对线性系统建模和 辩识进行了深入的研究，总结出了一整套成熟的辩识算法，可以建立具有较高可靠性的 模型。然而在现实世界中，非线性是普遍存在的，而线性模型只是对非线性对象的一种 简化和近似。因此当系统非线性严重且我们期望得到高品质的控制效果时，建立性能良 好的非线性模型就显得至关重要。传统辩识方法要做到这一点，存在着极大的困难“3 。 而神经网络在这方面显示了明显的优越性。近年来，人们将神经网络模型引入非线性系 统建模和辩识中，利用神经网络所具有的对任意非线性映射的任意逼近能力，来模拟实 际系统的输入输出关系：而利用神经网络的自学习、自适应能力，可以方便地给出 工程上易于实现的学习算法，经过训练得到动态系统的正向或逆向模型i2 。人工神经网 络则可为复杂非线性过程的建模提供有效的方法，进而可用于过程软测量和控制系统的 设计上。许多重要的工业过程都表现出内在的非线性，使得那些基于线性模型的控制策 略和传统的p d 控制很难奏效。近年来，有关非线性模型的控制有了较大的发展。但 是，非线性控制尚属于丌发中的先进控制策略，实际的工业应用尚不多见，因此有必要 开发此类控制。 由于化工生产过程通常是极其复杂的，所以建立数学模型需要大量的工作，难度很 大。鉴于人工神经网络孵决复杂问题的成功例子，本研究试图撇开数学表达式，而用人 工神经网络来建立一种知识表达的模型。 人工神经网络能够近似地表示大量非线性函数。人工神经网络以其具有自动地适应 环境的变化，由特殊的例子形成有用的通则，以及在数据中寻找相关规律的能力而著 称。由于人工神经网络的这些优点( 高度非线性，强容错性等等) ，它将非常适合于化 工生产过程这么一个复杂而又高度非线性的体系的描述。本研究采用b p 神经网络，即 误差反向传播神经网络。关于人工神经网络的理论介绍与b p 网络的实现请参见3 1 节 与4 5 节。 沈阳工业大学硕士学位论文 2 3 2 优化方法的选择 优化技术是一种以数学为基础，用于求解各种工程问题优化解的应用技术。工程上 常用的优化算法有经典算法、构造型算法、改进型算法、基于系统动态演化的算法和混 合型算法等。 经典算法、构造型算法通常算法的优化质量差，难以满足工程需要，在：1 ：程中往往 不用。局部搜索法在搜索的过程中无法避免陷入局部最小，若不在搜索策略上进行改 进，那么要实现全局优化，局部搜索法采用的邻域函数必须是“完全的”，即邻域函数 将导致解的完全枚举。而穷举的方法对于大规模问题在搜索时间上是不允许的。 智能优化算法，如模拟退火算法、遗传算法、禁忌搜索、神经优化算法和混沌搜索 等。从不同的角度利用不同的搜索机制和策略实现对局部搜索算法的改进，来取得较好 的全局优化性能。本设计选用智能优化算法之遗传算法( g a ) 。 相比之下，g a 的主要优点是本质上的并行性、广泛的可应用性( 对目标函数的性 质无要求，甚至可以没有明确的表达式) 、算法的高度稳健性、通用性和全局优化性。 本研究采用遗传算法来寻优。关于遗传算法的理论介绍与实现请参见5 2 。 2 4 数据的采集和处理 2 4 1 数据的采集 数据直接来源于现场，工厂中通常在一个规定时间内同时记录运行中的各种工艺参 数，实际上，对于长流程的连续生产来说，同一时刻记录的工艺参数和该时刻产品质量 或产量记录不完全相对应，后者要滞后一段时间。因此，不能简单地将产品质量归结于 同一时刻的处理量或工艺参数。 根据实际现场，可根据生产知识推测产品记录滞后的时差，现场记录的数据中产率 的采集频率为8 小时一次，因变量的数据采集频率为4 小时采样一次，而一些操作变量 的数据采集为2 小时一次，由于数据采集频率的不同，使得产率的变化不能得到正确地 反映。针对这种情况，我们考虑统一数据采集的频率，以频率最慢的为准，同时考虑到 工艺过程本身存在滞后问题，我们将采样频率快于八小时的变量，将他们在八小时内采 样的数据求平均值。 一1 2 沈阳工业大学硕士学位论文 2 4 2 数据的筛选 无论在工业生产或实验研究中采集的数据，都有可能包含个别异常数据。它们的来 源可能是操作条件的异常波动，也可能是由于操作人员的主观失误。这些异常数据会对 网络模型产生一定的影响，因而有必要通过筛选加以剔除。筛选异常数据的方法有两 类。一类是工艺方法，通过物料平衡、热平衡、相平衡等基本原则来检查，将个别严重 偏离基本准则的数据筛选出来。另一类是统计分析方法，本设计选用第一类方法。 2 5 控制参数设置与寻优指标选择 对于硝酸生产过程来说，影响硝酸产率的可控变量有四个量，由它们组成b p 神经 网络的输入向量，它们是： x l 反应温度；却入口温度：五广_ 氨空比；知反应压力。因此，f ( 珀x e ，勘x 4 ) 7 构成了神经网络的输入特征向量，其维数为4 。 输出变量为所关心的优化目标，这里，显然硝酸的产率是神经网络的输出向量。 1 3 沈m 工业大学硕士学位论文 3b p 神经网络结构及b p 算法的研究 3 1b p 神经网络结构 在各种神经网络模型中，b p 神经网络是最具有代表意义的一种神经网络模型，它 是当前最流行的神经网络模型之一，己获得了广泛的应用f 2 ”。从结构上看，它是属于典 型的前向网络，由输入层、输出层和若干隐含层组成，相邻两层的神经元之间形成全互 连接，同层各神经元互不连接。典型的b p 网络是三层的前馈网络，由输入层、隐含层 和输出层组成，如图3 ，1 所示。 输入层隐含层 输出层 图3 1 三层b p 网络结构 在使用b p 算法时，必将遇到选择b p 神经网络的最佳结构问题。具体地说，就是 给定了某个应用任务，如何选择网络的层数和每层应选的单元数。 3 1 1 输入层和输出层节点数的确定 3 i 1 1 输入层节点数的确定 输入层起缓冲存储器的作用，把数据源加到网络上。其节点数目取决于数据源的 维数，即输入特征向量的维数。对于一个实际问题，特征向量的确定是十分重要的， 因为在识别对象时它是唯一的依据。选择特征向量时，要考虑到应选的向量是否完全 描述了事物的本质特征。如果特征向量不能有效地表达事物的特征，网络经训练后的 输出