（模式识别与智能系统专业论文）智能控制技术在湿法磷酸生产过程中的应用研究.pdf

浙江大学硕士学位论文 摘要 近2 0 年来，各种智能计算方法的兴起极大地促进了智能软测量和智能控制 在工业过程中的应用。另一方面，一些传统的化工生产装置由于反应机理复杂、 生产介质多相、大测量滞后等多方面原因，仍然处于操作人员参考定期的化验分 析数据，基于自身经验人工调整生产过程参数的状态。本文主要以某磷肥企业磷 酸装置萃取槽中s 0 3 浓度的软测量及其控制为背景，研究了如何将神经网络、模 糊系统以及智能预测控制等智能控制方法应用于磷酸生产过程。 论文第一章综述了智能控制技术的发展历程及其在工业过程建模与控制中 的重要作用，分析了磷酸生产过程控制的现状和需求，提出了采用智能控制技术 实现磷酸生产过程先进控制的研究课题。 在此基础上，第二章分析了磷酸生产工艺原理，重点介绍了二水法湿法磷酸 生产流程，分析了萃取槽中s 0 3 浓度在磷酸生产过程中的重要性，并指出建立 s 0 3 浓度的软测量模型和实现基于软测量模型的智能预测控制是实现磷酸生产 过程先进控制与优化的关键。 在分析磷酸生产过程s 0 3 浓度影响因素的基础上，第三章采用t - s 模糊神经 网络、f c m r b f 多模型神经网络和r b f 多模型神经网络等三种智能计算算法进 行s 0 3 浓度的软测量建模研究。工业现场数据的验证结果表明：基于多模型的软 测量方法的精度要明显优于基于单模型的软测量方法，从而为s 0 3 浓度软测量模 型的工业应用提供了一种有效的策略。 为了进一步探讨磷酸生产过程s 0 3 浓度的先进控制策略，论文第四章采用了 一种基于t - s 模糊神经网络模型的广义预测控制改进算法，利用了t - s 模糊神经 网络模型自身的结构特点，避免了对非线性模型线性化的复杂过程。仿真研究结 果表明：该控制算法具有良好的控制效果和抗干扰能力，是实现磷酸生产过程非 线性预测控制的一种有效途径。 第五章对论文工作进行了总结，并对今后的工作进行了展望。 i l l 浙江大学硕士学位论文 a b s t r a c t o v e rt h ep a s tt w od e c a d e s ，an u m b e ro f a p p r o a c h e sf o ri n t e l l i g e n ts o f ts e n s o ra n d i n t e l l i g e n tc o n t r o lh a v eb e e np r o p o s e da n da p p l i e dt oi n d u s t r i a lp r o c e s s e sb e c a u s eo f t h ed e v e l o p m e n to fi n t e l l i g e n tc o m p u t i n gt e c h n o l o 舀e s h o w e v e r , m a n yv a r i a b l e si n s o m et r a d i t i o n a l l yc h e m i c a lu n i t sa r es t i l lm o n i t o r e da n dc o n t r o l l e dt h r o u g hl a b o r a t o r y a n a l y s e sb a s e do nt h eo p e r a t o r s e x p e r i e n c e sd u et ol i m i t a t i o n ss u c ha sc o m p l i c a t e d r e a c t i o n ，m u l t i - p h a s er e a c t a n t ，a n dt o n gd e a dt i m e t h em a i ni d e ao f t h i st h e s i si sh o w t oa p p l ys o m ei n t e l l i g e n tc o n t r o ls t r a t e g i e ss u c ha sn e u r a ln e t w o r k s ，f u z z ys y s t e m s ， a n di n t e l l i g e n tp r e d i c t i v ec o n t r o lt op h o s p h o r i ca c i dp r o c e s sa n db u i l dt h es o f t - s e n s i n g m o d e lo fs 0 3c o n c e n t r a t i o ni np h o s p h o r i ca c i dr e a c t o r t h i st h e s i si so r g a n i z e da s f o l l o w s t h ed e v e l o p m e n t so fi n t e l l i g e n tc o n t r o lt e c h n o l o g i e sa n dt h e i ri m p o r t a n tr o l ei n i n d u s t r i a lp r o c e s sm o d e l i n ga n dc o n t r o la n dk r ed i s c u s s e di nc h a p t e ro n e t h e n ，t h e n e e do f p r o c e s sc o n t r o li np h o s p h o r i ca c i dp r o d u c t i o ni sa n a l y z e da n ds o m ep r o b l e m s e x i s to na d v a n c e dp r o c e s sc o n t r o ls u c ha si n t e l l i g e n tc o n t r o lb r o u g h tf o r w a r d h ac h a p t e rt w o ，w ea n a l y z et h ep r o c e s sp r i n c i p l eo fp h o s p h o r i ca c i dp r o d u c t i o n ， e s p e c i a l l yt h et w o - w a t e rp r o d u c t i o nf l o w , t h e np o i n to u tt h a ti t i si m p o r t a n tf o r r e a l i z i n gi n t e l l i g e n tp r e d i c t i v ec o n t r o lo fp h o s p h o r i ca c i dp r o d u c t i o nt ob u i l dt h e s o r - s e n s i n gm o d e lo fs 0 3c o n c e n t r a t i o n a f t e ra n a l y z i n gt h ea f f e c tf a c t o ro fs 0 3c o n c e n t r a t i o n ，c h a p t e rt h r e eu s e st h r e e n e u r a ln e t w o r ka l g o r i t h m si n c l u d i n gt - sf u z z ya n n ，f c m - r b fm u l t im o d e la n n a n dr b fm u l t im o d e la n nt ob u i l ds o f t - s e n s i n gm o d e lo fs 0 3c o n c e n t r a t i o n s i m u l a t i o nr e s e a r c hb a s e do ni n d u s t r i a ld a t ai n d i c a t e st h a tt h em u l t im o d e lh a sb e t t e r r e s u l tt h a ns i n g l em o d e l ，a n dp r o v i d e sau s e f u ls l r a t e g yf o rp r a c t i c a la p p l i c a t i o n a ni m p r o v e dg p cw i t hf u z z yc o m p e n s a t i o nb a s e do nt - sf u z z ya n nm o d e li s p r o p o s e di nc h a p t e rf o u r s i m u l a t i o nr e s u l t si n d i c a t et h a tt h em e t h o dh a s c o m f o r t a b l e c o n t r o lp e r f o r m a n c ea n da v a i l a b l ef o rp h o s p h o r i ca c i dp r o d u c t i o n t h et h e s i sc o n c l u d e sw i t has u m m a r ya n dp r o s p e c t so ff u t u r er e s e a r c h e s 浙江大学硕士学位论文 致谢 论文工作是在我的导师金晓明副教授的悉心指导下完成的。首先要感谢金老 师给我这次工程实践的机会。使得我能够将所学的知识更好的与工业生产实际相 结合，并在项目中得到了学习和各方面的锻炼，这对于我在以后的工作中也将受 益匪浅。在我研究生两年半的科研和学习生涯中，金老师始终注重对我各方面能 力的培养，使我的科研和工程实践能力有了很大程度的提高。在他的帮助下，我 得以顺利地完成本次科研项目，使我对如何将理论应用于实践有了更深刻的认 识。而他勤奋踏实的工作作风，对科研一丝不苟的严谨的治学态度使我难以忘怀， 并将终生受益。我在此表示深深的感谢。 同时感谢先进控制研究所的王树青教授、荣冈教授、王宁教授、张建明副教 授和张泉灵副教授等老师，他们始终关心我的课题研究进展，并在学术报告期间 提出了不少宝贵的意见，从而给了我莫大的帮助和支持。 感谢和我一同参与此项目的周丽工程师，她从工艺机理分析的角度给我提供 了很大帮助，如果没有她的帮助，本文可能很难顺利的完成。感谢我们实验室的 张目东、董胜利、黄少锋等所有同学，感谢他们在日常学习和生活中给我的帮助 和照顾。 感谢我的家人和朋友多年来对我的关心和支持。 感谢所有帮助过我的人。 v 阚晓旭 2 0 0 6 年3 月于求是园 浙江大学硕士学位论文 1 1 引言 第一章综述 自维纳创立控制论以来，自动控制技术经历了常规控制阶段( 对应经典控制 理论和现代控制理论) ，发展到今天的智能控制 1 】阶段。 2 0 世纪6 0 年代是智能控制思想的萌芽期。1 9 6 6 年，m e n d e l 2 1 提出了人工智 能控制概念用于空间飞行器学习控制，1 9 6 7 年m e n d e l 正式使用智能控制一词， 1 9 6 9 年，f e i g e n b a u m c 3 1 公布第1 个专家系统d e n e r a l ，傅京孙( 4 1 提出基于启发规 则的学习控制系统。 2 0 世纪7 0 年代是智能控制思想的形成期。7 0 年代初，傅京孙和s a r i d i s i s 提出分级递阶智能控制系统结构，并用于核反应堆、城市交通等控制问题。 自1 9 8 5 年在纽约召开第一届智能控制学术会议至今，智能控制技术已经被 广泛研究并应用于工业生产的各个领域。近年来，随着人工智能技术和其它信息 处理技术的进一步发展，智能控制在控制机理和应用实践方面均取得了突破性的 进展。模糊控制、神经网络控制等技术，通过模拟人类思维方式和结构来解决复 杂的各种非线性过程控制，并已在各种实际工业过程中得到应用，取得了良好的 效果。 近2 0 年来，智能控制方法在工业过程数据分析。过程建模和过程控制中发 挥着日益广泛的作用，几乎涉及到各种工业如炼油、化工、冶金等领域。邓勃【6 1 和刘曙光7 1 等分别对神经网络的发展及应用作了较全面的综述，吴秀红【8 】对近几 年来人工神经网络在化学组份、价态、状态、结构的预测及多元校正、参数估计、 分类、建模与流程控制、模式识别、化学传感器及化学动力学方面的应用作了较 全面的综述。王勇 9 1 等也就神经网络在非线性校准方面的应用作了评述。 d o w e e t t l 0 1 等综述了神经网络在化学反应物的结构信息方面的应用。王强，纪军 红 1 1 基于自适应模糊逻辑和神经网络对双足机器人进行了控制研究。王耀男，王 第一章综述 辉 1 2 】等，对复杂工业过程的综合集成智能控制进行了研究。 1 2 智能软测量和智能预测控制 1 2 1 软测量 软测量【1 3 一2 9 1 的基本思想是把自动控制理论与生产过程知识有机结合起来， 应用计算机技术，对难于测量或暂时不能测量的重要变量( 或称之为主导变量或 目标变量) ，选择另外一些容易测量的变量( 或称之为辅助变量) 如温度、压力 等，通过构成某种数学关系来推断和估计，以软件柬代替硬件( 传感器) 功能。 这类方法具有响应迅速，连续给出主导变量信息，且具有投资低，维护保养简单 等优点。 通常来说，软测量的实现主要由辅助变量的选择、数据采集和处理、软测量 模型建立等部分组成，其中模型的建立是软测量技术的核心问题。与其它工业过 程建模一样，软测量模型的建立也可以分为机理建模( 白箱) 、系统辨识( 黑箱) 以及两者相结合的建模方式( 灰箱) 等。软测量技术的发展也大多体现在模型的 建立方式上，本文主要从这个角度对软测量技术进行探讨。 机理建模是基于对被测对象的深刻认识，通过对被测对象的机理分析，找到 不可测或难测主导变量和可测辅助变量之间的关系，以数学表达式的形式进行计 算。系统辨识则是在获得大量数据的基础上，用回归分析、神经网络等数学方法 建立经验模型。 系统辨识的方法有两大类，一类是基于回归分析的软测量建模方法，主要包 括多元线性回归、主元分析法和部分最小二乘法等；另一类是基于人工神经网络 的软测量建模方法，最常用的如b p 网络，r b f 网络等等。 由于近些年软测量技术发展很快，除了上述一些传统的建模方法之外，出现 了多种智能方法相结合的软测量建模方法，如神经网络与模糊系统相结合，神经 网络与遗传算法相结合等等。传统的软测量建模方法是采用单一模型进行拟合， 即对辅助变量采用单一的函数关系来拟合输出，而不考虑数据组之间的联系和差 浙江大学硕士学位论文 异，造成建模偏差。当样本数量很多时，仅用一个网络建立软测量模型，会造成 网络结构过于庞大，训练时间也随之变长，故随之出现了多模型的神经网络建模 方法【1 7 1 引。 软测量建模的主要步骤如下： 机理分析与辅助变量的选择 首先明确软测量的任务，确定主导变量。在此基础上深入了解和熟悉软测量 对象及有关装置的工艺流程，通过机理分析初步确定影响主导变量的相关变量 一辅助变量。 辅助变量的选择包括变量类型、变量数目和检测点位置的选择。这三个方面 是互相关联、互相影响，由过程特性所决定的。在实际应用中，还受经济条件、 维护的难易程度等外部因素剑约。 辅助变量的选择应符合关联性、特异性、过程适用性、精确性和鲁棒性原 则。 数据采集和处理 从理论上讲，过程数据包含了工业对象大量的相关信息。因此数据采集量多 多益善，不仅可以用来建模，还可以检验模型。软测量主导变量及其对应时间辅 助变量的数据是必须采集的数据。其次，数据覆盖面在可能条件下应宽一些，以 便软测量具有较宽的适用范围。 为了保证软测量精度，数据正确性和可靠性十分重要。采集数据必须进行处 理。 如果辅助变量个数太多，为了实时运行方便需要对系统进行降维，降低测量 噪声的干扰和软测量模型的复杂性。降维的方法可以根据机理模型，用几个辅助 变量计算得到不可测的辅助变量；亦可采用主元分析( p c a ) 、部分最d - , - - 乘法 ( p l s ) 等统计方法进行数据相关分析，剔除冗余的变量，降低系统的维数。 软测量模型的建立 软测量模型是软测量技术的核心。建立的方法有机理建模，实验测试以及两 者相结合的方式。 1 ) 机理建模 从机理出发，也就是从过程内在的物理和化学规律出发，通过物料平衡与 第章综述 能量平衡和动量平衡建立数学模型。为了获得软测量模型，只要把主导变曩和辅 助变量作相应调整就可以了。对于简单过程可以采用解析法，而对于复杂过程， 特别是需要考虑输入变量大范围变化的场合，采用仿真方法。 机理模型的优点是可以充分利用己知的过程知识，从事物的本质上认识外 部特征；有较大的适用范围，操作条件变化可以类推。但亦有弱点，对于某些复 杂的过程难于建模。必须通过输八输出数据验证。 2 ) 经验建模 通过实测或依据积累操作数据，用数学回归方法、神经网络方法等得到经 验模型。 试验测试理论上有很多实验设计方法，如常用的正交设计等，在工程实 旌上可能会遇到困难。因为工艺上可能不允许操作条件作大幅度变化。如果选择 变化区域过窄，不仅所得模型的适用范围不宽，而且测量误差亦相对上升。模型 精度成问题。有一种办法是吸取调优操作经验，印逐步向更好的操作点移动，这 样可能一举两得，既扩大了测试范围，又改进了工艺操作。测试中另一个问题是 稳态是否真正建立。否则会带来较大误差。还有数据采样与产品质量分析必须同 步进行。 3 ) 机理建模与经验建模相结合 把机理建模与经验建模结合起来，可兼容两者之长，补各自之短。结合方法 有：主体上按照机理建模，但其中部分参数通过实测得到；通过机理分析，把变 量适当结合，得出数学模裂函数形式，这样使模型结构有了着落，估计参数就比 较容易，其次可使自变量数目减少：由机理出发，通过计算或仿真，得到大量输 入数据，再用回归方法或神经网络方法得到模型。 1 2 2 智能预测控制 预测控制3 0 】叫5 1 1 是一类基于对象模型通过预测受控对象的输出并结合反馈校 正来决定其最优控制作用的计算机控制算法。它是从工业实践过程中发展起来的 一种实用算法，已成功地应用于过程控制领域。最早出现的典型预测控制算法有 一种实用算法，已成功地应用于过程控制领域。最早出现的典型预测控制算法有 浙江大学硕士学位论文 r j c h l “4 9 1 等提出的建立在非参数模型脉冲响应基础上的模型预测启发控制 ( m o d e lp r e d i c t i v eh e u r i s t i cc o n t r o l ，m p h c ) 或称为模型算法控制( m o d e l a l g o r i t h m i cc o n t r o l ，m a c ) ，以及c u t l e i l 5 叫等提出的建立在非参数模型阶跃响应 基础上的动态矩阵控制( d y n a m i cm a t r i xc o n t r o l ，d m c ) 。 这些控制算法的在线计算比较简单，能方便地处理各种约束条件。这些特点 使预测控制很适合于工业过程控制的实际要求，因此在石油、化工等过程控制领 域取得了成功的应用。但这类基于非参数模型的预测控制也有较大的局限性，只 适用于开环稳定的对象。当对象时间常数较大时，模型参数增多，还会造成计算 量的急剧增大。 除了上述基于脉冲响应或阶跃响应的非参数模型预测控制算法外，还出现了 另一类基于离散时间参数模型的预测控制算法。2 0 世纪8 0 年代初期，人们在自 适应控制的研究中发现，为了增加自适应控制系统的鲁棒性，在广义最小方差控 制的基础上，汲取模型预测控制中的多步预测滚动优化策略，提高自适应控制系 统的实用性，由此出现了基于辨识被控过程参数模型且带有自适应机制的一类新 型模型预钡5 控制算法，其中最具代表性的就是c l a r k e t 5 1 1 等人提出的广义预测控制 ( g e n e r a l i z e dp r e d i c t i v cc o n t r o l ，简称g p c ) 。 就一般意义来看，不论采用何种控制算法，模型预测控制都应具有以下三个 区别于传统控制方法的基本特征： 预测模型 预测控制是一种基于对象模型的控制算法，这一对象模型称为预测模型，它 可根据对象的历史信息和未来输入预测其未来的输出。预测控制对模型的要求不 同于其他传统控制方法，它强调的是模型的功能而不是模型的结构，只要模型可 以利用过去的已知数据预测未来系统输出就可以作为预测控制的模型。因此，预 测模型具有多样性，状态方程、传递函数这类传统的模型都可以作为预测模型， 神经网络、模糊模型等新模型也能用于预测控制。对于线性稳定对象，甚至阶跃 响应、脉冲响应这类非参数模型也可以直接作为预测模型来使用。此外，非线性 系统、分布参数系统的模型，只要具备预测功能，也可在对这类系统进行预测控 制时作为预测模型使用。 滚动优化 第一章综述 滚动优化是模型预测控制的另一主要特征，它通过某一性能指标的最优化来 确定未来的控制作用。这一性能指标涉及到系统未来的行为。例如，通常可取被 控对象输出在未来的采样点上跟踪某一期望轨迹的方差为最小。也可取更广泛的 形式，如要求控制能量为最小而同时保持输出在某一给定范围内等等。性能指标 中涉及到的系统未来行为，是根据预测模型由未来的控制策略所决定的。 反馈校正 由于实际应用对象中往往存在着非线性、时变、模型失配和干扰等不确定因 素，使模型预测不可能准确地与实际相符。在预测控制中，通过系统输出测量值 与模型的预测值比较，得出模型的预测误差，再利用模型预测误差校正模型的预 测，从而得到更为准确的将来输出的预测值。正是这种模型预测加反馈校正的机 制使预测控制具有很强的抗干扰和克服系统不确定性的能力。 智能预测控制是一类将预测控制与神经网络、模糊技术等智能方法相结合， 对被控变量实施控制的方法，包括各种基于智能计算模型如神经网络模型、模糊 模型等的非线性预测控制算法和各种采用智能计算方法对预测控制进行系统设 计和参数整定的改进算法。 1 3 湿法磷酸生产过程控制的现状与需求 湿法磷酸0 5 2 h 6 1 】是高浓度肥料的主要原料，是制造多种精细磷酸盐产品的中 间原料。现代的磷酸生产中，磷的来源主要是天然磷矿。我国磷矿资源也是相当 丰富的，不少矿区磷矿的蕴藏量很大，这为我国磷酸、磷肥工业的发展提供了物 质保证。 湿法磷酸的生产过程是伴有放热，吸热，多种物质存在的多元、复杂的化学 反应过程，受到诸如温度、压力、矿粉的细度、搅拌强度及固态膜等多种因素的 影响，正是因为这种多种因素相互干扰、耦合以及强非线性的存在，使得对湿法 磷酸生产的建模和控制变得异常困难。 近些年来有关湿法磷酸生产过程工艺优化与控制方面的应用研究越来越多。 黄艳、傅亚男【5 7 】等利用二次回归的方法研究了湿法磷酸脱硫时脱硫剂量及其配 6 浙江大学硕士学位论文 比、反应温度、反应时间等对脱硫率的影响，拟合出反应结束时和存放后硫酸根 脱除率的回归方程，可用于相应硫酸根脱除率的预测与控制。杨林军、张允湘5 8 等对湿法磷酸过滤系统氟硅酸钾结垢的控制进行了研究，基于a i 盐和s i 0 2 对湿 法磷酸中氟硅酸钾( 钠) 反应机理的影响，提出采用添加铝化合物、活性硅及硅 藻土减少氟硅酸钾结垢的控制方案，并进行了相应的实验室研究和工业应用试 验。冯立成、周斟5 9 1 等对湿法磷酸料浆絮凝沉降的优化操作进行了研究，为了改 善中低品位矿湿法磷酸料浆过滤强度偏低的现状，针对不同浓度、不同温度的料 浆，通过添加不同用量的絮凝剂，测得不同条件下的料浆絮凝沉降速度及优化操 作条件，其研究结果对中低品位矿湿法磷酸料浆的预处理及相关分离装置的设计 有指导意义。 虽然目前对于湿法磷酸生产的工艺优化与控制研究取得了一定程度的进展， 但大量的研究手段还仅仅停留在工艺改造，检测及控制手段改进等方面。对于非 线性，多扰动的对象，传统的控制方法往往难以胜任，而这些特性往往是湿法磷 酸生产过程的本质特性。在目前的工业生产中，某些对于磷酸生产的质量起决定 因素的变量，大部分还停留在人工现场取样化验，再经过操作人员定期地依据化 验数据分析结果进行调控，而且调控过程主要是操作人员依据生产经验人工调 节，这样往往难以保证生产的一致、平稳、高效的运行，严重时甚至导致质量事 故。 在湿法磷酸生产过程中，萃取槽中s 0 3 浓度是影响反应过程中c a s 0 4 平衡 系统的主要因素，影响到石膏结晶中晶间p 2 0 5 的损失，并且对石膏的外形影响 很大( 决定石膏过滤的质量) 。 目前测量萃取槽中s 0 3 浓度的主要手段仍然是传统的滴定化验法，这样不仅 测量的精度难以保证，而且往往存在很大的时间延迟，不利于及时采取控制手段 改变生产状况，虽然目前已经出现各种检测设备，但利用设备来测量不仅开销巨 大丽且设备的测量精度是需要苛刻的外部环境为前提条件。 为了能获得s 0 3 浓度及较好的改变当前这种不利的生产操作状况，本文提出 利用t - s 模糊神经网络，f c m r b f 多模型神经网络及r b f 多模型神经网络三种 智能软测量方法对湿法磷酸生产中萃取槽s 0 3 浓度进行了软测量研究，并结合改 进的广义预测控制算法对如何利用智能软测量模型实时控制进行了研究，从而对 第一章综述 磷酸生产过程非线性控制提供了一种有效的解决途径。 1 4 论文主要工作 论文以某磷肥厂磷酸生产过程为背景，研究了神经网络和模糊系统等智能方 法在磷酸萃取过程s 0 3 浓度软测量及其控制中的应用。 论文介绍了湿法磷酸的生产原理和工艺流程，阐述了s 0 3 浓度软测量在磷酸 生产过程控制的重要性，并以反应机理为依据选取了软测量建模所需的辅助变 量；在此基础上，提出了用：1 ) t - s 模糊神经网络；2 ) f c m r b f 多模型神经 网络；3 ) r b f 多模型神经网络三种方法开发s 0 3 软测量模型，并对这几种方法 进行了仿真和工业应用研究。最后，将软测量模型与模型预测控制相结合，提出 了基于s 0 3 浓度软测量的智能预测控制方案，并进行了仿真研究。 论文以下章节安排如下： 第二章，湿法磷酸生产工艺流程。本章通过对湿法磷酸的生产方法进行简单 的概述与归纳，指出利用硫酸法生产磷酸的优点及其普遍性，接着对硫酸法生产 湿法磷酸的生产原理进行介绍，并结合现场的实际情况对湿法磷酸生产工艺流程 做了详细说明，最后分析了湿法磷酸生产中s 0 3 浓度的重要性，并归纳了当前 s 0 3 浓度测量的几种方法及其不足之处，表明引入智能软测量技术在湿法磷酸工 业生产中的迫切性及重要意义。 第三章，基于模糊系统和神经网络的s 0 3 浓度软测量模型。本章主要对三种 软测量算法：1 ) t - s 模糊神经网络；2 ) f c m - r b f 多模型神经网络；3 ) r b f 多 模型神经网络进行研究，并通过分析工艺流程对如何选择软测量建模的辅助变量 进行了说明，利用工业现场的实际测量数据对三种算法进行了研究和比较。 第四章，基于软测量模型的非线性广义预测控制算法研究。本章主要利用 t - s 模糊神经网络模型进行智能预测控制算法的应用研究。在速度更快的改进 g p c 算法的基础上，结合通过实际生产数据建立的t - s 模糊神经网络模型进行了 控制算法的仿真研究。 第五章，总结与展望。 浙江大学硕士学位论文 2 1 概述 第二章湿法磷酸生产工艺流程 磷酸是一个重要的中间产品，可以制成一系列重要的商品，对国民经济发 展有很大的作用，近几十年来世界磷酸生产大幅度的增加本身就说明了问题。 湿法磷酸是高浓度肥料的主要原料，是制造多种精细磷酸盐产品的中间原料。 我国1 9 9 9 年肥料用于商品级湿法磷酸的贸易量达到了3 6 0 万吨p 2 0 5 ，2 0 0 3 年 为7 4 0 万吨p 2 0 5 ，产量为4 6 4 万吨p 2 0 5 。 现代的磷酸生产中，磷的来源主要是天然磷矿，其主要以磷酸盐形式存在。 世界各地已探明的磷矿资源极为丰富，估计将超过5 0 0 亿吨，几乎各大洲均有 大规模的开采，随着磷肥产量的增加，磷矿的开采量。使用量也逐渐增大。根 据已探明的资料证明：我国磷矿资源也是相当丰富的，不少矿区磷矿的蕴藏量 很大，这为我国磷酸、磷肥工业的发展提供了物质保证。我国磷矿大部分集中 在西南、中南地区，其中云南、贵州、四川、湖北及湖南五省的磷矿储量约占 全国储量的7 0 ，已成为我国重要的磷矿基地。 磷矿的化学组成决定了其生产方法，目前磷酸的工业生产方法有两大类， 一类是热法生产，制得的产品称为热法磷酸，当前的热法磷酸都是采用电炉法 生产元素磷，而后再氧化制成磷酸，故又称电热法磷酸；另一类是湿法生产， 即用酸分解磷矿制成产品，称为湿法磷酸。本文将以湿法磷酸生产过程为背景， 重点介绍二水物硫酸法湿法磷酸生产工艺和控制的现状，提出目前需要迫切解 决的过程控制问题。 第二章湿法磷酸生产工艺流程 2 2 湿法磷酸的生产方法 湿法磷酸生产中所用的酸必须是酸性较强的无机酸，如硝酸、盐酸、硫酸、 氟硅酸等，而后又有专利提出用酸式硫酸氨( n h 4 h s 0 4 ) 分解磷矿制磷酸的方 法。无机酸或酸式硫酸氨分解磷矿的反应表示如下： c a s f ( p 0 4 ) 3 + 1 0 h n q + 溶液= 3 吃p 0 4 + 胛+ 5 c a ( n 0 3 ) ：+ 溶液( 2 1 ) c a s f ( p 0 4 ) 3 + 1 0 月a + 溶液= 3 玛p d 4 + h f + 5 c a c l 2 + 溶液 ( 2 2 ) c a 5 f ( e o , ) 3 十5 h 2 s o , + 溶液= 3 峨p d 4 + 胛+ 5 c a s 0 4 n 日2 0 + 溶液 ( 2 3 ) c a s f ( p 0 4 ) 3 + 5 日2 s 眠+ 溶液= 3 h 3 p o , + h f + 5 c a s i f 6 2 h 2 0 + 溶液 ( 2 4 ) c a s f ( p 0 4 ) 3 + i o n h 4 h s 0 4 + 溶液= 3 h 3 p 0 4 十且f + 5 ( 旧 ) 2 s o , ，。、 + 5 c a s 0 4 n h ，0 + 溶液 、。 从上述反应可以看出：所有的酸或酸式盐分解磷矿反应的共同点是都能生 成磷酸及氟氢酸，但是，生成什么形式的钙盐来结合磷矿中的钙却各不相同， 各有其特征。这也导致了生产湿法磷酸多种方案并存。但从生产工艺及控制的 角度分析，如何更加有效的利用资源及简化生产操作才是最主要的。本文下面 将对几种磷酸生产方案进行分析，以此表明本文中所研究的利用硫酸法生产湿 法磷酸的优势，而这种方法也是目前工业界应用最为广泛的一种方法。 硝酸分解磷矿后，将硝酸钙分离出去的方法也有几个不同的技术路线。目 前研究较多的为冷冻法分离硝酸钙。该法是将硝酸分解磷矿后得到的酸解液冷 却到一定温度，使硝酸钙以四水物形式c a ( n q ) 2 4 h z 0 结晶析出。从溶液中除 去全部硝酸钙并制成磷酸，其它生产方法虽已有很多的研究，但由于工艺的复 杂性导致此种方法未曾工业化。 盐酸分解磷矿后得到的酸解液中主要含有磷酸及氯化钙，采用溶解萃取将 两者分离的方法早已由以色列矿业工程公司开发，并使之工业化，可以制得比 较纯的磷酸。但由于技术上的原因，此种方法在目前我国还没有被应用的实例。 用氟硅酸分解磷矿后，得到的生成物除磷酸外，还有氟硅酸钙。在适当的 反应条件下，磷酸的浓度为3 0 p 2 0 5 左右时，约有三分之二的氟硅酸钙将以二 1 0 浙江大学硕士学位论文 水物形式( c a s i f 6 2 h ，0 ) 从溶液中结晶析出，但仍有三分之一留在溶液中。 这样将会大大增加工业生产的复杂性，不仅如此，由于目前氟硅酸的来源不多， 实现工业生产的实际意义不大。如果能使氟硅酸钙加热分解后循环应用则是可 行的，但目前工业生产中技术上的困难仍然很大，并没有得到大规模的推广。 在缺乏硫资源的条件下，采用酸式硫酸氨分解磷矿制磷酸是很有现实意义 的。在磷矿与硫酸氢氨的反应过程中，钙都以硫酸钙形式结晶沉淀，钙的分离 是完全的，但同时却生成了与钙量相当的氨盐，造成纯磷酸生产的困难。要解 决这一分离过程还有许多技术问题需要克服。 采用硫酸分解磷矿制磷酸的方法与上述过程有所不同，它的明显特点是分 解后的产物除磷酸溶液之外，硫酸钙是一个溶解度很小的固体，两者的分离可 以用简单的液、固相分离过程来实现，当前工业生产上普遍采用的是真空过滤 机，这样就使磷酸的生产方法大为简化。基于这一特点，在硫酸法的生产工艺 过程中，不论是反应机理、工艺控制条件以及生产设备选型等都将有所不同。 由于此种方法操作简单，技术上容易实现，故已经在我国磷酸生产厂中得到了 大规模的应用，而本次项目磷酸厂的生产工艺正是采用这种模式。 硫酸法制湿法磷酸在工业生产中已经有一个多世纪的历史，目前已形成了 一个完整的工业化磷酸生产体系。因此，从狭义上说，通常所谓的湿法磷酸实 际上是指硫酸分解磷矿后制得的磷酸，过去也曾称为萃取磷酸。 2 3 硫酸法制湿法磷酸的工艺原理 磷矿与硫酸反应生成磷酸的反应式表示如下： c a , f ( p o , ) 3 + 5 坞s 0 4 + 溶液= 3 马p o , + h f + 5 c a s 0 4 h d + 溶液 ( 2 6 ) 在磷酸溶液中，硫酸钙的溶解度是很小的，反应一经开始就已达到过饱和 状态，从而析出沉淀，反应终止后，磷矿中的c a o 几乎全部沉淀析出。而后用 过滤、洗涤的办法可将硫酸钙固相从磷酸溶液中分离出来，固相中除硫酸钙以 外，还含有少量未被分解的磷矿、未洗净的磷酸、可能形成的磷酸盐沉淀以及 随磷矿带入的酸不溶物质等，这样的硫酸钙固相通常称为“磷石膏”。 第二章湿法磷酸生产工艺流程 式( 2 6 ) 的反应可看成分两步进行，即： 1 ) 磷矿首先被磷酸分解，生成磷酸一钙 c a l f ( p 0 4 ) 3 + 1 0 峨尸d 4 + 溶液= 3 t 1 3 尸q + h f + 5 c a ( h 2 p d 4 ) 2 + 溶液( 2 7 ) 2 ) 磷酸一钙继续与硫酸反应生成磷酸 5 c a ( h 2 p d 4 ) 2 + 5 日2 s o , + 溶液= i o h 3 e o , + 5 c a s 0 4 n h 2 d + 溶液( 2 8 ) 式( 2 7 ) 反应到一定程度后就要减慢，且不能进行到完全。当有硫酸存在时， ( 2 8 ) 反应可以迅速进行，并达到完全，这一结果也促进y ( 2 7 ) 反应的继续进行。 由此可见，在湿法磷酸的反应过程中，若保持一定的硫酸浓度，磷矿的分解总 是可以快速进行并达到完全的。 磷矿与酸之间的反应，实质上是一个表面反应，它的反应速率主要是由反 应温度、液相氢离子浓度、表面液膜的扩散以及矿粒的有效表面积所控制的。 在湿法磷酸生产中，溶液中还存在着f 一，能使矿粒表面生成硫酸钙固态膜， 增加了过程的复杂性。这种固态膜一旦形成以后，很快地降低了离子传递到表 面的速率，使反应减慢，甚至完全停止。当这一现象发生以后，磷矿的反应活 性就成为次要的了。 固体的分解过程是一个复杂的物理化学现象，它是由各个不同的，相互联 系而又同时进行的过程所构成的。在固体表面上的反应一般都进行得很快，但 是，反应产物从表面层转移到溶液中的速度却很慢。在一定的混合条件下，具 有决定性作用的过程是被溶解物质向溶液中，或反应物向固体表面的转移过程。 这个转移过程是靠分子或离子通过与固体毗连的液相的扩散来达到的，这样液 相层称为扩散层。反应产物继续向溶剂内部的移动，是向着离开固体更远的液 层的方向进行的。 由于在生产过程中化学反应进行很快，而反应产物的扩散又很慢，所以在 固体表面附近的扩散层内，反应产物的浓度提高得很快，可能接近于饱和浓度。 因此，在扩散层界限内或与它毗连的区域内，建立起来的稳定的交换条件应为 反应产物的流出和反应物质的流入。 1 2 浙江大学硕士学位论文 2 4 湿法磷酸工艺 湿法磷酸生产中已经出现了各式各样的工业化流程或工艺专利，所有这些 流程或专利可按它们不同的特点进行分类。 按照生成硫酸钙结晶形式的不同，湿法磷酸流程应作如下的分类： 1 ) 二水物流程： 2 ) 无水物流程； 3 ) 半水物流程； 由于本文的研究对象为采用硫酸进行湿法磷酸生产的二水物流程，故以下 将着重对二水物硫酸法生产磷酸的流程进行介绍。 硫酸分解磷矿制湿法磷酸时，控制硫酸钙以二水物( 石膏) c a s 0 4 2 h ：0 形 成沉淀的工艺流程称为二水物流程。反应如下： c a s f ( p 0 4 ) 3 + 5 吃s o , 十2 日2 0 = 3 h 3 p 0 4 + 5 c a s 0 4 2 h 2 0 + h f( 2 9 ) 反应后的料浆中包括含有一定量杂质的磷酸溶液以及固相石膏和未被硫酸 分解的含磷矿物。液、固相一般采用过滤、洗涤的办法分离。固体滤渣通常称 为“磷石膏”，因其含有一定数量的磷，其中包括水溶性的及非水溶性的。工艺 过程中磷的损失除了操作中的机械损失以外，几乎都包含在“磷石膏”中。 正如2 3 节分析的一样，二水物流程是湿法磷酸生产上应用最早、最为广 泛的工艺流程。主要在于其自身的众多优点，例如： 1 ) 能形成足够粗大，整齐的晶体，有利于过滤及充分的洗涤，以减少磷酸 的损失； 2 ) 二水物结晶在稀磷酸溶液中具有很好的稳定性，不会在生产过程中发生 任何的相变； 3 ) 生产中工艺条件的控制幅度大，便于操作及管理； 4 ) 磷酸浓度稀，对设备材料的腐蚀相对地说比较小。 正因为如此，人们在第一次实现湿法磷酸生产时，就是从二水物流程开始 的，经过1 0 0 多年的实践、改进，已使二水物流程发展成一个完整的、现代化 的工业流程，直到现在，这个流程不论在产量上、建厂数目上一直在湿法磷酸 第二章湿法磷酸生产工艺流程 生产中占重要地位，不失其重要性。 根据c a s o , 一日3 p d 4 曰：0 三元系统的理论；8 0 c 时，在纯磷酸洛液中石 膏能稳定存在的磷酸浓度极限为：3 3 p 2 0 5 。然而在生产上，这样条件下的二 水物流程是从未实现过的。这是因为在实际生产中，液相过量硫酸的存在，改 交了三元系统的平衡关系。湿法磷酸的生产中，硫酸的加入量不可能正好控制 在所需要的理论量，反应液相中经常有硫酸过量存在或不足的现象。同时，为 了有利于石膏结晶的成长以及降低石膏中p 2 0 5 的损失，通常总是保持液相中有 一定过量的游离硫酸浓度( 以s 0 3 浓度表示，包括硫酸盐在内时称为总s 0 3 浓 度) 。 从总体上说湿法磷酸的反应过程是伴有放热，吸热，多种物质存在的多元、 复杂的化学反应过程，受到诸如温度、压力、矿粉的细度、搅拌强度及固态膜 等多种因素的影响，反应中存在着很强的非线性因素，正是因为这种多因素相 互干扰、耦合以及强非线性的存在，使得湿法磷酸生产的建模及控制变得异常 困难，而利用常规的控制方法很难建立模型并加以控制。 2 5 湿法磷酸生产过程的工艺流程 二水物流程制湿法磷酸的发展历史已很长，到现在为止，世界上已出现了 各种各样的工业生产流程，都具有各自的特色。但是，对过程的基本观点则仍 然是一致的，都力求获得较好的技术经济指标，生产尽可能浓的磷酸。按反应 槽的类型分，二水物流程可以分为多槽流程和单槽流程。 根据实际工业生产装置的特点，这里以某磷肥厂二水物硫酸法磷酸生产装 置为例( 如图2 1 图2 3 ) ，对单槽流程进行简单的介绍。 4 浙江大学硕士学位论文 图2 1 磷酸装置反应单元流程圈 5 丝三兰望鲨壁璧生兰三苎鎏里 料浆 二洗水一洗水 p 2 0 5 废水 废气 图2 2 磷酸装置过滤单元流程图 图23 磷酸装置闪冷单元流程图 1 6 浙豇大学硕士学位论文 表2 1 设备编号及说明 编号说明编号说明 v 2 0 l 矿浆储槽v 2 1 4热水离位槽 v 2 0 2 硫酸储槽 v 2 1 7磷酸储槽 r 2 0 1萃取槽v 2 0 3闪蒸冷却器 t 2 0 3尾气洗涤器$ 2 0 1旋风除沫器 r 2 0 2消化槽t 2 0 1一级氟洗涤塔 x 2 0 1盘式过滤机t 2 0 2二级氟洗涤塔 v 2 1 1 气液分离器 注：流程图中以p 开头的设备为泵，以m 开头的设备为混合三通 流程说明： 1 ) 经均化后的磷矿石由磨矿车间湿磨系统制备成合格矿浆，用管线送入本系 统的矿浆储槽( v 一2 0 1 ) 中，再由矿浆泵( p - - 2 0 1 a 、b ) 经核子密度计和 电磁流量计计量后送入方格萃取槽( r - - 2 0 1 ) 的1 区。硫酸车间送来的浓 度为9 3 或9 8 的硫酸进入本系统的硫酸储槽( v - - 2 0 2 a 、b ) ，再用硫酸 泵( p - - 2 0 2 a 、b 、c ) 经电磁流量计计量后送入反应槽上的混合三通( m - - 2 0 1 a 、b ) ，在混合三通中与过滤岗位洗液泵( p - - 2 1 i a 、b ) 打回来 的回磷酸混合后而分别进入萃取槽( r - - 2 0 1 ) 的l 区和2 区。另有少量硫 酸则加入萃取槽3 区和4 区中。作为液相s 0 3 浓度平衡和促使二水物结晶 均匀、长大。反应形成的料浆由萃取槽3 区通过循环泵( p - - 2 0 4 ) 打入槽 外的闪蒸冷却器( v - - 2 0 3 ) 进行真空冷却。再从底部回流到萃取槽4 区，4 区的循环料浆小部分通过溢流管出料，进入消化槽( r - - 2 0 2 ) 养晶待过滤， 其余大部分料浆在搅拌和回流作用下，作为回浆返入1 区继续循环； 2 1 萃取槽( r - - 2 0 1 ) 中逸处的含氟气体在尾气排风机( c - - 2 0 1 ) 的抽吸作用 下，从槽项盖排风管进入尾气洗涤器( t - - 2 0 3 ) ，经循环洗液充分洗涤后， 废气由排气筒( s - - 2 0 3 ) 排入大气： 3 1 闪蒸冷却器( v - - 2 0