基于知识管理的精馏塔智能化控制模型

基于知识管理的精馏塔智能化控制模型基于知识管理的精馏塔智能化控制模型 吉旭 朱立嘉 范云峰 唐建华 摘要 摘要 分析了精馏塔传统的控制的控制策略与缺陷 提出精馏塔基于知识管理的 智能化控制框架 以解决不同操作环境下的精馏塔在线优化控制问题 本文还 研究了精馏塔知识管理的模型表达方式 在面向对象建模方法基础上 采用面 向智能体 Agent Oriented AO 的建模方法 建立了客体 对象 类 主动实体 智能体 类和最优化模型类 通过知识推理将三个三个类关联形成精馏塔管控一体 化的知识化智能平台 其中知识推理采用了基于人工神经网络网络的数据挖掘方法 关键词关键词 知识管理 神经网络网络控制 数据挖掘 面向智能体 引言引言 精馏过程的操作控制变量多 影响因素复杂 过程控制常按不同的物料体 系与馏出物的技术经济指标要求采用不同的策略 目前常用的精馏塔控制方案 包括 1 提馏段温度作为评价状态的间接指标 以改变再沸器加热量为控制手 段 即提馏段温控 2 精馏段温度作为评价状态的间接指标 改变回流量为控制手段 即精 馏段温控 3 进行塔顶 塔底产品沸点差不大 产品纯度要求高的精密精馏时 可 采用温差控制 4 按产品成分或物性直接控制 利用成分分析器 分析出塔顶 或塔底 的产品成分并作为被控制变量 用回流量 或再沸器加热量 作为控制手段 实 现按产品成分的直接指标控制 以上常规的控制的控制方法 控制点按确定的控制的控制参数执行 现场控制更多的关 注精馏塔是否按设定的工艺操作线运行 而不是单元操作的效益最大化 对随 时出现的因素扰动 如市场行情波动 生产装置老化 环境因素改变等 难以 实时调整 1 针对精馏塔控制上的难点 本文提出基于知识管理体系的精馏塔 优化控制框架 从企业经营管理的总体需求出发 构建对象知识管理体系 将 精馏塔操作控制指标确定过程融入全企业的效益分析与决策流之中 实现各工 艺点整合优化下的控制的控制 2 使其能够根据扰动发生的类别 强度选择适当的控的控 制制策略 实时调控 实现精馏塔操作的效益最大化 1 1 精馏塔优化控制框架精馏塔优化控制框架 精馏塔作为一个一个局部的单元操作 考虑到其与企业经营的关联关系 建立 一个一个融合产品售价 操作费用 能量消耗的最优化评价模式 1 是一个一个适用 于局部及过程综合 以利润为优化目标的函数 1 过程模型由物料平衡关系构成等式约束 1 物料平衡关系 2 2 分离度 S 定义为 3 3 能量消耗关系式 4 此外模型构成还包括由产品质量限定 塔压范围 漏液和液泛 再沸器和 冷凝器等形成的不等式约束条件 基于知识管理体系的精馏塔优化控制框架 需要建立适当的体系结构 通过在线评价 以实现利润最大化为目标 适当选 择F D V Xw XD等指标为控制调节参数 实现过程控制 精馏塔优化控制框架采用现场总线结构 如图 1 考虑系统的安全性与效率 框架设计采用双总线结构 一是将各个监测点信息传输给数据采集处理服务器 并进行后台处理 另一条总线将自动控制站发送的各控制器调节量传递到相关 控制点上 控制作用过程为 各监测点将及时信息传递到数据采集处理服务器上 然 后将这些数据交由基于人工神经网络网络的模拟服务器进行数值模拟 得塔底 塔 顶的组分模拟值 将其与决策系统提供的X1 X2进行比较 反复修正 调节量 使模拟结果接近于X1 X2 最后将这些修正后的调节量数据通过协议 转换网桥传递到另外一条总线上的自动控制站上 由这个控制站将控制信息发 送到各工艺控制点上 调节其状态 图一框架的实质是通过 1 的评价 确定不同条件下动态优化的馏出物组 成 进而确定各控制点的控制的控制参数 与传统的控制的控制系统相比 其时变性 耦合 性和不确定性大大增强 因此控制参数要求强鲁棒性和抗干扰性能 利用神经 网络网络的非线形映射 自组织 自学习能力是解决此问题的有效方法 但需要解决 规则的提炼 整理 存储与应用 即知识管理 基于知识管理体系的精馏塔优 化控制框架采用了基于知识的单神经元自适应智能化控制策略 以克服传统控 制中的缺陷 其工程化难点是需要解决知识模型建立与引用 2 2 精馏塔的精馏塔的知识建模知识建模 实现基于知识的智能化调控 核心是建立起精馏过程的知识模型 化工过 程系统中常用的建模方法是结构化分析方法和面向对象方法 面向对象建模虽 较好地克服了结构化方法按功能进行分解的缺点 但对化工生产过程中的模拟 优化 排产等具有模糊性特征的主观性事物进行描述存在一定的缺点 3 4 5 本 文根据精馏塔实现基于知识的智能化调控的需要 采用面向对象方法基础上的 面向智能体 agent oriented AO 的建模方法 将精馏塔控制分为客体 对象 类和 主动实体 智能体 类 并分别根据其特点建模 2 12 1 客体客体 对象对象 类的建立类的建立 建立两个客体对象类 精馏塔监测对象类 5 式 和精馏塔控制对象类 6 式 其它客体类可用同样的方式建立 在精馏塔知识管理的知识模型中 客体对象类是知识片段中的一个一个元素 实现对一个一个局部客观对象的描述 客体 对象类连接体系的实时数据库及历史数据库 Class tower detect Float F1 F1在线流量计测得的进塔物料流量 Float F2 F2在线流量计测得的塔底采出液流量 Float F3 F3在线流量计测得的塔顶回流液流量 Float F4 F4在线流量计测得的进入再沸器的加热介质流量 Float F5 F5在线流量计测得的进入冷凝器的冷凝剂流量 Float L1 L1在线液位计测得的塔底液位高度 Float L2 L2在线液位计测得的回流罐中液位高度 Float P P 在线压力计测得的塔内压力值 5 Class tower control Float C1 C1数字阀门 控制进入精馏塔的精馏塔的物料的流量 Float C2 C2数字阀门 控制塔底馏出液的流量 Float C3 C3数字阀门 控制塔顶蒸出液的流量 Float C4 C4数字阀门 控制塔顶回流液的流量 Float C5 C5数字阀门 控制进入再沸器的加热介质的流量 Float C6 C6数字阀门 控制进入冷凝器的冷凝剂的流量 6 2 22 2 主动实体主动实体 智能体智能体 类的建立类的建立 区别于对客观对象进行描述的客体类 主动实体 智能体 类描述客观对象的 主观性知识 主动实体类属于对对象的识别与判断 将多个主动实体类聚集在 一起用一定的推理过程或规则约束 就形成了知识片段 在基于知识管理的体 系内 知识片段是存放于知识库中的信息格式 是知识管理中的一个一个基本单元 7 式 Segment solution 是精馏塔知识片段的基本格式 对精馏过程控制的相关知 识进行封装 Segment solution tower detect data detect 由实时数据库提供的仪表信息 tower control data control 知识库最终给定的操作参数 product product inf 包含产品的信息 resource resource inf 原料的信息 other other inf 其它信息 比如环境温度 财务信息 等 interface rpdbms rpdbms inf 关系型数据库接口信息 interface rldbms rldbms inf 实时数据库接口信息 7 2 32 3 精馏体塔控制的最优化模型类精馏体塔控制的最优化模型类 精馏塔优化控制框架的最优化目标是从企业经营管理总体需求出发 实现 综合效益的最大化 即通过对各种信息的分析 计算得到最佳的塔顶和塔底产 物 X1和 X2 约束条件包括 市场信息 需求变化 销售情况 原料情况 操 作环境变化 库存量 价格因素 设备费用 生产能耗 工资核算 工艺控制 等等 6 7 可见如 7 式知识片段难以满足最优化目标的计算 采用基于面向对象 技术 对知识片段描述进行扩展与继承形成最优化模型类 8 式是约束条件类 segment decision scope public solution material balance 物料平衡条件 market market inf 市场信息 requirement requirement inf 需求信息 sale sale inf 销售信息 power power inf 能量消耗情况 equipment equipment inf 设备状况信息 8 最优化模型类中新扩展的元素分别构成一个一个对象类 有确定的客体或主体 对象 通过数据封装达到要求的评价效果 3 3 知识的推理知识的推理 客体类与主动实体类的关联客体类与主动实体类的关联 相对独立的客体类与主动实体类通过一定的信息处理过程建立关联关系 这些基本信息处理单元可称为推理 通常推理使用知识库中包含的各类知识 在动态输入输入过程中 衍生出新信息 新知识 经过推理得到的动态输出输出在经验 规则的支持下产生出结果 将这个结果与实际的结果进行比较 如果一致或者 差异比较小则将产生的有价值的知识放入知识库中 8 区别推理和传统的 处 理 或 功能 的主要特征是描述推理操作所基于的数据调用与传输方式 推 理的动态输入输入 输出输出 I O 用知识角色 ROLES 来描述 指明它们在推理过程中 数据对象的抽象名称 对于精馏塔体系 建立 Control Solution 推理过程 如 9 式 INFERENCE Control Solution ROLES INPUT data status OUTPUT control status METHOD DATA MINING SPECIFICATION Each time the inference is invoked it generates a candidate solution that could have caused the data status END INFERENCE control solution 9 Control Solution 按推理过程实际数据处理和数据传输的区分 建立了 INPUT data status OUTPUT control status 和 METHOD DATA MINING 三个三个知识角色 分别实现状态数据和规则的导入 导出 KNOWLEDGE ROLE data status TYPE DYNAMIC DOMAIN MAPPING visible state INCLUDE solution data detect solution data control solultion product inf solultion resource inf solultion other inf solultion rpdbms inf solultion rldbms inf END KNOWLEDGE ROLE data status 10 KNOWLEDGE ROLE data control TYPE DYNAMIC DOMAIN MAPPING invisible state INCLUDE solultion rpdbms inf solultion rldbms inf END KNOWLEDGE ROLE data control 11 KNOWLEDGE ROLE DATA MINING TYPE STATIC DOMAIN MAPPING state dependency from rule base END KNOWLEDGE ROLE DATA MINING 12 不同的知识角色与推理流程如图 2 所示 动态输入输入角色在规则库和数据挖掘算法的支持下完成整个知识推理过程 经模拟发现的知识转变为动态输出输出角色输出输出 用于 Control solution 的推理规则 库采用多维度知识结构 支持数据切片 数据钻取等多种方式对知识进行发掘 比如根据不同的输入输入参数来决定采用什么样方式的控制的控制方法 规则库的基本形 式采用 if then 规则 根据知识获取的一般过程 精馏塔知识获取的基本流 程如图 3 推理过程的核心是基于人工神经网络网络的数据挖掘算法 9 10 神经网络网络是一组 连接的输入输入 输出输出单元 其中每个连接都与一个一个权相联 在学习阶段 调整神 经网络网络的权 使得能够预测输入输入样本下的输出输出 进而完成学习 获取规则 神 经网络网络对噪声数据具有高承受能力 它对未经训练的数据建立分类模式 适应 于基于实时数据的智能化控制方法评价与调整的复杂性 此外 最近已提出了 一些由训练过的神经网络网络提取规则的算法 图 4 是基于 BPBP 的网络网络控制模型 Fig 4 Controlling model based on BPBP neural networks 4 4 精馏塔智能化控制的实现精馏塔智能化控制的实现 本课题 实现基于知识管理的智能化精馏塔控制体系采用了四个子过程结构体 数据采 集处理过程 基于神经网络网络模拟 知识库 历史数据库更新过程 以及自动控 制过程 如图 5 所示 Fig 5 Logic diagram of the Intelligentized Control System of Rectification tower 在智能化控制过程中 知识库为核心 控制策略知识库接受来自数据采集 处理服务器的输入输入变量 与知识库中的知识模型进行比较 找到适合的控制的控制方 案 输出输出给自动控制站 由其实现对各个工艺控制点的控制的控制 知识库还收集来 自总线的其它信息 比如原料情况 环境参数 产量质量要求等等 作为选择 控制方案的显著影响因素 在不同的设备运行状况 不同的经营环境下 知识模型会变化 对变化了 的模型间的关系采用星形模式设计进行描述 如图 6 所示 其中 ModleID