基于知识管理的精馏塔智能化控制模型

基于学问管理的精馏塔智能化限制模型吉旭

朱立嘉

范云峰

唐建华*摘要：分析了精馏塔传统的限制策略与缺陷，提出精馏塔基于学问管理的智能化限制框架，以解决不同操作环境下的精馏塔在线优化限制问题。本文还探讨了精馏塔学问管理的模型表达方式，在面对对象建模方法基础上，采纳面对智能体(AgentOriented,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，通过学问推理将三个类关联形成精馏塔管控一体化的学问化智能平台，其中学问推理采纳了基于人工神经网络的数据挖掘方法。关键词：学问管理;神经网络限制;数据挖掘；面对智能体

引言精馏过程的操作限制变量多，影响因素困难，过程限制常按不同的物料体系与馏出物的技术经济指标要求采纳不同的策略，目前常用的精馏塔限制方案包括：（1）提馏段温度作为评价状态的间接指标，以变更再沸器加热量为限制手段，即提馏段温控。（2）精馏段温度作为评价状态的间接指标，变更回流量为限制手段，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，可采纳温差限制。（4）按产品成分或物性干脆限制。利用成分分析器，分析出塔顶(或塔底)的产品成分并作为被限制变量，用回流量(或再沸器加热量)作为限制手段，实现按产品成分的干脆指标限制。以上常规的限制方法，限制点按确定的限制参数执行，现场限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、环境因素变更等，难以实时调整[1]。针对精馏塔限制上的难点，本文提出基于学问管理体系的精馏塔优化限制框架，从企业经营管理的总体需求动身，构建对象学问管理体系，将精馏塔操作限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限制[2]，使其能够依据扰动发生的类别、强度选择适当的限制策略，实时调控，实现精馏塔操作的效益最大化。

1精馏塔优化限制框架精馏塔作为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)

分别度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。基于学问管理体系的精馏塔优化限制框架，须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等指标为限制调整参数，实现过程限制。精馏塔优化限制框架采纳现场总线结构，如图1。考虑系统的平安性与效率，框架设计采纳双总线结构，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；另一条总线将自动限制站发送的各限制器调整量传递到相关限制点上。

限制作用过程为：各监测点将刚好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、，将其与决策系统供应的X1、X2进行比较，反复修正调整量，使模拟结果接近于X1、X2，最终将这些修正后的调整量数据通过协议转换网桥传递到另外一条总线上的自动限制站上，由这个限制站将限制信息发送到各工艺限制点上，调整其状态。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，进而确定各限制点的限制参数，与传统的限制系统相比，其时变性、耦合性和不确定性大大增加，因此限制参数要求强鲁棒性和抗干扰性能。利用神经网络的非线形映射、自组织、自学习实力是解决此问题的有效方法,但须要解决规则的提炼、整理、存储与应用，即学问管理。基于学问管理体系的精馏塔优化限制框架采纳了基于学问的单神经元自适应智能化限制策略，以克服传统限制中的缺陷，其工程化难点是须要解决学问模型建立与引用。2精馏塔的学问建模实现基于学问的智能化调控，核心是建立起精馏过程的学问模型。化工过程系统中常用的建模方法是结构化分析方法和面对对象方法。面对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肯定的缺点[3][4][5]。本文依据精馏塔实现基于学问的智能化调控的须要，采纳面对对象方法基础上的面对智能体(agentoriented,AO)的建模方法，将精馏塔限制分为客体(对象)类和主动实体(智能体)类，并分别依据其特点建模。2.1客体(对象)类的建立建立两个客体对象类：精馏塔监测对象类（5式），和精馏塔限制对象类（6式），其它客体类可用同样的方式建立。在精馏塔学问管理的学问模型中，客体对象类是学问片段中的一个元素，实现对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。

Classtower_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）Classtower_control{

Float

C1;

//C1数字阀门，限制进入精馏塔的物料的流量

Float

C2;

//C2数字阀门，限制塔底馏出液的流量

Float

C3;

//C3数字阀门，限制塔顶蒸出液的流量

Float

C4;

//C4数字阀门，限制塔顶回流液的流量

Float

C5;

//C5数字阀门，限制进入再沸器的加热介质的流量

Float

C6;

//C6数字阀门，限制进入冷凝器的冷凝剂的流量}

-------

（6）2.2主动实体(智能体)类的建立区分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学问，主动实体类属于对对象的识别与推断，将多个主动实体类聚集在一起用肯定的推理过程或规则约束，就形成了学问片段。在基于学问管理的体系内，学问片段是存放于学问库中的信息格式，是学问管理中的一个基本单元。7式Segmentsolution是精馏塔学问片段的基本格式，对精馏过程限制的相关学问进行封装。

Segmentsolution{

tower_detect

data_detect;

—由实时数据库供应的仪表信息

tower_controldata_control;

—学问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）2.3精馏体塔限制的最优化模型类精馏塔优化限制框架的最优化目标是从企业经营管理总体需求动身，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、需求变更、销售状况、原料状况、操作环境变更、库存量、价格因素、设备费用、生产能耗、工资核算、工艺限制等等[6][7]。可见如7式学问片段难以满意最优化目标的计算，采纳基于面对对象技术，对学问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。

segmentdecision_scope:publicsolution{

materialbalance;

——物料平衡条件marketmarket_inf;——市场信息

requirementrequirement_inf;——需求信息

salesale_inf;——销售信息

powerpower_inf;——能量消耗状况

equipmentequipment_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学问的推理-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肯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。通常推理运用学问库中包含的各类学问，在动态输入过程中，衍生出新信息、新学问，经过推理得到的动态输出在阅历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，假如一样或者差异比较小则将产生的有价值的学问放入学问库中[8]。区分推理和传统的“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/输出（I/O）用学问角色(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。INFERENCEControl_Solution

ROLES:

INPUT:data_status;

OUTPUT:control_status;

METHOD:DATAMINING

SPECIFICATION:

“Eachtimetheinferenceisinvoked,itgeneratesacandidatesolutionthatcould

havecausedthedata_status.”ENDINFERENCEcontrol_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（DATAMINING）三个学问角色，分别实现状态数据和规则的导入、导出。KNOWLEDGE_ROLEdata_status;

TYPE:DYNAMIC;

DOMAIN-MAPPING:visible_state;

INCLUDE:solution.data_detect;

solution.data_control;

duct_inf;

solultion.resource_inf;

solultion.other_inf;

solultion.rpdbms_inf;

solultion.rldbms_inf;ENDKNOWLEDGE_ROLEdata_status

-------

（10）

KNOWLEDGE_ROLEdata_control;

TYPE:DYNAMIC;

DOMAIN-MAPPING:invisible_state;

INCLUDE:solultion.rpdbms_inf;

solultion.rldbms_inf;ENDKNOWLEDGE_ROLEdata_control

-------

（11）

KNOWLEDGE_ROLEDATA_MINING

TYPE：STATIC;

DOMAIN-MAPPING:state-dependencyfromrule_baseENDKNOWLEDGE_ROLEDATA_MINING

-------

（12）不同的学问角色与推理流程如图2所示。

动态输入角色在规则库和数据挖掘算法的支持下完成整个学问推理过程，经模拟发觉的学问转变为动态输出角色输出。用于Control-solution的推理规则库采纳多维度学问结构，支持数据切片、数据钻取等多种方式对学问进行发掘。比如依据不同的输入参数来确定采纳什么样方式的限制方法。规则库的基本形式采纳if…then规则。依据学问获得的一般过程，精馏塔学问获得的基本流程如图3。

推理过程的核心是基于人工神经网络的数据挖掘算法[9][10]。神经网络是一组连接的输入/输出单元，其中每个连接都与一个权相联。在学习阶段，调整神经网络的权，使得能够预料输入样本下的输出，进而完成学习，获得规则。神经网络对噪声数据具有高承受实力，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限制方法评价与调整的困难性。此外，最近已提出了一些由训练过的神经网络提取规则的算法，图4是基于BP的网络限制模型。

Fig.4ControllingmodelbasedonBPneuralnetworks4精馏塔智能化限制的实现本课题实现基于学问管理的智能化精馏塔限制体系采纳了四个子过程结构体：数据采集处理过程、基于神经网络模拟、学问库、历史数据库更新过程，以及自动限制过程，如图5所示。

Fig.5

LogicdiagramoftheIntelligentizedControlSystemofRectificationtower

在智能化限制过程中，学问库为核心。限制策略学问库接受来自数据采集处理服务器的输入变量，与学问库中的学问模型进行比较，找到适合的限制方案，输出给自动限制站，由其实现对各个工艺限制点的限制。学问库还收集来自总线的其它信息，比如原料状况、环境参数、产量质量要求等等，作为选择限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，学问模型会变更，对变更了的模型间的关系采纳星形模式设计进行描述，如图6所示，其中ModleID,Optimizer,ResultID是三个描述模型的键码，箭头符号代表一对多的关系，条件与优化模型通过基元模型形成的多重关系称之为维，维数大小反映了模型优化的搜寻途径的多少，而最终导致志向结果的途径既为限制模型。

(fig.6theModellingrelationshipbasedonstaredstructure)学问模型库系统选用关系型数据库Oracle8i，前台操作系统用Powerbuilder8.0开发，相关算法库、方法库用C语言编写并编译为动态连结库，Powerbuilder通过外部函数形式进行调用。人工神经网络算法外部调用Matlab工具箱。

5结论本文从学问管理的角度对精馏体系完成了学问建模，形成由客体（对象）类、主动实体（智能体）类、最优化模型类构成的三层模型体系，底层限制端获得的基础数据通过学问的继承、发觉，成为管理层籍于决策的关键性学问基础之一，同时企业经营的市场环境、财务状况等也成为确定精馏操作限制参数的重要指导原则，从而实现精馏过程的最优化调控。基于智能化限制体系，进行了软件系统的开发，软件实际运行效果表明，实现基于学问管理的精馏智能化限制是可行的，并且是化工过程系统实现管控一体化的必要条件。

参考文献[1]JiXu（吉旭）,Zhulijia（朱立嘉）.Modelsofcost&ProfitEvaluationinInternetEnvironmentandInstantDecision（基于INTERNET的成本效益评估模型与瞬时决策）.ComputersandAppliedChemistry,（计算机与应用化学）2003(20),5[2]UdoGraefe,VinceTomson.

Areferencemodelforproductioncontrolinacomputerintegratedmanufacturingenvironment.ProcCont，1994,4(4)281～290[3]Chenghualong（程华农）,Qianyu（钱宇）,etal.Agent-orientedapproachforintegratedmodelingofprocesssystem(化工过程系统集成建模的面对智能体方法).JournalofChemicalindustryandengineering(China)(化工学报).2003(54),1[4]Jixu(吉旭)，Tangjianhua(唐建华).TheObjectOrientedKnowledgeModelFrameRepresentationBasedonClass(基于类的面对对象的学问模型表达模式).Controlandinstrumentsinchemicalindustry(化工仪表与自动化).2003（31）2

[5]XiaHongxia(夏红霞),LiuHanli(刘汉丽),etal.TheMethodofHierarchicalandStructuredMixedKnowledgeRepresentation(分层结构化混合学问表达方法).

Journalof

WuHanUniversityofTechnology(武汉工业高校学报).1999（21）,6

[6]Jixu(吉旭),LijiaZhu(朱立嘉),EvaluationOfProcessSystemReliabilityandOperatingDecisionSupport(过程系统牢靠性评价与运营决策支持).ComputerApplications(计算机应用),2002(22)10supp

[7]ZhengDongfui,HuSanying,etal.Multi-ObjectiveOptimizationofReactionPathSynthesisWithConsiderationofReactingKinetics,JournalofChemicalIndustryAndEngineering,2003,54(6)770-774

[8]UsamaFayyad,Gregorypiatesky-shapiroandPadhraicSmyth,FromDataMiningtoKnowledgeDiscoveryinDatabase,AIMAGAZINE,FALL1996[9]Xialuyue(夏陆岳),PanHaitian(潘海天),etal.DataMiningtechniqueinmodelingofchemicalprocess(化工过程建模中的数据挖掘技术).Chemicalindustryandengineeringprogre