串级调节对精馏塔塔釜温度的控制

精馏塔的温度是控制精馏操作分离质量和效率的重要参数。对于化工生产中对分离质量要求很高的精馏操作来说,控制精馏塔温度的稳定就显得至关重要。本文论述了应用串级控制系统取代单回路对精馏塔塔釜温度的控制的意义。     

精馏塔在线推断估计的微机优化控制

本文建立了精馏塔稳态机理模型和进料成分估计模型。在控制方案的设计中,采用了在线修正控制模型。考虑到限制条件变化时,必须相应调整操作变量。上述方案采用SPC控制,实施后,获得可观的经济效益。     

神经网络技术在试验精馏塔控制中的应用

为了预测精馏塔底部产品的成分，建立了4层前馈神经网络结构，作为动态系统的正向模型，并采用BP学习算法对神经网络进行了训练；建立了动态系统的神经网络逆模型，作为系统控制器；采用神经网络内模控制结构，根据精馏塔第2级的温度，对底部产品成分进行控制，试验表明，神经网络法与气相层析法相比，能够以任意精度逼近任意非线性映射，更快地提供成品估算值，使控制系统更及时地采取措施，改善控制效果。     

基于PLC的精馏实验平台设计与开发

以S7-200 PLC为控制器,精馏塔为被控对象,开发了基于PLC的精馏过程控制实验平台。介绍了该实验平台的组成、各组成部分的作用及结构参数等。设计了基于PLC的控制方案和安全联锁系统,实现了对精馏塔的塔釜液位、塔釜加热功率、进料温度、回流比等典型参数的实时检测和自动控制以及发生异常情况时系统会自动启动安全保护措施;描述了监控软件对精馏过程的实时监控等功能。应用结果表明,基于PLC的精馏过程控制实验平台操作简单,人机界面友好,可实现多个教学项目。     

精馏塔提馏段温控系统设计

精馏是复杂的化工过程,精馏控制系统的主要被控对象是精馏塔。精馏控制系统的设计,难在控制变量的选取,约束条件的取舍,以及操作变量的组合形式复杂。本文采用温度作为间接质量指标,设计一种按提馏段指标的控制系统,以实现对精馏过程的有效控制。     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元，具有银强的线性和时变性，故很难进行机理建模分析或常规在线实时控制，因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型，将软测量结果与现场数据比较，表明本模型具有比较准确的跟踪显示效果，并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中。     

二元精馏塔的简化动态模型

本文在时域范围内探讨二元精馏塔动态模型的降阶问题。首先对塔的线性化模型与它的二阶、三阶降阶模型通过数字仿真进行比较,结果表明,当各块塔板的液相储存总量与塔釜系统或冷凝器系统的液相储存量比值不是一个小值时,三阶模型对高阶线性化模型的动态拟合精确度要比二阶模型提高不少。实际的精馏塔往往属于以上情况,因此采用三阶模型比较合理。另外,三阶模型可以引入塔的灵敏板组成或温度作为第三个状态变量,这对于实现塔的按灵敏板控制的方案带来很大便利。许多精馏塔的非线性情况比较严重。本文接着提出一种以各个稳态基点的线性模型为基础,建立二元精馏塔的非线性模型的方法。最后通过动态仿其进行验证。     

己烷溶剂回收流程精馏塔系热集成

己烷溶剂回收流程共包含6个精馏塔,用以分离粗溶剂中的己烷和丁二烯并进行精制,整个流程蒸汽消耗量大.为此对其采用精馏塔系热集成,用某一个精馏塔温度较高的塔顶物流来加热另一个精馏塔温度较低的塔底物流,可以实现能量的节约.采用热集成矩阵法,通过直接热集成和调压热集成,对己烷溶剂回收流程提出了7个热集成方案.通过比较分析,确定了3个热集成方案,可节约21.19%的冷却公用工程和19.31%的加热公用工程.     

基于小波核函数极限学习机的模型预测控制模拟

针对醋酸精馏控制中,产品质量采用常规的温度间接控制存在精度低的问题,提出了一种基于小波核函数极限学习机的模型预测控制(KMPC)策略,在醋酸浓度软测量的基础上直接控制产品质量。鉴于小波核函数极限学习机(KELM)算法训练速度快并且稳定的特点,该控制系统采用KELM建立醋酸浓度控制器预测模型,以预测控制器的输出作为再沸器蒸汽流量控制器的设定值,构成串级调节系统,同时,以灵敏板温度、塔底温度、再沸器入口温度、压力等变量作为扰动变量,实现了对复杂精馏过程的前馈控制和非线性预测控制。运用ASPEN DYNAMICS流程模拟软件建立的醋酸精馏塔动态模型对KMPC策略进行仿真研究,结果表明,与传统DMC预测控制方案比较,塔底醋酸浓度控制精度有较大提高,控制结构简单,易于实施,能够实现产品质量的卡边控制。     

乙二醇与乙酸酯化反应的双反应段反应精馏塔的控制

针对乙二醇(EG)与乙酸(AA)的两步连续酯化反应,以年总成本(TAC)最小为目标,对单反应段反应精馏塔(RDC-SRS)和双反应段反应精馏塔(RDC-DRS)过程进行了优化。结果显示RDC-DRS有更好的节能特性,这是由于其有更多的自由度来增强反应操作和分离操作的内部物质耦合和能量耦合。采用浓度控制方法设计了RDCSRS和RDC-DRS的控制方案,并比较了其动态特性;在出现进料流量扰动和产品组分扰动时,RDC-DRS都要好于RDC-SRS,且流量扰动更大时,其优势更明显,表明在分离两步连续反应时,RDC-DRS是更好的方案。     

基于系统输出分布的智能控制

提出了文题所述的控制策略,依据输出分布曲线的特征变量选取方法和依据该项信息的规则控制系统。仿真研究得到了满意的结果。在一个实验性二元精馏塔上用IBM-PC进行试验亦获成功。本法对具有非线性特性的分布参数对象,较常规控制策略有明显的优越性。     

催化精馏合成异丙苯过程模拟

为有效控制催化精馏合成异丙苯过程 ,提出了改进的非平衡级模型。假设在每个非平衡级上汽液固三相间处于等温状态 ,从而使能量衡算方程大大简化。对变量的取值范围进行合理的约束 ,利用 Newton- Raphson法求解能够顺利收敛。与标准的非平衡级模型相比 ,该模型不但在总计算量上减少 2 0 % ,而且在总耗时方面减少 5 0 %。并且改进模型允许使用相对误差大于 15 %的初值。从催化精馏塔轴向的温度及液相组成分布等方面进行比较 ,模拟与试验吻合良好。该模型是一种控制催化精馏的实用方法。     

基于128×64点阵液晶显示的智能温度控制器的设计与实现

以智能温度控制器的设计实验为依托,文章给出了一套液晶显示模块驱动实验的设计方案,详细介绍了LM3033液晶显示模块的功能特性、接口电路及应用程序。实验中应用DS18B20温度传感器实现温度信号的采集,并把采集到的信号传送给单片机,单片机将信号进行处理完成相应的智能控制,同时将环境温度、系统状态等信息显示在LM3033液晶显示模块上。     

醋酸乙烯精馏四塔控制结构的设计与模拟

首先运用Aspen Plus软件对醋酸乙烯精馏四塔进行稳态优化,优化后的操作条件为进料板位置31块板、回流比7.22、塔顶馏出量1007 kg/h。根据实际生产经验及Shinskey精馏控制三项准则,提出了单板温度控制方案(CS1)与双板温度控制方案(CS2)。动态模拟研究结果表明CS1可以保证精馏塔的稳定操作,CS2在产品质量控制上更胜一筹,但两者均不能克服进料组分的扰动。因此本文提出了一种新的控制结构：组分-温度控制结构（CS3）,动态模拟结果显示,添加进料组分扰动后,塔顶产品浓度仍可满足质量要求。     

ChemCAD软件在模拟石油分离过程中的应用

原油蒸馏过程设备投资大、能耗高,影响产品质量因素较多,对控制要求较高。研究利用流程模拟软件(ChemCAD),应用Tower Plus模块,采用Grayson-Streed热力学模型,绘制了原油实沸点曲线。建立了石油分离过程模拟流程。考察了设备参数和操作条件。模拟了精馏塔内的温度分布及塔内汽液相流量分布。精馏塔内在机理比较复杂,可控参数较多,但在模拟的基础上进行系统的调节和控制,减少了实际操作的盲目性,降低了生产成本,缩短了生产周期。模拟结果对工业过程的设计和改造具有一定的指导意义。     

基于模糊学习方法的非线性系统智能容错控制

提出了一种基于自适应模糊逻辑学习方法的非线性系统智能容错控制方案.整个控制方案集自适应模糊控制器、监督控制器和调节控制器为一体,是一个功能强大的控制体系结构.仿真结果表明:提出的控制方案能有效地识别和调节非线性系统的未知错误,而且控制系统在不确定或错误的情况下具有稳定性和鲁棒性.     

双反应段精馏塔温度控制系统的综合与设计

双反应段精馏塔（RDC-DRS）具有十分复杂的稳态与动态特性,给温度控制系统的综合与设计带来极大困难。为解决这一问题,提出了一种基于稳态偏差最小原理的温度控制系统的综合与设计方法。该方法主要通过单变量搜索找到使稳态偏差达到最小值的被控塔板位置,进而设计出RDC-DRS温度控制系统。稳态偏差设计温度控制系统可以很好地体现产品浓度与温度之间的对应关系,从而设计出有效可行的温度控制方案。通过与常规灵敏度分析方法设计的温度控制系统的控制效果对比,证明了该方法可以实现对RDC-DRS产品质量的严格控制。     

水蒸气蒸馏实验的改进

该文对现有《有机化学实验》教材中水蒸气蒸馏实验方案存在的问题进行了评述,开发了以丁香为原料进行水蒸气蒸馏实验的新方案。新的实验方案不仅绿色、环保,实验现象明显,而且与工业实际结合紧密,产品有实用价值,能激发学生学习的兴趣。     

基于生物智能算法的智能控制研究与实践应用

 传统的自动控制方法因为其固定参数等弊端极大限制了控制效果,生物智能算法因为其环境自适应与自学习机制的特性,为突破传统控制方法的瓶颈提供了一种新的思路,并且随着强化学习等机器学习理论与方法的不断完善与发展,生物智能算法的性能也得到了极大的提高。总结了在智能控制中常用的7种生物智能算法,分析了经典的自动控制方法与生物智能算法,尤其是强化学习、深度学习等新型智能算法的结合的应用实例。结合近年来兴起的深度学习,强化学习及类脑智能科学对智能控制的发展现状,以及未来的发展趋势进行展望。强调一种智能辅助控制方法,将智能算法与传统控制方法相结合,为智能控制的研究提供新的思路与实用范例。