久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

摘要：智能優(yōu)化控制技術(shù)是以數(shù)學(xué)、計(jì)算機(jī)為基礎(chǔ)，用于求解各種工程問(wèn)題優(yōu)化解的應(yīng)用技術(shù)。簡(jiǎn)單介紹了模式識(shí)別、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等智能優(yōu)化技術(shù)及其在石油煉制過(guò)程中的應(yīng)用。
關(guān)鍵詞：智能優(yōu)化控制；模式識(shí)別；神經(jīng)網(wǎng)絡(luò)；專家系統(tǒng)；石油煉制

Abstract: Based on mathematics and computer technology, an intelligent optimization control technology is used to find the optimized solution of many engineering projects. In this paper, some intelligent optimization control technologies, such as pattern recognition, neural network and expert system, and their application on the process of oil making are discussed.
Key words: Intelligent optimization control; Pattern recognition; Neural network; Expert system; Petroleum refining

1  引言

    智能優(yōu)化控制應(yīng)用在工業(yè)生產(chǎn)過(guò)程的前景十分廣闊，因?yàn)楣I(yè)生產(chǎn)過(guò)程的生產(chǎn)操作基于對(duì)工藝的研究和其他同類企業(yè)的經(jīng)驗(yàn)，隨著時(shí)間的推移都有不同程度的改善和提高。但由于原料、設(shè)備、產(chǎn)品等生產(chǎn)條件的種種變化，使得實(shí)際的生產(chǎn)過(guò)程仍然需要不斷地選擇新的優(yōu)化操作條件，建立有效的生產(chǎn)過(guò)程模型。現(xiàn)代化企業(yè)的生產(chǎn)概念，不僅是要生產(chǎn)出優(yōu)質(zhì)的產(chǎn)品，還應(yīng)該是在生產(chǎn)過(guò)程中生產(chǎn)出大量的“數(shù)據(jù)”和“經(jīng)驗(yàn)”。對(duì)“數(shù)據(jù)”和“經(jīng)驗(yàn)”的不斷分析和總結(jié)，才能使工業(yè)生產(chǎn)過(guò)程的效益得到充分的提高。在以往相當(dāng)長(zhǎng)的一段時(shí)間里，此領(lǐng)域內(nèi)的方法通常建立在單因素分析的基礎(chǔ)上，以便能容易地建立起公式化的關(guān)系，并便于直觀顯示和理解。然而許多工業(yè)生產(chǎn)過(guò)程卻又都是多因素的復(fù)雜體系，生產(chǎn)過(guò)程的建模和優(yōu)化應(yīng)該而且必須“智能”地考慮其間的“多元”信息，以及它們之間的相互關(guān)系。
    計(jì)算機(jī)技術(shù)的發(fā)展，對(duì)工業(yè)生產(chǎn)過(guò)程的安全、平穩(wěn)、長(zhǎng)周期、滿負(fù)荷生產(chǎn)有很大的促進(jìn)作用，具有傳統(tǒng)常規(guī)儀表無(wú)法替代的優(yōu)點(diǎn)，并使工業(yè)生產(chǎn)過(guò)程的智能優(yōu)化控制成為可能。從目前情況來(lái)看，工業(yè)生產(chǎn)過(guò)程中多采用人為給定值的計(jì)算機(jī)控制，有時(shí)通過(guò)先進(jìn)控制技術(shù)來(lái)達(dá)到和完善控制結(jié)果。也就是說(shuō)，“手”或“腳”變得更靈活了，但“腦”的功能有待進(jìn)一步開發(fā)。在生產(chǎn)工藝已很成熟而不指望能有大的提高的前提下，如何在計(jì)算機(jī)上搞好深層次開發(fā)，挖掘出工業(yè)生產(chǎn)過(guò)程中的效益就是一個(gè)重要而又迫切的課題，而智能優(yōu)化技術(shù)則是解決這一課題“物美價(jià)廉”的手段。

2  基本原理

    目前，智能優(yōu)化控制技術(shù)具體的方式方法很多，本文介紹筆者常用的模式識(shí)別技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)和專家系統(tǒng)技術(shù)等，以及它們的綜合應(yīng)用情況。

2.1  模式識(shí)別技術(shù)

    工業(yè)生產(chǎn)過(guò)程模式識(shí)別優(yōu)化控制的理論基礎(chǔ)是將復(fù)雜的多元體系表象為各種狀態(tài)的模式，并且研究和確定這些模式在多維測(cè)量空間的分布規(guī)律。以生產(chǎn)工藝參數(shù)為特征變量構(gòu)筑模式空間，設(shè)生產(chǎn)工藝由M個(gè)工藝參數(shù)表示，M個(gè)工藝參數(shù)（特征變量）組成M維模式空間，一種工況即一個(gè)模式點(diǎn)，對(duì)應(yīng)于M維空間中的一個(gè)點(diǎn)X，稱之為樣本點(diǎn)，N個(gè)樣本點(diǎn)組成一M維數(shù)據(jù)集X＝(X₁，X₂，……，X_n)^T，以優(yōu)化目標(biāo)作為劃分樣本類別屬性的依據(jù)，將目標(biāo)分為若干類，通過(guò)對(duì)數(shù)據(jù)集X的模式識(shí)別處理，找出優(yōu)類樣本子集在M維模式空間中的分布區(qū)域，建立優(yōu)化控制模型改進(jìn)生產(chǎn)操作，并根據(jù)反饋信息不斷進(jìn)行調(diào)整，從而達(dá)到改善一個(gè)企業(yè)的技術(shù)經(jīng)濟(jì)指標(biāo)、提高產(chǎn)品收率、降低能耗、改進(jìn)質(zhì)量和降低成本等目的。
    在科學(xué)技術(shù)許多領(lǐng)域的發(fā)展過(guò)程中，經(jīng)常運(yùn)用進(jìn)行判別和分類的方法。但當(dāng)所需決策的問(wèn)題涉及的因素眾多或數(shù)據(jù)量很大，且牽涉到多種因素的交互作用時(shí)，現(xiàn)有理論一時(shí)難以提供精確的定量關(guān)系，決策的依據(jù)只能是關(guān)于目標(biāo)與某些變量之間模糊的因果推測(cè)，以及從不同角度觀察所得的大量實(shí)測(cè)信息。按模式識(shí)別“物以類聚”的前提，據(jù)有相同特性的被觀察體應(yīng)具有相似的模式，即具有數(shù)據(jù)結(jié)構(gòu)上的類同性。這種類同性使它們?cè)谕荒Ｊ娇臻g中聚集，且不同的類應(yīng)占據(jù)不同的空間區(qū)域。因此，可以借助定義某些相似性的度量標(biāo)準(zhǔn)和判別規(guī)則來(lái)確定群體的特征，辨認(rèn)各個(gè)模式的類別，選擇描述群體特性的基本單元或本征參量，作出最佳的分類決策。
    因此，人們所研究的特定問(wèn)題，如工業(yè)生產(chǎn)過(guò)程的產(chǎn)品收率問(wèn)題，可轉(zhuǎn)化為建立某個(gè)模式空間，在此空間中劃分出高收率產(chǎn)品所占據(jù)的空間范圍，從而得到相應(yīng)的優(yōu)化控制模型。若在已建立的模式空間中無(wú)法分割出對(duì)應(yīng)的優(yōu)級(jí)區(qū)，則可通過(guò)一定的空間變換或參量組合得到，否則便能判定該組參量尚未反映產(chǎn)品收率的基本特征。

2.2  神經(jīng)網(wǎng)絡(luò)技術(shù)

    電腦的飛速發(fā)展，使其的計(jì)算功能已遠(yuǎn)遠(yuǎn)超過(guò)人腦。但在處理視覺、聽覺、聯(lián)想和類比等那些還找不到明確的計(jì)算方法的問(wèn)題，電腦仍然不能全面達(dá)到人的功能，這似乎表明人腦思維機(jī)制和目前的電腦運(yùn)作機(jī)理不完全是一回事。而實(shí)際上人腦對(duì)信息的處理具有并行直觀和串行邏輯兩個(gè)方面，這導(dǎo)致了人們?cè)O(shè)法了解人腦功能，企圖用人造的神經(jīng)網(wǎng)絡(luò)系統(tǒng)模仿人腦進(jìn)行并行分布處理信息和學(xué)習(xí)。因此神經(jīng)網(wǎng)絡(luò)技術(shù)是用計(jì)算機(jī)軟件或硬件模擬人腦神經(jīng)網(wǎng)絡(luò)功能的產(chǎn)物。
    神經(jīng)元是神經(jīng)網(wǎng)絡(luò)系統(tǒng)的基本單元，它接受N個(gè)信息的輸入，輸入信號(hào)的強(qiáng)度為X=(X₁，X₂，…，X_n)。經(jīng)過(guò)加權(quán)w=(w₁，w₂，…，w_n)和閾值θ及函數(shù)f的作用后，產(chǎn)生神經(jīng)興奮和沖動(dòng)的輸出。將神經(jīng)元作為有向圖的節(jié)點(diǎn)，就可連成神經(jīng)網(wǎng)絡(luò)。從連接形式上神經(jīng)網(wǎng)絡(luò)可區(qū)分為數(shù)十種各具特點(diǎn)的模型，它們各自有某些特定的用途。
    神經(jīng)網(wǎng)絡(luò)中，各神經(jīng)元之間的權(quán)重矩陣w是反映信息的關(guān)鍵量。在網(wǎng)絡(luò)結(jié)構(gòu)確定后，就要對(duì)已有知識(shí)進(jìn)行學(xué)習(xí)，修改權(quán)重矩陣w，使網(wǎng)絡(luò)對(duì)確定性輸入擁有正確響應(yīng)的能力，符合實(shí)際應(yīng)用的要求。神經(jīng)網(wǎng)絡(luò)理論上可以擬合任何非線性函數(shù)而不需要關(guān)于函數(shù)形式的先驗(yàn)假設(shè)，并從復(fù)雜的信息集中總結(jié)出數(shù)學(xué)模型，進(jìn)而預(yù)報(bào)未知。
    對(duì)于工業(yè)生產(chǎn)過(guò)程控制而言，把生產(chǎn)過(guò)程中的信息量（如不同控制點(diǎn)的溫度、壓力、流量等），加載到已經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)后，網(wǎng)絡(luò)將能及時(shí)預(yù)報(bào)異常情況的出現(xiàn)，通過(guò)調(diào)整控制點(diǎn)的方法制止異常情況的發(fā)展。

2.3  專家系統(tǒng)技術(shù)

    統(tǒng)計(jì)、模擬等數(shù)學(xué)方法一般能定量地給出計(jì)算結(jié)果，但在閉環(huán)控制系統(tǒng)中往往需要專家經(jīng)驗(yàn)在實(shí)施控制時(shí)作出定性的決策。專家系統(tǒng)把專家的智慧和專家對(duì)問(wèn)題做決定時(shí)的推斷能力歸納為一系列相互關(guān)系的一般規(guī)則，并將匯集多方面的大量的信息資源，用多種復(fù)雜方式分析生產(chǎn)過(guò)程的現(xiàn)場(chǎng)狀況，實(shí)時(shí)為系統(tǒng)進(jìn)行決策過(guò)濾。其自學(xué)習(xí)能力將保障專家系統(tǒng)動(dòng)態(tài)地跟蹤生產(chǎn)系統(tǒng)，調(diào)整自身經(jīng)驗(yàn)。
    例如在工業(yè)生產(chǎn)過(guò)程中，一般原料屬于不可控制的因素，因此較為理想的辦法是利用在線分析儀表，隨時(shí)監(jiān)測(cè)、分析原料的性質(zhì)和它的變化狀況。這種辦法得到的結(jié)果比較及時(shí)和可靠，能為生產(chǎn)控制提供準(zhǔn)確的原料狀況數(shù)據(jù)，但它的硬件價(jià)格昂貴，維護(hù)較為困難，而且本身就是一個(gè)大的課題。其次的辦法是利用專家系統(tǒng)優(yōu)化技術(shù)對(duì)原料性質(zhì)進(jìn)行估算，這里的工作主要是指根據(jù)生產(chǎn)結(jié)果的反饋，通過(guò)優(yōu)化計(jì)算和結(jié)合專家系統(tǒng)的經(jīng)驗(yàn)，來(lái)推斷應(yīng)采用何種生產(chǎn)操作條件以適應(yīng)當(dāng)前原料的性質(zhì)。這種純軟件的辦法需要大量準(zhǔn)確的歷史生產(chǎn)操作數(shù)據(jù)為基礎(chǔ)，以及相當(dāng)豐富可靠的生產(chǎn)工藝經(jīng)驗(yàn)為保證。

3  應(yīng)用實(shí)踐

    在工業(yè)生產(chǎn)過(guò)程中，石油化工企業(yè)應(yīng)用智能優(yōu)化控制有著特殊的意義。因?yàn)槭突て髽I(yè)一般加工量大，生產(chǎn)效率只要略有提高，就能帶來(lái)極大的經(jīng)濟(jì)效益。而且石油化工企業(yè)的控制系統(tǒng)一般也比較完善，適合進(jìn)行智能優(yōu)化控制。

3.1 離線或在線開環(huán)的智能優(yōu)化

    工業(yè)生產(chǎn)過(guò)程如果尚未具備先進(jìn)的控制系統(tǒng)如DCS，則可考慮離線或在線開環(huán)的優(yōu)化。即利用手工記錄的歷史操作數(shù)據(jù)或簡(jiǎn)單的數(shù)據(jù)采集系統(tǒng)收集的在線實(shí)時(shí)數(shù)據(jù)，經(jīng)過(guò)智能優(yōu)化計(jì)算給出生產(chǎn)操作模型，以定期打印或屏幕顯示的方法，指導(dǎo)生產(chǎn)操作人員調(diào)整控制參數(shù)。
    常減壓蒸餾是石油煉制生產(chǎn)的重要裝置，產(chǎn)品收率歷來(lái)得到企業(yè)的關(guān)注。對(duì)于常壓生產(chǎn)汽油、航煤、柴油的子系統(tǒng)和減壓生產(chǎn)潤(rùn)滑油料的子系統(tǒng)分別進(jìn)行優(yōu)化處理，選擇了包括塔頂溫度等在內(nèi)的15個(gè)對(duì)生產(chǎn)過(guò)程起主要作用的控制變量，構(gòu)筑判別模式空間。通過(guò)面向顯示的映射，得到判別分類圖，如圖1和圖2所示。

圖1  常壓子系統(tǒng)判別分類圖    圖2 減壓子系統(tǒng)判別分類圖

    從圖中可見，優(yōu)類（3類）、中間類（2類）與差類（1類）的子空間具有明顯的切割面，常壓子系統(tǒng)主要判別矢量為：f1=[0.43 0.28 -0.33 0.17 0.22 0.09 -0.20 0.16]^-1，減壓子系統(tǒng)主要判別矢量為：f1=[-0.07 0.15 0.23 0.37 0.11 -0.31 0.18]^-1。
    將生產(chǎn)過(guò)程控制參數(shù)指定在優(yōu)類子空間的范圍，綜合分析生產(chǎn)結(jié)果的反饋信息微調(diào)控制參數(shù)，循環(huán)往復(fù)跟蹤尋優(yōu)，使產(chǎn)品的總收率提高了0.63，增加經(jīng)濟(jì)效益數(shù)百萬(wàn)元。

表1  常減壓蒸餾優(yōu)化前后對(duì)比表