CN102156496B - 一种反应釜温度混合控制方法 - Google Patents

一种反应釜温度混合控制方法 Download PDF

Info

Publication number
CN102156496B
CN102156496B CN 201110086036 CN201110086036A CN102156496B CN 102156496 B CN102156496 B CN 102156496B CN 201110086036 CN201110086036 CN 201110086036 CN 201110086036 A CN201110086036 A CN 201110086036A CN 102156496 B CN102156496 B CN 102156496B
Authority
CN
China
Prior art keywords
parameter
model
temperature
derivative controller
reaction kettle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN 201110086036
Other languages
English (en)
Other versions
CN102156496A (zh
Inventor
张日东
薛安克
王建中
葛铭
孔亚广
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN 201110086036 priority Critical patent/CN102156496B/zh
Publication of CN102156496A publication Critical patent/CN102156496A/zh
Application granted granted Critical
Publication of CN102156496B publication Critical patent/CN102156496B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及一种反应釜温度混合控制方法。现有方法控制效果不好，不适应节能减排及环保的需求。本发明方法首先采用典型的响应曲线法设计反应釜温度过程的比例积分微分控制器，然后利用反应釜温度实时过程数据建立非最小化模型预测函数控制器所需的过程模型，再设计非最小化模型预测函数比例积分微分控制器，根据目标函数得到当前的控制参数值。本发明提出的控制方法可以有效减少反应釜温度工艺参数与实际反应釜温度工艺参数之间的误差，进一步弥补了传统控制器的不足，同时保证控制装置操作在最佳状态，使生产过程的反应釜温度工艺参数达到严格控制。

Description

一种反应釜温度混合控制方法
技术领域
本发明属于自动化技术领域，涉及一种反应釜温度的非最小化模型预测函数（NMSSPFC）与比例积分微分（PID）混合控制方法。
背景技术
反应釜是化工、制药、发酵等生产的核心设备，其运行的平稳直接关系到生产的质量指标和效益，其中反应釜温度是重要的控制参数之一，其控制效果的好坏与产品质量和产量有直接重要的关系。在整个设备中，反应釜的温度控制是要求较严格的, 也是比较复杂的，用普通常规控制通常难以实现有效的控制。在反应釜中，通过对釜内的夹套通以加热水，使釜温升高，同时当加热到预定反应温度后就停止加热，反应过程中在夹套中通以冷却水，将反应产生的多余热量移走，控制温度保持恒定。由于反应过程既是放热的化学反应，又是物理变化过程，加上搅拌是否均匀, 活化剂的活性如何, 以及物料的成分、含水量等因素对反应效果均有影响, 反应过程是一个具有十分复杂非线性特性的综合过程。这些不利因素导致传统的控制手段精度不高，又进一步导致后续生产控制参数不稳定，产品合格率低，反应釜效率低下。目前实际工业中反应釜温度控制基本上采用传统的或简单的控制手段，控制参数依赖技术人员经验，使生产成本增加，控制效果不太理想。我国反应釜温度控制与优化技术比较落后，能耗居高不下，控制性能差，自动化程度低，很难适应节能减排以及间接环境保护的需求，这其中直接的影响因素之一便是反应釜温度系统的控制方案问题。
发明内容
本发明的目的是针对现有的反应釜温度控制技术的不足之处，提供一种反应釜温度混合控制方法。
本发明方法采用基于非最小化模型预测函数控制与比例积分微分控制的混合控制方法。该方法弥补了传统控制方式的不足，保证控制具有较高的精度和稳定性的同时，也保证形式简单并满足实际工业过程的需要。
本发明方法首先基于该过程建立比例积分微分控制回路；然后基于反应釜温度实时过程数据建立过程模型，挖掘出基本的过程特性；最后通过计算非最小化模型预测函数控制器的参数，将比例积分微分控制与反应釜温度对象整体实施非最小化模型预测函数控制。
本发明的技术方案是通过数据采集、过程辨识、预测机理、数据驱动、优化等手段，确立了一种反应釜温度系统的非最小化模型预测函数控制与比例积分微分控制的混合控制方法，利用该方法可有效提高控制的精度。
本发明方法的步骤包括：
(1)采用响应曲线法设计反应釜温度过程的比例积分微分控制器，具体方法是：
a.将反应釜温度过程的比例积分微分控制器停留在手动操作状态，操作拨盘使其输出有阶跃变化，由记录仪表记录反应釜温度的输出值                                                
Figure 2011100860362100002DEST_PATH_IMAGE001
，将其转换成无量纲形式
Figure 473436DEST_PATH_IMAGE002
，具体是：
Figure 2011100860362100002DEST_PATH_IMAGE003
其中，
Figure 847785DEST_PATH_IMAGE004
是反应釜温度输出值
Figure 912954DEST_PATH_IMAGE001
的稳态值。
b.选取满足
Figure DEST_PATH_IMAGE005
的两个计算点
Figure 471980DEST_PATH_IMAGE006
和，依据下式计算比例积分微分控制器所需要的参数
Figure 729655DEST_PATH_IMAGE008
、
Figure DEST_PATH_IMAGE009
：
Figure 970012DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为反应釜温度过程的比例积分微分控制器输出的阶跃变化幅度。
Figure 934426DEST_PATH_IMAGE012
分别是计算比例积分微分控制器所需要的增益、时间常数和滞后参数。
c.计算反应釜温度过程的比例积分微分控制器的参数，具体是：
其中
Figure 539720DEST_PATH_IMAGE014
为比例积分微分控制器的比例参数，
Figure DEST_PATH_IMAGE015
为比例积分微分控制器的积分参数，
Figure 24971DEST_PATH_IMAGE016
分别为比例积分微分控制器的微分参数。
(2)利用反应釜温度实时过程数据建立非最小化模型预测函数控制器所需的过程模型，具体方法是：
首先建立反应釜温度实时运行数据库，将过程的比例积分微分控制器停留在自动操作状态，操作拨盘使其输入有阶跃变化，通过数据采集装置采集
Figure DEST_PATH_IMAGE017
组实时过程运行数据，将采集的实时过程运行数据作为数据驱动的样本集合，表示为，
Figure DEST_PATH_IMAGE019
，
Figure 700989DEST_PATH_IMAGE020
表示第
Figure 414867DEST_PATH_IMAGE022
组工艺参数的输入数据，表示第
Figure 522500DEST_PATH_IMAGE022
组工艺参数的输出值。
然后以该反应釜温度实时过程运行数据集合为基础建立基于最小二乘法的离散差分方程形式的局部受控自回归滑动平均模型：
Figure DEST_PATH_IMAGE025
其中，
Figure 653453DEST_PATH_IMAGE026
表示当前时刻过程模型的工艺参数的输出值，
Figure DEST_PATH_IMAGE027
表示过程模型的工艺参数的过去时刻的输入和输出数据的集合，
Figure 866129DEST_PATH_IMAGE028
表示当前过程模型工艺参数对应的控制变量，
Figure DEST_PATH_IMAGE029
为当前的递推步数，
Figure 195479DEST_PATH_IMAGE030
表示通过辨识得到的模型参数的集合，
Figure DEST_PATH_IMAGE031
表示矩阵的转置，
Figure 456696DEST_PATH_IMAGE032
分别为对应实际过程的输出变量阶次、输入变量阶次、实际过程的时滞。
采用的辨识手段为：
Figure DEST_PATH_IMAGE033
Figure 984629DEST_PATH_IMAGE034
Figure DEST_PATH_IMAGE035
其中，
Figure 305889DEST_PATH_IMAGE036
和
Figure DEST_PATH_IMAGE037
为辨识中的两个矩阵，为遗忘因子，为单位矩阵。
(3)设计非最小化模型预测函数比例积分微分控制器，具体方法是：
a.将（2）建立的过程模型转化为差分模型形式：
Figure 978322DEST_PATH_IMAGE040
其中，
Figure DEST_PATH_IMAGE041
是差分算子，
Figure 564024DEST_PATH_IMAGE042
为通过转换模型得到的相关系数，
Figure DEST_PATH_IMAGE043
为对应实际过程的输入和输出变量的统一阶次。
b.选取
Figure 56185DEST_PATH_IMAGE044
进一步将步骤a的模型转化为状态空间输入输出模型：
Figure DEST_PATH_IMAGE045
其中具体的转化参数矩阵为
Figure DEST_PATH_IMAGE047
Figure 759885DEST_PATH_IMAGE048
c.依据步骤b建立用于非最小化模型预测函数比例积分微分控制器设计的非最小化参数模型：
Figure DEST_PATH_IMAGE049
 
Figure 527990DEST_PATH_IMAGE026
=
Figure 925473DEST_PATH_IMAGE050
其中，
Figure DEST_PATH_IMAGE051
，
Figure 716711DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE053
，
Figure 920160DEST_PATH_IMAGE054
，
Figure DEST_PATH_IMAGE055
为相应的参数矩阵。
d.依据步骤c计算出的模型参数整定非最小化模型预测函数比例积分微分控制器的参数，具体方法是：
①建立多步最优预测输出
Figure 480454DEST_PATH_IMAGE056
Figure DEST_PATH_IMAGE057
                                   
其中，
Figure 48838DEST_PATH_IMAGE058
参数 
Figure DEST_PATH_IMAGE059
 ，
Figure 333232DEST_PATH_IMAGE060
为实际反应釜温度的测量值。
    ②建立非最小化模型预测函数比例积分微分控制器的参考轨迹
Figure DEST_PATH_IMAGE061
和目标函数
Figure 278055DEST_PATH_IMAGE062
。
Figure DEST_PATH_IMAGE063
其中，
Figure 755172DEST_PATH_IMAGE064
为各个时刻的输出参考轨迹。
③依据步骤②的目标函数得到当前的控制参数值
Figure DEST_PATH_IMAGE065
Figure 760038DEST_PATH_IMAGE066
本发明提出的一种基于数据驱动的模型选取和非最小化模型预测函数比例积分微分控制器混合控制方法弥补了传统控制的不足，并有效地方便了控制器的设计，保证控制性能的提升，同时满足给定的生产性能指标。
本发明提出的控制技术可以有效减少反应釜温度工艺参数与实际反应釜温度工艺参数之间的误差，进一步弥补了传统控制器的不足，同时保证控制装置操作在最佳状态，使生产过程的反应釜温度工艺参数达到严格控制。
具体实施方式
以连续搅拌反应釜系统过程控制为例：
这里以该反应釜温度的控制作为例子加以描述。反应釜温度不仅受到来自物料温度和流量的影响，同时也受冷却剂的压力和温度的影响。调节手段采用冷却剂流量，其余的影响作为不确定因素。
（1）设计反应釜温度过程的比例积分微分控制器，具体方法是典型的响应曲线法。
第一步：将反应釜温度比例积分微分控制器停留在“手动操作”状态，操作冷却剂流量的拨盘使冷却剂流量控制器输出有个阶跃变化，由记录仪表记录反应釜温度过程的输出值，将反应釜温度过程输出值的响应曲线转换成无量纲形式
Figure 680906DEST_PATH_IMAGE002
：
Figure 153476DEST_PATH_IMAGE003
其中，
Figure 63663DEST_PATH_IMAGE004
是反应釜温度过程输出
Figure 988894DEST_PATH_IMAGE001
的稳态值。
第二步：选取2个计算点，
Figure 213202DEST_PATH_IMAGE005
，依据以下计算公式计算反应釜温度比例积分微分控制器所需要的参数
Figure 602595DEST_PATH_IMAGE009
：
Figure 886945DEST_PATH_IMAGE010
其中，
Figure 299472DEST_PATH_IMAGE011
为反应釜温度比例积分微分控制器输出的阶跃变化幅度。
第三步：依据第二步计算出的
Figure 124209DEST_PATH_IMAGE012
整定反应釜温度比例积分微分控制器的参数：
Figure 368108DEST_PATH_IMAGE013
其中
Figure 823360DEST_PATH_IMAGE014
，
Figure 723183DEST_PATH_IMAGE015
，
Figure 351611DEST_PATH_IMAGE016
分别为比例积分微分控制器的比例参数，积分参数，微分参数。
（2）利用反应釜温度实时过程数据建立非最小化模型预测函数控制器所需的过程模型，具体方法是：
通过数据采集装置采集实时过程反应釜温度运行数据，将采集的实时过程反应釜温度运行数据作为数据驱动的样本集合采用最小二乘法推理，建立基于最小二乘法的离散差分方程形式的反应釜温度过程模型。
其中，系统调用推理机采用最小二乘法进行反应釜温度过程模型参数的辨识，这些参数包括元素
Figure 387700DEST_PATH_IMAGE030
中变量的个数和具体数值。
Figure 76170DEST_PATH_IMAGE033
Figure 463289DEST_PATH_IMAGE034
Figure 567511DEST_PATH_IMAGE035
其中是反应釜温度测量值，
Figure DEST_PATH_IMAGE067
是反应釜温度过程模型的输出值。
Figure 645375DEST_PATH_IMAGE036
和
Figure 254211DEST_PATH_IMAGE037
为辨识中的两个矩阵，
Figure 427703DEST_PATH_IMAGE038
为遗忘因子，为单位矩阵。这个过程是第一步推理过程。这个第一步推理是初步挖掘实际反应釜温度回路的基本特性。
（3）设计反应釜温度过程的非最小化模型预测函数比例积分微分控制器，具体方法是：
第一步：将（2）建立的过程模型转化为差分模型形式：
Figure 468657DEST_PATH_IMAGE040
其中，
Figure 627106DEST_PATH_IMAGE041
是差分算子，
Figure 73131DEST_PATH_IMAGE042
为通过转换模型得到的相关系数，
Figure 203898DEST_PATH_IMAGE043
为对应实际过程的输入和输出变量的统一阶次。
第二步：
选取
Figure 422650DEST_PATH_IMAGE044
进一步将步骤a的模型转化为状态空间输入输出模型：
Figure 6078DEST_PATH_IMAGE045
其中具体的转化参数矩阵为
Figure 318111DEST_PATH_IMAGE046
Figure 303384DEST_PATH_IMAGE047
Figure 613143DEST_PATH_IMAGE048
第三步：依据步骤b建立用于非最小化模型预测函数比例积分微分控制器设计的非最小化参数模型：
Figure 746184DEST_PATH_IMAGE049
 
Figure 799591DEST_PATH_IMAGE026
=
Figure 701688DEST_PATH_IMAGE050
其中，
，
Figure 394203DEST_PATH_IMAGE053
，
Figure 88490DEST_PATH_IMAGE054
，为相应的参数矩阵。
第四步：依据第三步计算出的模型设计非最小化模型预测函数比例积分微分控制器：
①建立反应釜温度过程多步最优预测输出
Figure 847684DEST_PATH_IMAGE056
Figure 242893DEST_PATH_IMAGE057
                                   
其中，
参数 
Figure 942045DEST_PATH_IMAGE059
 ，
为实际反应釜温度的测量值。                                  
    ②建立反应釜温度过程非最小化模型预测函数比例积分微分控制器的参考轨迹
Figure 204716DEST_PATH_IMAGE061
和目标函数
Figure 873595DEST_PATH_IMAGE062
。
Figure 194855DEST_PATH_IMAGE063
其中，
Figure 683605DEST_PATH_IMAGE064
为各个时刻的输出参考轨迹。
③依据步骤②的目标函数得到当前的反应釜温度过程控制器参数值
Figure 686196DEST_PATH_IMAGE065
。

Claims (1)

1.一种反应釜温度混合控制方法，其特征在于该方法的具体步骤是：
步骤(1).采用响应曲线法设计反应釜温度过程的比例积分微分控制器，具体方法是：
Ⅰ.将反应釜温度过程的比例积分微分控制器停留在手动操作状态，操作拨盘使其输出有阶跃变化，由记录仪表记录反应釜温度的输出值                                               
Figure 2011100860362100001DEST_PATH_IMAGE002
，将其转换成无量纲形式
Figure 2011100860362100001DEST_PATH_IMAGE004
，具体是：
Figure 2011100860362100001DEST_PATH_IMAGE006
其中，
Figure 2011100860362100001DEST_PATH_IMAGE008
是反应釜温度输出值
Figure 9421DEST_PATH_IMAGE002
的稳态值；
Ⅱ.选取满足
Figure DEST_PATH_IMAGE010
的两个计算点
Figure DEST_PATH_IMAGE012
和
Figure DEST_PATH_IMAGE014
，依据下式计算比例积分微分控制器所需要的参数
Figure DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE018
：
Figure DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE022
为反应釜温度过程的比例积分微分控制器输出的阶跃变化幅度，
Figure DEST_PATH_IMAGE024
分别是计算比例积分微分控制器所需要的增益、时间常数和滞后参数；
Ⅲ.计算反应釜温度过程的比例积分微分控制器的参数，具体是：
Figure DEST_PATH_IMAGE026
其中
Figure DEST_PATH_IMAGE028
为比例积分微分控制器的比例参数，
Figure DEST_PATH_IMAGE030
为比例积分微分控制器的积分参数，
Figure DEST_PATH_IMAGE032
分别为比例积分微分控制器的微分参数；
步骤(2).利用反应釜温度实时过程数据建立非最小化模型预测函数控制器所需的过程模型，具体方法是：
首先建立反应釜温度实时运行数据库，将过程的比例积分微分控制器停留在自动操作状态，操作拨盘使其输入有阶跃变化，通过数据采集装置采集
Figure DEST_PATH_IMAGE034
组实时过程运行数据，将采集的实时过程运行数据作为数据驱动的样本集合，表示为
Figure DEST_PATH_IMAGE036
，
Figure DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE040
表示第
Figure DEST_PATH_IMAGE042
组工艺参数的输入数据，
Figure DEST_PATH_IMAGE044
表示第
Figure 942391DEST_PATH_IMAGE042
组工艺参数的输出值；
然后以该反应釜温度实时过程运行数据集合为基础建立基于最小二乘法的离散差分方程形式的局部受控自回归滑动平均模型：
Figure DEST_PATH_IMAGE048
其中，
Figure DEST_PATH_IMAGE050
表示当前时刻过程模型的工艺参数的输出值，
Figure DEST_PATH_IMAGE052
表示过程模型的工艺参数的过去时刻的输入和输出数据的集合，
Figure DEST_PATH_IMAGE054
表示当前过程模型工艺参数对应的控制变量，
Figure DEST_PATH_IMAGE056
为当前的递推步数，
Figure DEST_PATH_IMAGE058
表示通过辨识得到的模型参数的集合，
Figure DEST_PATH_IMAGE060
表示矩阵的转置，
Figure DEST_PATH_IMAGE062
分别为对应实际过程的输出变量阶次、输入变量阶次、实际过程的时滞；
采用的辨识手段为：
Figure DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE068
其中，
Figure DEST_PATH_IMAGE070
和为辨识中的两个矩阵，为遗忘因子，
Figure DEST_PATH_IMAGE076
为单位矩阵；
步骤(3).设计非最小化模型预测函数比例积分微分控制器，具体方法是：
a.将步骤(2)建立的过程模型转化为差分模型形式：
Figure DEST_PATH_IMAGE078
其中，是差分算子，
Figure DEST_PATH_IMAGE082
为通过转换模型得到的相关系数，
Figure DEST_PATH_IMAGE084
为对应实际过程的输入和输出变量的统一阶次；
b.选取
Figure DEST_PATH_IMAGE086
进一步将步骤a的模型转化为状态空间输入输出模型：
Figure DEST_PATH_IMAGE088
其中具体的转化参数矩阵为
Figure DEST_PATH_IMAGE090
Figure DEST_PATH_IMAGE092
Figure DEST_PATH_IMAGE094
c.依据步骤b建立用于非最小化模型预测函数比例积分微分控制器设计的非最小化参数模型：
Figure DEST_PATH_IMAGE096
 
Figure 723573DEST_PATH_IMAGE050
=
其中，
Figure DEST_PATH_IMAGE100
，
Figure DEST_PATH_IMAGE102
Figure DEST_PATH_IMAGE104
，
Figure DEST_PATH_IMAGE106
，
Figure DEST_PATH_IMAGE108
为相应的参数矩阵；
d.依据步骤c计算出的模型参数整定非最小化模型预测函数比例积分微分控制器的参数，具体方法是：
①建立多步最优预测输出
Figure DEST_PATH_IMAGE110
Figure DEST_PATH_IMAGE112
                                   
其中，
Figure DEST_PATH_IMAGE114
参数  ，
Figure DEST_PATH_IMAGE118
为实际反应釜温度的测量值；
    ②建立非最小化模型预测函数比例积分微分控制器的参考轨迹
Figure DEST_PATH_IMAGE120
和目标函数
Figure DEST_PATH_IMAGE122
；
Figure DEST_PATH_IMAGE124
其中，
Figure DEST_PATH_IMAGE126
为各个时刻的输出参考轨迹；
③依据②的目标函数得到当前的控制参数值
Figure DEST_PATH_IMAGE128
。
CN 201110086036 2011-04-07 2011-04-07 一种反应釜温度混合控制方法 Expired - Fee Related CN102156496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110086036 CN102156496B (zh) 2011-04-07 2011-04-07 一种反应釜温度混合控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110086036 CN102156496B (zh) 2011-04-07 2011-04-07 一种反应釜温度混合控制方法

Publications (2)

Publication Number Publication Date
CN102156496A CN102156496A (zh) 2011-08-17
CN102156496B true CN102156496B (zh) 2013-06-26

Family

ID=44438028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110086036 Expired - Fee Related CN102156496B (zh) 2011-04-07 2011-04-07 一种反应釜温度混合控制方法

Country Status (1)

Country Link
CN (1) CN102156496B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102419552A (zh) * 2011-12-16 2012-04-18 重庆大学 精对苯二甲酸生产过程无静差预测控制器
CN103309371B (zh) * 2013-06-08 2015-07-22 浙江大学 一种基于控制变量参数化方法的间歇反应釜控制系统
CN103309234B (zh) * 2013-06-08 2015-12-09 浙江大学 一种基于正交配置优化的间歇反应釜控制系统
CN103345150B (zh) * 2013-07-19 2016-01-20 杭州电子科技大学 预测函数控制优化的废塑料炼油裂解炉炉膛温度控制方法
CN104977851B (zh) * 2015-07-09 2017-10-27 上海电力学院 一种含微分线性系统的pid参数整定方法
CN105844360A (zh) * 2016-03-29 2016-08-10 中国农业大学 农产品冷链储存运输精细控制建模及优化方法
CN106773646B (zh) * 2016-12-06 2019-07-23 东华大学 一种催化裂化过程中原油预热温度控制方法
CN108490771A (zh) * 2018-03-06 2018-09-04 郑州雨瑞智能科技有限公司 一种智能优化控制稳定控制模块的控制方法
CN109581870B (zh) * 2018-11-27 2022-01-25 中国工程物理研究院化工材料研究所 含能材料反应釜的釜内温度动态矩阵控制方法
CN115007084B (zh) * 2022-08-04 2022-10-25 安徽建筑大学 反应釜反应过程温度检测方法与装置、控制方法、反应釜
CN115591493A (zh) * 2022-09-22 2023-01-13 海龙智能技术研究（珠海）有限公司（Cn） 一种反应釜温度控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1316484A (zh) * 2001-04-11 2001-10-10 中国石化集团扬子石油化工有限责任公司 乙烯装置中裂解炉的智能控制方法
CN101256400A (zh) * 2008-04-09 2008-09-03 清华大学 一种延迟焦化炉的控制方法
CN102053562A (zh) * 2011-01-05 2011-05-11 杭州电子科技大学 一种裂解炉出口温度混合控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7273960B2 (en) * 2002-10-25 2007-09-25 Exxonmobil Chemical Patents Inc Fluid bed oxygenates to olefins reactor apparatus and process of controlling same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1316484A (zh) * 2001-04-11 2001-10-10 中国石化集团扬子石油化工有限责任公司 乙烯装置中裂解炉的智能控制方法
CN101256400A (zh) * 2008-04-09 2008-09-03 清华大学 一种延迟焦化炉的控制方法
CN102053562A (zh) * 2011-01-05 2011-05-11 杭州电子科技大学 一种裂解炉出口温度混合控制方法

Also Published As

Publication number Publication date
CN102156496A (zh) 2011-08-17

Similar Documents

Publication Publication Date Title
CN102156496B (zh) 一种反应釜温度混合控制方法
CN102053562B (zh) 一种裂解炉出口温度混合控制方法
CN100545772C (zh) 一种燃煤锅炉系统混合控制方法
CN103399486A (zh) 塑料烘干器温度优化节能控制方法
CN101709863B (zh) 燃煤锅炉炉膛压力系统混合控制方法
CN101709869A (zh) 燃煤锅炉过热蒸汽温度系统混合控制方法
CN102360181B (zh) 基于ga-sqp混合优化策略的低温热实时优化系统
CN104281057A (zh) 一种应用于变压器冷却系统的复合pid模糊控制方法
CN101709867B (zh) 燃煤锅炉汽包水位系统混合控制方法
CN110376895B (zh) 一种基于分层受限预测控制的火电机组协调控制方法
CN102520617B (zh) 一种炼油工业过程的部分解耦非最小化模型预测控制方法
CN106482507B (zh) 一种水泥分解炉燃烧自动控制方法
CN102520616A (zh) 炼油工业过程的部分解耦非最小化模型预测函数控制方法
CN102520618A (zh) 误差容忍限机制下的焦化加热炉辐射出口温度控制方法
CN117270483B (zh) 化工生产装置全流程动态优化控制方法、装置、电子设备
CN104267600B (zh) 钢包精炼炉电极调节控制系统及其控制方法
CN101598927A (zh) 一种基于神经网络的纯碱碳化工艺控制系统及其控制方法
CN105400951A (zh) 一种用于硅钢退火的加湿混合控制系统及其控制方法
CN102880047B (zh) 炼油工业加热炉温度过程的伴随矩阵解耦预测控制方法
CN110794672A (zh) 一种水泥生产过程分解炉炉温显式控制方法
CN106950824A (zh) 基于模糊神经网络的秸秆发酵燃料乙醇过程补料预测控制系统及方法
CN104699039A (zh) 一种石灰双膛窑煅烧专家控制方法
CN108710300B (zh) 烧结风量控制方法
CN102419551B (zh) 一种误差容忍限机制下的焦化加热炉炉膛压力控制方法
CN206331261U (zh) 压延机风阀自动控制系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130626