CN103412486A - 一种聚氯乙烯汽提过程智能控制方法 - Google Patents

一种聚氯乙烯汽提过程智能控制方法 Download PDF

Info

Publication number
CN103412486A
CN103412486A CN2013103100562A CN201310310056A CN103412486A CN 103412486 A CN103412486 A CN 103412486A CN 2013103100562 A CN2013103100562 A CN 2013103100562A CN 201310310056 A CN201310310056 A CN 201310310056A CN 103412486 A CN103412486 A CN 103412486A
Authority
CN
China
Prior art keywords
model
steam stripping
algorithm
stripping process
control method
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.)
Pending
Application number
CN2013103100562A
Other languages
English (en)
Inventor
高淑芝
陈淑艳
薛之化
高宪文
李学斌
李慎华
于利民
崔权
张毅浩
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.)
HULUDAO JINHUA CHEMICAL ENGINEERING DESIGN Co Ltd
Shenyang University of Chemical Technology
Original Assignee
HULUDAO JINHUA CHEMICAL ENGINEERING DESIGN Co Ltd
Shenyang University of Chemical Technology
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 HULUDAO JINHUA CHEMICAL ENGINEERING DESIGN Co Ltd, Shenyang University of Chemical Technology filed Critical HULUDAO JINHUA CHEMICAL ENGINEERING DESIGN Co Ltd
Priority to CN2013103100562A priority Critical patent/CN103412486A/zh
Publication of CN103412486A publication Critical patent/CN103412486A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Feedback Control In General (AREA)

Abstract

一种聚氯乙烯汽提过程智能控制方法，涉及一种化工工艺方法，该方法针对汽提塔温度控制系统的非线性和参数时变的特性，采用聚类模糊的方法对现场数据进行分类，分类后的数据作为动态支持向量机对汽提塔温度建模的输入，并对模型进行现场修正；结合非线性模型的实时线性化和广义预测控制隐式算法，提出了基于动态支持向量回归预测模型的广义预测控制算法。同时将该算法应用到聚氯乙烯汽提生产过程当中，实验结果表明广义预测控制算法对汽提塔温度控制具有好的稳定性及精确度。

Description

一种聚氯乙烯汽提过程智能控制方法
技术领域
本发明涉及一种化工工艺（控制）方法，特别是涉及一种聚氯乙烯汽提过程智能控制方法，即涉及聚氯乙烯汽提过程的动态支持向量回归预测模型的广义预测控制方法。
背景技术
聚氯乙烯（PVC）树脂是由氯乙烯单体聚合而成的大宗基础化工原料。由于氯乙烯单体有毒，因此PVC树脂产品中残留氯乙烯含量必须控制在一定范围内，这就要求聚氯乙烯汽提塔温度控制精度较高。脱除聚氯乙烯中的氯乙烯单体一般采用汽提工艺，它具有高度非线性、时变及耦合等特点，是典型的复杂工业过程。采用常规的串级控制，难以达到高精度的控制效果。因此，对汽提过程采用先进智能控制技术，可以提高聚氯乙烯产品质量，降低生产成本和保护环境。
发明内容
本发明的目的在于提出一种聚氯乙烯汽提过程智能控制方法，该方法采用现场数据建立系统系统动态模型，并对模型进行在线修正，可提高聚氯乙烯汽提塔温度控制的稳定性和精确度。
本发明具体是通过以下技术方案实现的：
一种聚氯乙烯汽提过程智能控制方法，为一种聚氯乙烯汽提过程的动态支持向量回归预测模型的广义预测控制方法，该方法的实现包括以下几个步骤：
步骤一：采集数据，建立可在线修正的最优的动态SVM控制模型；
步骤二：根据汽提塔的实际输入输出数据求辩识矩阵和开环预测向量，然后求出控制增量；
步骤三：求系统的最优预测值；
步骤四：设置算法的初始值，根据实际输出和输入之间的误差选择方法对模型进行优化，得到最优的控制模型。
即：本发明广义预测控制算法采用聚类模糊的方法进行数据分类，分类后的结果数据作为动态支持向量机的输入建立模型，模型线性化后作为预测模型，实时在线修正。本发明采用隐式算法求解最优控制律。实验结果表明广义预测控制算法对汽提塔温度控制具有好的稳定性及精确度。
本发明的优点与效果是：
1.本发明采用现场数据建立系统系统动态模型，并对模型进行在线修正。
2.本发明提高聚氯乙烯汽提塔温度控制的稳定性和精确度。
具体实施方式
1. 采用聚类模糊的方法对数据进行分类，作为动态SVM模型的输入并对SVM模型进行在线修正，为了减少反复修正模型的计算量，校正策略如下：当实际输出值与预测输出之间的误差                                               大于允许误差(取SVM不敏感损失函数
Figure 2013103100562100002DEST_PATH_IMAGE004
)时，进行模型的重新建立；当实际输出值与预测输出之间的误差小于允许误差时，为了减少模型重建的计算量，采用一般的误差模型来进行反馈校正。
参考轨线选用一阶滤波方程产生：
Figure 2013103100562100002DEST_PATH_IMAGE006
，    
Figure 2013103100562100002DEST_PATH_IMAGE008
性能指标函数选取：
Figure DEST_PATH_IMAGE010
对
Figure DEST_PATH_IMAGE012
求导，令
Figure DEST_PATH_IMAGE014
则最优控制规律为：
Figure DEST_PATH_IMAGE016
将上式展开，即可求出从
Figure DEST_PATH_IMAGE018
时刻到
Figure DEST_PATH_IMAGE020
时刻开环控制的控制增量序列，
Figure DEST_PATH_IMAGE024
，…,
Figure DEST_PATH_IMAGE026
,即：
Figure DEST_PATH_IMAGE028
在实际执行时，每次只将第一个分量加入系统，而以后时刻的控制增量每步重新计算，即实现闭环控制测量，则只需要计算的第一行
Figure DEST_PATH_IMAGE032
即可。
此时，实际控制作用为：
Figure 2013103100562100002DEST_PATH_IMAGE034
根据汽提塔的实际输入输出数据直接辩识矩阵
Figure 2013103100562100002DEST_PATH_IMAGE036
和开环预测向量
Figure DEST_PATH_IMAGE038
，然后求出控制增量。   
根据预测理论，可得出最优预测值为： 
Figure DEST_PATH_IMAGE042
2. 广义预测控制算法步骤：
Step 1：置算法初始值：时域长度nn=7，预测长度n=6，控制长度m=2，控制量加权系数t0=1.8，柔化系数
Figure DEST_PATH_IMAGE044
=0.85和遗忘因子K1=1；
Step2：设置方阵P为对角阵；置输入输出序列的初始值
Figure DEST_PATH_IMAGE046
Figure DEST_PATH_IMAGE048
，产生给定值信号
Figure DEST_PATH_IMAGE050
；
Step 3：计算
Figure 602287DEST_PATH_IMAGE018
时刻的输出值
Figure DEST_PATH_IMAGE052
，并保存
Figure 444341DEST_PATH_IMAGE018
时刻以前的
Figure DEST_PATH_IMAGE054
个输出值以供模型计算；当误差
Figure DEST_PATH_IMAGE056
时，重新建模；当误差
Figure DEST_PATH_IMAGE058
时，误差修正模型。
Step 4：根据递推最小二乘公式，由
Figure DEST_PATH_IMAGE060
计算
Figure 527966DEST_PATH_IMAGE036
中的元素
Figure DEST_PATH_IMAGE062
，得到矩阵
Figure 466972DEST_PATH_IMAGE036
；
Step 5：根据上一时刻的
Figure DEST_PATH_IMAGE064
向量求出预测向量；由
Figure 179637DEST_PATH_IMAGE018
时刻的输出值
Figure 378537DEST_PATH_IMAGE060
和给定值
Figure 109732DEST_PATH_IMAGE050
，求出
Figure 103096DEST_PATH_IMAGE018
时刻以后的参考轨迹；
Step 6：计算
Figure 919742DEST_PATH_IMAGE018
时刻及以后的
Figure DEST_PATH_IMAGE066
个控制增量并保存；绘制给定值、输出值。
根据聚氯乙烯汽提工艺实际过程，汽提塔的塔顶温度最佳温度为100℃。用动态支持向量机得到的模型，经线性化后表达式为：
Figure DEST_PATH_IMAGE068
Figure DEST_PATH_IMAGE070
实际效果表明：系统能够平稳的跟踪给定信号输出的变化，也验证了基于动态支持向量回归模型线性化后，应用在隐式广义预测控制中，在聚氯乙烯汽提过程塔顶温度的控制是有效的，有良好的控制性能。

Claims (1)

1.一种聚氯乙烯汽提过程智能控制方法，为一种聚氯乙烯汽提过程的动态支持向量回归预测模型的广义预测控制方法，其特征在于该方法的实现包括以下几个步骤：
步骤一：采集数据，建立可在线修正的最优的动态SVM控制模型；
步骤二：根据汽提塔的实际输入输出数据求辩识矩阵和开环预测向量，然后求出控制增量；
步骤三：求系统的最优预测值；
步骤四：设置算法的初始值，根据实际输出和输入之间的误差选择方法对模型进行优化，得到最优的控制模型。
CN2013103100562A 2013-07-23 2013-07-23 一种聚氯乙烯汽提过程智能控制方法 Pending CN103412486A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013103100562A CN103412486A (zh) 2013-07-23 2013-07-23 一种聚氯乙烯汽提过程智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013103100562A CN103412486A (zh) 2013-07-23 2013-07-23 一种聚氯乙烯汽提过程智能控制方法

Publications (1)

Publication Number Publication Date
CN103412486A true CN103412486A (zh) 2013-11-27

Family

ID=49605511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013103100562A Pending CN103412486A (zh) 2013-07-23 2013-07-23 一种聚氯乙烯汽提过程智能控制方法

Country Status (1)

Country Link
CN (1) CN103412486A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760770A (zh) * 2014-01-09 2014-04-30 广州市香港科大霍英东研究院 基于正反输入系统的分配型广义预测控制方法
CN104766138A (zh) * 2015-03-27 2015-07-08 大唐淮南洛河发电厂 基于工业互联网的火电厂设备性能评估与预警方法及系统
CN104766139A (zh) * 2015-03-27 2015-07-08 大唐淮南洛河发电厂 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统
CN108333923A (zh) * 2017-01-18 2018-07-27 通用汽车环球科技运作有限责任公司 用于发动机组件的线性参数变化模型预测控制
CN110376895A (zh) * 2019-07-30 2019-10-25 华能国际电力股份有限公司营口电厂 一种基于分层受限预测控制的火电机组协调控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62250003A (ja) * 1986-04-11 1987-10-30 ザ　ビ−．エフ．グツドリツチ　カンパニ− 重合体の製法および残留単量体の除去方法
CN1112938A (zh) * 1994-02-07 1995-12-06 智索公司 除去残留单体的方法和塔
WO2004087722A1 (en) * 2003-04-04 2004-10-14 Akzo Nobel N.V. Phosphite reactions in the presence of metal soaps for liquid stabilisers
CN2669951Y (zh) * 2003-12-22 2005-01-12 天津渤海化工有限责任公司天津化工厂 塔体式蒸汽提馏装置
CN101590363A (zh) * 2008-06-01 2009-12-02 新疆天业（集团）有限公司 一种聚氯乙烯树脂生产中聚合汽提塔尾气碱洗的方法
US20110278174A1 (en) * 2010-03-30 2011-11-17 Bayer Materialscience Ag Process for preparing diaryl carbonates and polycarbonates

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62250003A (ja) * 1986-04-11 1987-10-30 ザ　ビ−．エフ．グツドリツチ　カンパニ− 重合体の製法および残留単量体の除去方法
CN1112938A (zh) * 1994-02-07 1995-12-06 智索公司 除去残留单体的方法和塔
WO2004087722A1 (en) * 2003-04-04 2004-10-14 Akzo Nobel N.V. Phosphite reactions in the presence of metal soaps for liquid stabilisers
CN2669951Y (zh) * 2003-12-22 2005-01-12 天津渤海化工有限责任公司天津化工厂 塔体式蒸汽提馏装置
CN101590363A (zh) * 2008-06-01 2009-12-02 新疆天业（集团）有限公司 一种聚氯乙烯树脂生产中聚合汽提塔尾气碱洗的方法
US20110278174A1 (en) * 2010-03-30 2011-11-17 Bayer Materialscience Ag Process for preparing diaryl carbonates and polycarbonates

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高淑芝等: "基于SVM的PVC汽提过程预测控制方法", 《信息与控制》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760770A (zh) * 2014-01-09 2014-04-30 广州市香港科大霍英东研究院 基于正反输入系统的分配型广义预测控制方法
CN103760770B (zh) * 2014-01-09 2016-08-17 广州市香港科大霍英东研究院 基于正反输入系统的分配型广义预测控制方法
CN104766138A (zh) * 2015-03-27 2015-07-08 大唐淮南洛河发电厂 基于工业互联网的火电厂设备性能评估与预警方法及系统
CN104766139A (zh) * 2015-03-27 2015-07-08 大唐淮南洛河发电厂 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统
CN108333923A (zh) * 2017-01-18 2018-07-27 通用汽车环球科技运作有限责任公司 用于发动机组件的线性参数变化模型预测控制
CN108333923B (zh) * 2017-01-18 2021-09-21 通用汽车环球科技运作有限责任公司 用于发动机组件的线性参数变化模型预测控制
CN110376895A (zh) * 2019-07-30 2019-10-25 华能国际电力股份有限公司营口电厂 一种基于分层受限预测控制的火电机组协调控制方法

Similar Documents

Publication Publication Date Title
CN103412486A (zh) 一种聚氯乙烯汽提过程智能控制方法
Weng et al. Data-driven robust output tracking control for gas collector pressure system of coke ovens
CN108107723B (zh) 非线性间歇过程的2d最优模糊控制器设计方法
CN103713521A (zh) 一种针对注塑过程区间时滞的2d控制器设计方法
CN103901773B (zh) 一种针对输入时滞的2d混杂控制器设计方法
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
CN105353619A (zh) 一种批次注塑过程的滚动时域跟踪控制方法
CN106649986A (zh) 一种基于procast仿真平台对铜管水平连铸参数最优化匹配方法
CN109407512A (zh) 依赖时滞的间歇过程2d输入输出约束控制方法
CN104330972A (zh) 一种基于模型自适应的综合预测迭代学习控制方法
CN105353618B (zh) 一种批次注塑过程的约束跟踪控制方法
CN102393645A (zh) 一种高速电液比例调速系统的控制方法
CN105320173A (zh) 一种基于混沌优化免疫模糊pid的汽提温度控制方法
CN110597055B (zh) 抗不确定性的2d分段仿射间歇过程最小-最大优化的预测控制方法
CN105159097A (zh) 炼油加热炉炉膛压力的多变量预测控制pid控制方法
CN106610588B (zh) 一种串级预测控制系统及方法
CN105549392A (zh) 一种伺服系统的非线性补偿控制方法
Ren et al. A new Smith predictor for control of process with long time delays
CN103064286A (zh) 一种工业过程的控制方法与设备
CN103105869A (zh) 三容单回路液位系统
CN108803314B (zh) 一种化工间歇过程的新型复合跟踪控制方法
CN107991875A (zh) 一种基于可靠性分析的化工间歇过程增强模型的控制方法
CN108803347B (zh) 一种反向过程鲁棒控制方法
CN203923314U (zh) 板坯超快速冷却模糊控制系统
Li et al. Supervisory predictive control of weighted least square support vector machine based on Cauchy distribution

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20131127