CN117205590A - 一种石油树脂生产过程分离方法及系统 - Google Patents
一种石油树脂生产过程分离方法及系统 Download PDFInfo
- Publication number
- CN117205590A CN117205590A CN202311481540.1A CN202311481540A CN117205590A CN 117205590 A CN117205590 A CN 117205590A CN 202311481540 A CN202311481540 A CN 202311481540A CN 117205590 A CN117205590 A CN 117205590A
- Authority
- CN
- China
- Prior art keywords
- pixel
- neighborhood
- raw material
- pixels
- coefficient
- 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.)
- Granted
Links
- 229920005989 resin Polymers 0.000 title claims abstract description 84
- 239000011347 resin Substances 0.000 title claims abstract description 84
- 239000003208 petroleum Substances 0.000 title claims abstract description 73
- 238000000926 separation method Methods 0.000 title claims abstract description 71
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 165
- 239000002994 raw material Substances 0.000 claims abstract description 164
- 239000013598 vector Substances 0.000 claims abstract description 108
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 238000000746 purification Methods 0.000 claims abstract description 35
- 230000000694 effects Effects 0.000 claims abstract description 34
- 238000012937 correction Methods 0.000 claims abstract description 25
- 238000004821 distillation Methods 0.000 claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 42
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 3
- 238000009833 condensation Methods 0.000 claims description 3
- 230000005494 condensation Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 description 92
- 238000012719 thermal polymerization Methods 0.000 description 35
- ZSWFCLXCOIISFI-UHFFFAOYSA-N cyclopentadiene Chemical compound C1C=CC=C1 ZSWFCLXCOIISFI-UHFFFAOYSA-N 0.000 description 26
- HECLRDQVFMWTQS-RGOKHQFPSA-N 1755-01-7 Chemical compound C1[C@H]2[C@@H]3CC=C[C@@H]3[C@@H]1C=C2 HECLRDQVFMWTQS-RGOKHQFPSA-N 0.000 description 17
- 238000001228 spectrum Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000009835 boiling Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 238000006116 polymerization reaction Methods 0.000 description 5
- 239000004615 ingredient Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- PMJHHCWVYXUKFD-SNAWJCMRSA-N (E)-1,3-pentadiene Chemical group C\C=C\C=C PMJHHCWVYXUKFD-SNAWJCMRSA-N 0.000 description 3
- PMJHHCWVYXUKFD-UHFFFAOYSA-N piperylene Natural products CC=CC=C PMJHHCWVYXUKFD-UHFFFAOYSA-N 0.000 description 3
- 230000035484 reaction time Effects 0.000 description 3
- 238000010992 reflux Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000084 colloidal system Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011259 mixed solution Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000003507 refrigerant Substances 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000110 cooling liquid Substances 0.000 description 1
- 238000004945 emulsification Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/62—Plastics recycling; Rubber recycling
Landscapes
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明涉及石油树脂生产分离技术领域，具体涉及一种石油树脂生产过程分离方法及系统，包括：获取石油树脂生产原料在各采样时刻的高光谱数据；根据高光谱数据各像元及邻域像元的像元向量得到各像元的校正像元向量；根据所有任意两个像元的校正像元向量及信息熵构建像元均衡化互相关矩阵；根据各相邻采样时刻的像元均衡化互相关矩阵、高光谱数据得到原料成分含量系数序列；根据各采样时刻时间窗口的原料成分含量系数序列及标准石油树脂的高光谱数据得到各采样时刻的原料提纯效果指数，采用神经网络实现对蒸馏冷凝器控制阀的控制，完成石油树脂生产过程的分离操作。本发明避免因温度差异造成的原料凝胶，能够获取高质量高纯度的石油树脂原料。
Description
技术领域
本申请涉及石油树脂生产分离技术领域，具体涉及一种石油树脂生产过程分离方法及系统。
背景技术
石油树脂是一类合成树脂，通常由石油加工过程中的残渣或馏分提炼合成而来，具有广泛的用途。本发明针对石油树脂中用途最广泛的C5石油树脂进行分析处理，C5石油树脂主要由石油炼制过程中的C5馏分中提取合成而来，被广泛用于橡胶工业、沥青改进和胶粘剂等方面。石油的C5馏分中包含合成C5石油树脂的主要原料间戊二烯，同时还含有其他的成分如环戊二烯、双环戊二烯以及C4、C6馏分含量。
其中，环戊二烯和双环戊二烯对C5石油树脂的粘黏性、热稳定性和色相参数影响较大。由于双环戊二烯在石油树脂的聚合过程中易形成凝胶，从而粘连催化剂及助色离子团，使树脂反应不充分出现乳化的现象。环戊二烯则影响石油树脂的色相，如果环戊二烯含量较高聚合生成的石油树脂色相较深，影响产品质量，因此重点需要降低环戊二烯和双环戊二烯的含量，提纯间戊二烯的含量，从而得到高品质的C5石油树脂。
在特定的温度和压强下，环戊二烯能够转换为双环戊二烯，再利用双环戊二烯沸点较高的特点采用蒸馏方式实现将两种杂质从C5原料中分离。通常热聚反应釜中采用120~125℃、0.65~0.70Mpa的高温高压环境下实现环戊二烯热聚为双环戊二烯，并且利用双环戊二烯沸点较高的特点实现原料提纯。
但是，环戊二烯转化为双环戊二烯是一个可逆反应，但是在热聚反应釜中随着原料冷却液回流造成温度不均，因此在反应釜中可能出现不充分不均匀的热聚反应，导致蒸馏分离时蒸馏气包含一定含量的杂质成分。此外，由于原料是混合状态，因此采集到原料的高光谱数据会出现光谱混叠的现象，为原料的成分检测造成困难。
综上所述，本发明提出一种石油树脂生产过程分离方法及系统，主要针对反应釜中光谱混叠的光谱数据进行分析，根据反应釜中原料热聚反应的情况获得原料分离效果情况，从而实现对蒸馏冷凝器冷凝液阀门的控制，使其能够根据原料成分含量的情况，调整合适的阀门开合角度，使装置达到较好的分离提纯效果。
发明内容
为了解决上述技术问题，本发明提供一种石油树脂生产过程分离方法及系统，所采用的技术方案具体如下：
第一方面，本发明实施例提供了一种石油树脂生产过程分离方法，该方法包括以下步骤：
获取石油树脂生产原料在各采样时刻的高光谱数据；
对于高光谱数据各像元，根据像元及邻域内各邻域像元的像元向量之间的差异得到像元邻域内各邻域像元的邻域偏移向量；将像元所有邻域像元的邻域偏移向量的模长组成像元的邻域偏移序列，采用异常检测算法得到像元的邻域偏移序列中的异常值，将像元的邻域偏移序列中的异常值剔除后得到像元的更新邻域偏移序列；根据像元的像元向量及像元的更新邻域偏移序列中邻域像元的邻域偏移向量得到像元的校正像元向量；
对于高光谱数据中任意两个像元，根据任意两个像元的校正像元向量之间的关系以及信息熵得到任意两个像元的均衡化互相关系数，将所有的任意两个像元的均衡化互相关系数组成像元均衡化互相关矩阵；
对于各采样时刻，根据采样时刻及上一采样时刻的像元均衡化互相关矩阵、高光谱数据中各像元的校正像元向量的分布特征得到采样时刻任意两个像元的相邻分离偏移系数；将采样时刻所有任意两个像元的相邻分离偏移系数组成相邻分离偏移系数矩阵；根据各采样时刻的相邻分离偏移系数矩阵及高光谱数据中各像元的校正像元向量得到原料成分含量系数序列；获取标准石油树脂的高光谱数据；根据各采样时刻时间窗口的原料成分含量系数序列、高光谱数据及标准石油树脂的高光谱数据之间的数据关系得到各采样时刻的原料提纯效果指数；
基于各采样时刻的原料提纯效果指数通过神经网络实现对蒸馏冷凝器控制阀的控制，完成石油树脂生产过程的分离操作。
优选的，所述根据像元及邻域内各邻域像元的像元向量之间的差异得到像元邻域内各邻域像元的邻域偏移向量，包括：
对于像元邻域内各邻域像元，将邻域像元与像元的像元向量差值作为邻域像元的邻域偏移向量。
优选的，所述根据像元的像元向量及像元的更新邻域偏移序列中邻域像元的邻域偏移向量得到像元的校正像元向量，包括：
计算像元的更新邻域偏移序列的均值；计算像元的更新邻域偏移序列中所有邻域像元的邻域偏移向量的向量之和作为合成向量；将所述均值与合成向量的模长的乘积更新合成向量的模长；
将像元的像元向量与合成向量的向量之和作为像元的校正像元向量。
优选的，所述根据任意两个像元的校正像元向量之间的关系以及信息熵得到任意两个像元的均衡化互相关系数，包括：
计算任意两个像元的校正像元向量的夹角余弦值；
计算任意两个像元的信息熵的差值绝对值，将所述差值绝对值作为以自然常数为底数的指数函数的指数；
将所述夹角余弦值与所述指数函数的比值作为任意两个像元的相似度量系数；获取任意两个像元的欧式距离；将所述相似度量系数与所述欧式距离的比值作为任意两个像元的均衡化互相关系数。
优选的，所述根据采样时刻及上一采样时刻的像元均衡化互相关矩阵、高光谱数据中各像元的校正像元向量的分布特征得到采样时刻任意两个像元的相邻分离偏移系数，包括：
计算任意两个像元分别在采样时刻及上一采样时刻对应位置的校正像元向量的余弦值；将任意两个像元的所述余弦值之间的差值绝对值作为采样时刻任意两个像元的偏移系数；
计算任意两个像元在采样时刻及上一采样时刻的均衡化互相关系数的差值，将所述差值与所述偏移系数的乘积作为采样时刻任意两个像元的相邻分离偏移系数。
优选的，所述根据各采样时刻的相邻分离偏移系数矩阵及高光谱数据中各像元的校正像元向量得到原料成分含量系数序列，包括：
对于各采样时刻，将高光谱数据中各像元的校正像元向量在所有波段的反射强度信息的对应位置求和得到第一矩阵；计算所述第一矩阵的F范数与波段数量的比值；
将所述比值与相邻分离偏移系数矩阵的F范数的比值作为原料成分含量系数；将所有采样时刻的原料成分含量系数组成原料成分含量系数序列。
优选的，所述根据各采样时刻时间窗口的原料成分含量系数序列、高光谱数据及标准石油树脂的高光谱数据之间的数据关系得到各采样时刻的原料提纯效果指数，包括：
对于各采样时刻，基于采样时刻时间窗口的原料成分含量系数序列分布得到采样时刻的波动离散性系数；
将标准石油树脂的高光谱数据各像元的校正像元向量在所有波段的反射强度信息对应位置求和后得到的矩阵的F范数与波段数量的比值作为树脂标准成分含量系数；
获取采样时刻时间窗口的原料成分含量系数序列的均值；计算所述均值与所述树脂标准成分含量系数的差值绝对值，将所述波动离散型系数与所述差值绝对值的比值作为采样时刻的原料提纯效果指数。
优选的，所述基于采样时刻时间窗口的原料成分含量系数序列分布得到采样时刻的波动离散性系数，包括：
获取采样时刻时间窗口的原料成分含量系数序列中的最小值与最小值的采样时刻值；
对于采样时刻时间窗口的原料成分含量系数序列各元素，计算元素的原料成分含量系数与所述最小值的差值，计算元素的采样时刻值与最小值的采样时刻值的差值绝对值，其中，元素不取最小值；
将采样时刻时间窗口的原料成分含量系数序列中所有元素的所述差值与所述差值绝对值的比值的均值作为采样时刻的波动离散性系数。
优选的，所述基于各采样时刻的原料提纯效果指数通过神经网络实现对蒸馏冷凝器控制阀的控制，包括：
将各采样时刻的原料提纯效果指数、各采样时刻的原料成分含量对应的冷凝温度作为LSTM神经网络的输入，采用均方差损失函数以及模型优化器Adam，输出各采样时刻的阀门开合角度，实现对蒸馏冷凝器控制阀的控制。
第二方面，本发明实施例还提供了一种石油树脂生产过程分离系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果：
本发明通过光谱分析仪获取热聚反应釜中的高光谱信息，在高光谱数据中采用划分邻域的方式对光谱信息进行校正，剔除了环境噪声对像元造成的影响；基于校正后的像元向量与任意像元之间的相关性情况构建均衡化互相关系数，从而得到各采样时刻的像元均衡互相关矩阵，用于表征反应釜中的反应充分、均匀的状态，有利于从整体的角度分析反应釜中的反应状态；将每个相邻的采样时刻下反应釜中的差异计算得到反应状态变化，进一步得到了各采样时刻下的相邻分离偏移系数矩阵，从更全面的角度准确表征反应釜反应的充分和均匀情况；
通过将各采样时刻的相邻分离偏移系数矩阵与校正后的高光谱数据结合起来，用于表征各采样时刻的原料成分含量系数，即用于表征此刻下反应釜反应中的原料成分含量系数，将所有采样时刻的原料成分含量系数构建原料成分含量系数矩阵，能够根据序列的波动变化情况表征反应釜反应过程中的各个反应阶段，即各采样时刻的状态信息，用于监测原料反应程度；
结合标准树脂的额高光谱数据，将反应釜中反应的时间窗口内的原料成分含量系数变化较小、且与树脂标准成分含量系数的差距较小时的作为此刻原料的提纯效果，即得到各采样时刻的原料提纯效果指数，能够精准反应各采样时刻下反应釜中的反应状态，将其输入到神经网络，有利于实时监测、控制石油树脂分离过程中蒸馏冷凝器控制阀，避免因温度差异过大造成的原料凝胶，从而达到高质量高纯度的石油树脂原料。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明提供的一种石油树脂生产过程分离方法的流程图；
图2为C5石油树脂生产原料分离提纯过程示意图；
图3为像元的十六邻域像元示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种石油树脂生产过程分离方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种石油树脂生产过程分离方法及系统的具体方案。
本发明一个实施例提供的一种石油树脂生产过程分离方法及系统。
具体的，提供了如下的一种石油树脂生产过程分离方法，请参阅图1，该方法包括以下步骤：
步骤S001，通过光谱分析仪获取原料聚合反应釜中石油树脂生产原料在各采样时刻的高光谱数据，并进行数据预处理。
本实施例通过图2的方式实现对C5石油树脂生产原料进行分离提纯。具体为在原料入口可以将C5石油树脂的生产原料添加到热聚反应釜中，利用在高温高压下环戊二烯能够聚合为双环戊二烯的方式，通过不断的搅拌反应；再通过单向止流阀将反应后的原料混合液输送到蒸馏塔中，利用双环戊二烯沸点较高的特点，将温度控制在双环戊二烯沸点之下，能够将其他原料以蒸汽的形式分离，将蒸馏气传输到冷凝器中，通过冷凝泵传输冷凝液，控制阀控制冷凝液的流速，在合适的温度下将蒸馏气冷凝为原料混合液重新回流到热聚反应釜中。
经过多轮纯化，通过在监测观察口放置高光谱分析仪，获得原料成分数据，当达到C5石油树脂的生产标准时从原料出口输送到下一生产工序中。
由于热聚反应釜内部具有高温高压的环境，因此会有部分温度外溢到监测观察口，因此本实施例采用耐高温的Agilent 7250 GC/Q-TOF MS光谱分析仪获取热聚反应釜内部原料成分的高光谱数据，设置采样间隔为5s。
由于高光谱数据含有较多的冗余信息，本实施例采用主成分分析PCA算法对数据进行降维，其中，PCA算法为公知技术，此处不再赘述。将降维后的高光谱数据记作，其中，表示第m个采样时刻，/>表示第m个采样时刻的高光谱数据。
且高光谱数据中包含有各波段的反射强度信息，将表示为生产原料在第/>个波段的反射强度信息，/>表示高光谱数据中波段的数量；同时，对于高光谱数据中的各像元，其相同位置的像元在不同波段下的反射强度构成该像元的像元序列，将/>表示为高光谱数据的第/>个像元序列，每个像元序列共有/>个反射强度值，/>表示高光谱信息中的像元数量，该像元数量与降维前的原始高光谱数据中的像元数量一致。
至此，可通过上述方法获取石油树脂生产原料在各采样时刻的高光谱数据，便于接下来对生产原料中的成分进行分析。
步骤S002，根据各采样时刻的高光谱数据进行分析，结合石油树脂在反应釜中的原料成分含量的数据特征，得到各采样时刻的原料提纯效果指数。
通过上述步骤能够获得热聚反应釜中石油树脂生产原料在各采样时刻的高光谱数据，在热聚反应釜高温高压的环境下各原料成分之间是相互交融的，在不断的搅拌下可以实现将环戊二烯聚合为双环戊二烯。因此，上述获取到的高光谱数据中包含C5石油树脂的主要成分间戊二烯以及环戊二烯和双环戊二烯等混合成分的各原料成分数据信息。
由于环戊二烯转换为双环戊二烯是一个可逆反应，在热聚反应釜内部的温度不均匀的情况下热聚反应效果并不一致，即原料成分在反应釜内不是均匀分布的，容易对检测结果造成干扰。此外，由于各原料是混合在一起的，因此容易出现光谱混叠，导致对检测结果出现误判。
在石油树脂生产原料的高光谱数据中，像元的坐标表示在反应釜中原料的位置信息，像元序列表示当前位置原料成分含量的光谱反射强度信息。由于热聚反应釜中内部的反应可能存在不充分不均匀的现象，因此不同位置处的原料成分含量并不一致。
针对单个采样时刻的高光谱数据，每个像元序列中不仅包含了当前位置成分的反射强度信息，同时还有受到高温状态下环境噪声的干扰信息，因此造成像元序列数据不够准确。为了降低环境噪声的干扰，通过像元位置的邻域信息实现对中心像元的数据校正。本实施例假设正常情况下像元的十六邻域内像元的原料成分含量基本保持一致，因此可以利用十六邻域的像元序列对像元进行分析处理。其中，像元的十六邻域像元如图3所示。
每个像元的位置表示为一个像元序列，该像元序列即为该位置的像元在各波段的反射强度信息。通过将每个像元序列向量化，每个像元都能得到一个像元向量，像元的像元向量用/>表示。为了评价各像元周围是否存在环境噪声的影响，因此，首先计算各像元相对于十六邻域内其他各像元的邻域偏移向量，以第i个像元的十六邻域中第k个邻域像元为例：
式中，表示第i个像元的第k个邻域像元的邻域偏移向量，/>表示第i个像元的第k个邻域像元的像元向量，/>表示第i个像元的像元向量，/>表示像元十六邻域内像元向量的数量，对于不能满足十六邻域的边界像元，按实际的像元向量数量进行计算。
在高光谱数据中，每个像元序列可能受到不同程度环境影响，因此在邻域的像元序列中，可能存在单个像元向量受环境噪声的干扰较大，因此需要将其排除。遍历该像元邻域内所有像元，得到邻域像元对应的邻域偏移向量，将该像元的邻域像元的邻域偏移向量组成该像元的邻域偏移序列。
在邻域偏移序列中，对应位置的值是邻域偏移向量的模长，即。当邻域偏移序列中的单个值偏离其他值的时候，表明该邻域像元向量受到噪声干扰较大。本实施例采用COF异常检测算法，从邻域偏移序列中剔除异常值，最终保留下来/>个邻域偏移向量，且得到更新邻域偏移序列。其中，COF异常检测算法为公知技术，本实施例不再赘述。
在剔除掉环境噪声对像元造成影响的邻域像元后，根据更新邻域偏移序列中剩余的邻域偏移向量实现对该像元的像元向量校正，由此得到该像元的校正像元向量：
式中，表示第i个像元的校正像元向量，/>表示第i个像元的像元向量，/>表示更新邻域偏移序列的均值，/>表示更新邻域偏移序列的邻域像元数量，/>表示第i个像元的更新邻域偏移序列中第k个邻域像元的邻域偏移向量，其中，/>为第i个像元的合成向量。
通过计算邻域像元的邻域偏移向量，再对邻域偏移向量进行向量合成得到合成向量，能够得到第i个像元的像元向量与邻域像元向量的偏差值，将第i个像元的像元向量与合成向量相加能够实现对第i个像元的像元向量进行校正，能够得到较为准确的像元数据，即得到第i个像元的校正像元向量。
通过上述方式实现对单个像元的像元向量进行校正，采用相同的方式对各采样时刻热聚反应釜中原料的高光谱数据进行校正，用表示校正后的高光谱数据。
至此，实现对原料中的高光谱数据通过邻域像元向量进行校正，得到校正后的高光谱数据，接下来对校正后的高光谱数据进行分析。
由于环戊二烯热聚为双环戊二烯的反应是可逆的，在热聚反应釜中高温高压随着输出蒸馏和蒸馏液回流，反应釜内部的温度并不是均匀的，在校正后的高光谱数据中，各个像元位置的成分含量并不一定相同，因此需要根据高光谱数据校正像元序列构建像元均衡化互相关矩阵，用于评价校正后的高光谱数据中各像元间的相关性情况，矩阵中各元素的计算过程如下：
式中，表示第i个像元与第j个像元的均衡化互相关系数，/>表示第i个像元与第j个像元的相似度量系数，/>表示第i个像元与第j个像元的欧式距离，/>表示高光谱信息中的像元数量，/>表示第i个像元与第j个像元的校正像元向量的夹角余弦值，/>为以自然常数e为底数的指数函数，/>、/>分别表示第i个像元、第j个像元的信息熵，其中，信息熵为公知技术，本实施例不再赘述。
如果在反应釜中反应充分均匀，则校正后高光谱数据中各个像元之间相似度较高，则两个像元向量之间的夹角余弦值较大，并且两者之间信息熵较为接近，使得两者之间的信息熵差值较小，得到的/>数值较大，两个像元位置越接近本身两者表示的成分含量就越接近，如果两个相距较远的像元序列也具有较高的相似度，则表明整体混合较为均匀，因此加入/>对得到的/>进行调控，最终得到两个像元的均衡化互相关系数/>。
对高光谱数据中的所有任意两个像元进行均衡化互相关系数计算，得到整体的像元均衡化互相关矩阵，矩阵维度大小与像元个数一致，为/>，该矩阵中各元素值能够反映当前采样时刻热聚反应釜内石油树脂原料反应的均匀程度，如果越不均匀表明热聚效果不佳需要进行调控。
由于针对每个采样时刻的高光谱数据，能够得到对应时刻的像元均衡化互相关矩阵/>，/>只能反映当前时刻下原料反应的均匀情况，当反应越均匀表示热聚情况越好，中各个元素的均衡化互相关系数的值越大。
为了使得热聚反应的充分进行，通常会存在热聚反应时间，该反应时间将远远大于采样间隔，因此当热聚反应充分时，反应釜中原料在相邻两个采样时刻各位置的原料成分含量基本一致，相邻两个采样时刻的高光谱数据较为接近。
针对上述情况，结合第m个采样时刻下校正后的高光谱数据与像元均衡化互相关矩阵中的各元素值，计算第m个相邻采样时刻的相邻分离偏移系数：
式中，表示第m个采样时刻第i个像元与第j个像元的相邻分离偏移系数，/>表示第m个采样时刻，/>和/>分别表示第i个像元与第j个像元在第m、m-1个采样时刻的均衡化互相关系数，/>表示第m个采样时刻第i个像元与第j个像元的偏移系数，/>、/>分别表示在第m、m-1个采样时刻第i个像元的校正像元向量，/>、/>分别表示在第m、m-1个采样时刻第j个像元的校正像元向量，/>表示两个向量的余弦值。
当反应釜中热聚反应越充分越均匀，两个采样时刻中两个像元的均衡化互相关系数差值将越小，并且在相邻两个采样时刻对应位置的校正像元向量差异越小，两个像元的差异变化越同步，因此得到的值越小，最终使得相邻分离偏移系数/>的值变小，说明该相邻采样时刻下反应釜中原料的整体变化较小，反应较充分。
遍历第m个采样时刻下高光谱数据中所有任意的两个像元，能够得到相邻分离偏移系数矩阵，矩阵的维度与像元个数一致为/>，该矩阵能够反映在热聚反应釜中原料整体的反应充分和均匀情况。
由此结合第m个采样时刻的相邻分离偏移系数矩阵和校正后的高光谱数据/>，能够得到第m个采样时刻的原料成分含量系数：
式中，表示第m个采样时刻的原料成分含量系数，/>表示第m个采样时刻，/>表示高光谱数据中波段的数量，/>表示第m个采样时刻校正后的高光谱数据中第/>个波段的反射强度信息，/>表示矩阵的F范数，/>表示第m个采样时刻的相邻分离偏移系数矩阵，其中，/>为第一矩阵。
对第m个采样时刻获取的校正后的高光谱数据各个波段的值求和，能够反映当前状态下原料的成分信息，结合第m个采样时刻得相邻分离偏移系数矩阵的范数，表明的值不仅反映原料的成分信息，还能够表示第m个采样时刻下反应釜热聚反应的状态信息。
将各采样时刻得原料成分含量系数组成原料成分含量系数序列。在初始阶段热聚反应不够充分，因此得到的原料成分含量系数序列中的元素值波动较大，不利于检测结果的分析。
此外为了评判石油树脂生产原料的分离情况是否达到生产标准，需要从石油树脂生产数据库中获取标准C5石油树脂原料的高光谱数据。
对于原料成分含量系数序列，为了使得对热聚反应釜中原料成分数据具有实时性，因此根据第m个采样时刻往前划分/>个采样点，将这/>个采样点作为第m个采样时刻的时间窗口，分析第m个采样时刻的时间窗口内原料成分含量与标准树脂成分的差距，最终得到第m个采样时刻的原料提纯效果指数：
式中，表示第m个采样时刻的原料提纯效果指数，/>表示第m个采样时刻，/>表示第m个采样时刻的时间窗口内原料成分含量系数序列的波动离散性系数，/>表示第m个采样时刻的时间窗口的原料成分含量系数序列，/>表示第m个采样时刻的时间窗口内原料成分含量系数序列的均值，/>表示树脂标准成分含量系数，/>表示时间窗口内采样点的个数，本实施例根据经验设置/>，/>表示第m个采样时刻的时间窗口内第i个元素的原料成分含量系数，/>表示第m个采样时刻的时间窗口内的原料成分含量系数序列中的最小值，/>表示第m个采样时刻的时间窗口内第i个元素的采样时刻值，表示第m个采样时刻的时间窗口内的原料成分含量系数序列中取得最小值时对应的采样时刻值，本实施例要求/>，/>表示高光谱数据中波段的数量，/>表示标准石油树脂的高光谱数据第/>个波段的反射强度信息，/>表示矩阵的F范数。
反映了在第m个采样时刻的时间窗口内原料成分含量系数序列的波动与树脂标准成分含量系数的差异，能够表示反应釜中的分离提纯效果。在理想情况下，随着热聚反应和蒸馏分离的进行，热聚反应釜中原料成分含量的高光谱数据会逐渐趋近标准原料成分高光谱数据，因此得到的原料成分含量系数序列是逐渐增大。当在时间窗口内原料成分含量系数序列/>均值越大，且与标准树脂成分含量差值越小，并且得到的序列波动离散系数越大，则表示热聚反应釜中原料提纯的速率越好，提纯效果越好，最终使得/>的值越大。
步骤S003，基于各采样时刻的原料提纯效果指数，通过神经网络实现对蒸馏冷凝器控制阀控制，完成石油树脂生产过程。
通过上述步骤得到各采样时刻的原料提纯效果指数，反映一个采样时刻的时间窗口内反应釜中原料整体的提纯分离情况。在利用双环戊二烯沸点较高的特点，能够将纯度较高的原料以蒸汽的形式蒸馏分离，再通过冷凝器冷凝为液态。但是如果冷凝温度较低原料可能会从气态转化为胶状，堵塞冷凝管道，因此需要根据原料不同的成分含量控制冷凝器控制阀。
本实施例通过LSTM神经网络实现对控制阀控制，将各采样时刻的原料提纯效果指数、数据库中各采样时刻的原料成分含量对应的冷凝温度/>作为神经网络的输入，采用均方差作为损失函数，Adam作为模型优化器，输出各采样时刻的原料成分含量对应的阀门开合角度/>，其中，阀门开合角度/>越大，则说明流经冷凝器的制冷剂就越多，对应冷凝器中的冷凝温度越低；相反，阀门开合角度/>越小时，则说明流经冷凝器的制冷剂越少，此时冷凝温度稍高。
通过蒸馏分离使得原料以气态形式从蒸馏塔中分离到达冷凝器中，不同的原料成分含量需要对应不同的冷凝温度，不合适的冷凝温度容易使得原料蒸馏气不能冷凝为液体或者过快冷凝为胶体，不能达到原料提纯的效果。当原料蒸馏气在冷凝器中以合适的冷凝温度冷凝为液体，进一步回流到热聚反应釜中，经过多轮循环从而实现对C5石油树脂生产原料的蒸馏分离提纯。
根据神经网络得到的各采样时刻的成分含量对应的阀门开合角度，实现对蒸馏冷凝器控制阀控制，从而实现将不同成分含量的原料蒸汽冷凝为蒸汽回流液回流到热聚反应釜中，经过多轮反应实现对C5石油树脂生产原料的蒸馏分离提纯。
PLC的模拟量输出模块，连接到调节阀的控制器。当输出不同程度的电流或者脉冲信号时，控制根据接收来的信号，来控制阀门的开合角度，以达到模拟控制的目的。
与传统方式相比，本实施例根据热聚反应中受干扰的高光谱数据进行分析获得较为精确的原料成分含量，通过神经网络拟合得到冷凝器控制阀参数，避免原料冷凝为胶状，堵塞回流管道，能够获得高质量高纯度的石油树脂原料。
至此，完成石油树脂生产过程的分离操作。
基于与上述方法相同的发明构思，本发明实施例还提供了一种石油树脂生产过程分离系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种石油树脂生产过程分离方法中任意一项所述方法的步骤。
综上所述，本发明实施例提出一种石油树脂生产过程分离方法及系统，主要针对反应釜中光谱混叠的光谱数据进行分析，根据反应釜中原料热聚反应的情况获得原料分离效果情况，从而实现对蒸馏冷凝器冷凝液阀门的控制，使其能够根据原料成分含量的情况，调整合适的阀门开合角度，使装置达到较好的分离提纯效果。
本发明实施例通过光谱分析仪获取热聚反应釜中的高光谱信息，在高光谱数据中采用划分邻域的方式对光谱信息进行校正，剔除了环境噪声对像元造成的影响；基于校正后的像元向量与任意像元之间的相关性情况构建均衡化互相关系数，从而得到各采样时刻的像元均衡互相关矩阵，用于表征反应釜中的反应充分、均匀的状态，有利于从整体的角度分析反应釜中的反应状态；将每个相邻的采样时刻下反应釜中的差异计算得到反应状态变化，进一步得到了各采样时刻下的相邻分离偏移系数矩阵，从更全面的角度准确表征反应釜反应的充分和均匀情况；
通过将各采样时刻的相邻分离偏移系数矩阵与校正后的高光谱数据结合起来，用于表征各采样时刻的原料成分含量系数，即用于表征此刻下反应釜反应中的原料成分含量系数，将所有采样时刻的原料成分含量系数构建原料成分含量系数矩阵，能够根据序列的波动变化情况表征反应釜反应过程中的各个反应阶段，即各采样时刻的状态信息，用于监测原料反应程度；
结合标准树脂的额高光谱数据，将反应釜中反应的时间窗口内的原料成分含量系数变化较小、且与树脂标准成分含量系数的差距较小时的作为此刻原料的提纯效果，即得到各采样时刻的原料提纯效果指数，能够精准反应各采样时刻下反应釜中的反应状态，将其输入到神经网络，有利于实时监测、控制石油树脂分离过程中蒸馏冷凝器控制阀，避免因温度差异过大造成的原料凝胶，从而达到高质量高纯度的石油树脂原料。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种石油树脂生产过程分离方法，其特征在于，该方法包括以下步骤：
获取石油树脂生产原料在各采样时刻的高光谱数据；
对于高光谱数据各像元，根据像元及邻域内各邻域像元的像元向量之间的差异得到像元邻域内各邻域像元的邻域偏移向量；将像元所有邻域像元的邻域偏移向量的模长组成像元的邻域偏移序列，采用异常检测算法得到像元的邻域偏移序列中的异常值，将像元的邻域偏移序列中的异常值剔除后得到像元的更新邻域偏移序列；根据像元的像元向量及像元的更新邻域偏移序列中邻域像元的邻域偏移向量得到像元的校正像元向量；
对于高光谱数据中任意两个像元，根据任意两个像元的校正像元向量之间的关系以及信息熵得到任意两个像元的均衡化互相关系数，将所有的任意两个像元的均衡化互相关系数组成像元均衡化互相关矩阵；
对于各采样时刻，根据采样时刻及上一采样时刻的像元均衡化互相关矩阵、高光谱数据中各像元的校正像元向量的分布特征得到采样时刻任意两个像元的相邻分离偏移系数；将采样时刻所有任意两个像元的相邻分离偏移系数组成相邻分离偏移系数矩阵；根据各采样时刻的相邻分离偏移系数矩阵及高光谱数据中各像元的校正像元向量得到原料成分含量系数序列；获取标准石油树脂的高光谱数据；根据各采样时刻时间窗口的原料成分含量系数序列、高光谱数据及标准石油树脂的高光谱数据之间的数据关系得到各采样时刻的原料提纯效果指数；
基于各采样时刻的原料提纯效果指数通过神经网络实现对蒸馏冷凝器控制阀的控制，完成石油树脂生产过程的分离操作。
2.如权利要求1所述的一种石油树脂生产过程分离方法，其特征在于，所述根据像元及邻域内各邻域像元的像元向量之间的差异得到像元邻域内各邻域像元的邻域偏移向量，包括：
对于像元邻域内各邻域像元，将邻域像元与像元的像元向量差值作为邻域像元的邻域偏移向量。
3.如权利要求1所述的一种石油树脂生产过程分离方法，其特征在于，所述根据像元的像元向量及像元的更新邻域偏移序列中邻域像元的邻域偏移向量得到像元的校正像元向量，包括：
计算像元的更新邻域偏移序列的均值；计算像元的更新邻域偏移序列中所有邻域像元的邻域偏移向量的向量之和作为合成向量；将所述均值与合成向量的模长的乘积更新合成向量的模长；
将像元的像元向量与合成向量的向量之和作为像元的校正像元向量。
4.如权利要求1所述的一种石油树脂生产过程分离方法，其特征在于，所述根据任意两个像元的校正像元向量之间的关系以及信息熵得到任意两个像元的均衡化互相关系数，包括：
计算任意两个像元的校正像元向量的夹角余弦值；
计算任意两个像元的信息熵的差值绝对值，将所述差值绝对值作为以自然常数为底数的指数函数的指数；
将所述夹角余弦值与所述指数函数的比值作为任意两个像元的相似度量系数；获取任意两个像元的欧式距离；将所述相似度量系数与所述欧式距离的比值作为任意两个像元的均衡化互相关系数。
5.如权利要求1所述的一种石油树脂生产过程分离方法，其特征在于，所述根据采样时刻及上一采样时刻的像元均衡化互相关矩阵、高光谱数据中各像元的校正像元向量的分布特征得到采样时刻任意两个像元的相邻分离偏移系数，包括：
计算任意两个像元分别在采样时刻及上一采样时刻对应位置的校正像元向量的余弦值；将任意两个像元的所述余弦值之间的差值绝对值作为采样时刻任意两个像元的偏移系数；
计算任意两个像元在采样时刻及上一采样时刻的均衡化互相关系数的差值，将所述差值与所述偏移系数的乘积作为采样时刻任意两个像元的相邻分离偏移系数。
6.如权利要求1所述的一种石油树脂生产过程分离方法，其特征在于，所述根据各采样时刻的相邻分离偏移系数矩阵及高光谱数据中各像元的校正像元向量得到原料成分含量系数序列，包括：
对于各采样时刻，将高光谱数据中各像元的校正像元向量在所有波段的反射强度信息的对应位置求和得到第一矩阵；计算所述第一矩阵的F范数与波段数量的比值；
将所述比值与相邻分离偏移系数矩阵的F范数的比值作为原料成分含量系数；将所有采样时刻的原料成分含量系数组成原料成分含量系数序列。
7.如权利要求1所述的一种石油树脂生产过程分离方法，其特征在于，所述根据各采样时刻时间窗口的原料成分含量系数序列、高光谱数据及标准石油树脂的高光谱数据之间的数据关系得到各采样时刻的原料提纯效果指数，包括：
对于各采样时刻，基于采样时刻时间窗口的原料成分含量系数序列分布得到采样时刻的波动离散性系数；
将标准石油树脂的高光谱数据各像元的校正像元向量在所有波段的反射强度信息对应位置求和后得到的矩阵的F范数与波段数量的比值作为树脂标准成分含量系数；
获取采样时刻时间窗口的原料成分含量系数序列的均值；计算所述均值与所述树脂标准成分含量系数的差值绝对值，将所述波动离散型系数与所述差值绝对值的比值作为采样时刻的原料提纯效果指数。
8.如权利要求7所述的一种石油树脂生产过程分离方法，其特征在于，所述基于采样时刻时间窗口的原料成分含量系数序列分布得到采样时刻的波动离散性系数，包括：
获取采样时刻时间窗口的原料成分含量系数序列中的最小值与最小值的采样时刻值；
对于采样时刻时间窗口的原料成分含量系数序列各元素，计算元素的原料成分含量系数与所述最小值的差值，计算元素的采样时刻值与最小值的采样时刻值的差值绝对值，其中，元素不取最小值；
将采样时刻时间窗口的原料成分含量系数序列中所有元素的所述差值与所述差值绝对值的比值的均值作为采样时刻的波动离散性系数。
9.如权利要求7所述的一种石油树脂生产过程分离方法，其特征在于，所述基于各采样时刻的原料提纯效果指数通过神经网络实现对蒸馏冷凝器控制阀的控制，包括：
将各采样时刻的原料提纯效果指数、各采样时刻的原料成分含量对应的冷凝温度作为LSTM神经网络的输入，采用均方差损失函数以及模型优化器Adam，输出各采样时刻的阀门开合角度，实现对蒸馏冷凝器控制阀的控制。
10.一种石油树脂生产过程分离系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311481540.1A CN117205590B (zh) | 2023-11-09 | 2023-11-09 | 一种石油树脂生产过程分离方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311481540.1A CN117205590B (zh) | 2023-11-09 | 2023-11-09 | 一种石油树脂生产过程分离方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117205590A true CN117205590A (zh) | 2023-12-12 |
| CN117205590B CN117205590B (zh) | 2024-04-30 |
Family
ID=89037481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311481540.1A Active CN117205590B (zh) | 2023-11-09 | 2023-11-09 | 一种石油树脂生产过程分离方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117205590B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117848972A (zh) * | 2024-03-07 | 2024-04-09 | 宝鸡西工钛合金制品有限公司 | 一种钛合金阳极氧化前处理方法 |
| CN118546112A (zh) * | 2024-07-26 | 2024-08-27 | 洛阳太平洋联合石油化工有限公司 | 一种低粘度润滑油的合成工艺 |
| CN118731261B (zh) * | 2024-08-30 | 2024-11-08 | 威尔芬(北京)科技发展有限公司 | 一种甜橙花精油智能分类方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1356346A (zh) * | 2001-12-14 | 2002-07-03 | 耿朝华 | 热聚法石油树脂合成方法 |
| US20040219063A1 (en) * | 2003-01-21 | 2004-11-04 | Heiner David Louis | Chemical reaction monitor |
| CN1714106A (zh) * | 2002-10-15 | 2005-12-28 | 埃克森美孚化学专利公司 | 通过喇曼光谱法在线测量和控制聚合物性能 |
| CN109886351A (zh) * | 2019-03-04 | 2019-06-14 | 北京麦飞科技有限公司 | 高光谱数据和高分辨率图像融合方法 |
| WO2020109601A1 (en) * | 2018-11-29 | 2020-06-04 | Basf Se | Prediction of physical properties of superabsorbent polymers |
| CN116958139A (zh) * | 2023-09-20 | 2023-10-27 | 深圳市盘古环保科技有限公司 | 一种高级氧化智能监测方法 |
-
2023
- 2023-11-09 CN CN202311481540.1A patent/CN117205590B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1356346A (zh) * | 2001-12-14 | 2002-07-03 | 耿朝华 | 热聚法石油树脂合成方法 |
| CN1714106A (zh) * | 2002-10-15 | 2005-12-28 | 埃克森美孚化学专利公司 | 通过喇曼光谱法在线测量和控制聚合物性能 |
| US20040219063A1 (en) * | 2003-01-21 | 2004-11-04 | Heiner David Louis | Chemical reaction monitor |
| WO2020109601A1 (en) * | 2018-11-29 | 2020-06-04 | Basf Se | Prediction of physical properties of superabsorbent polymers |
| CN109886351A (zh) * | 2019-03-04 | 2019-06-14 | 北京麦飞科技有限公司 | 高光谱数据和高分辨率图像融合方法 |
| CN116958139A (zh) * | 2023-09-20 | 2023-10-27 | 深圳市盘古环保科技有限公司 | 一种高级氧化智能监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈远哲等: "皮蛋凝胶品质含水率和弹性的高光谱预测及其可视化", 食品科学, 16 March 2021 (2021-03-16), pages 1 - 14 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117848972A (zh) * | 2024-03-07 | 2024-04-09 | 宝鸡西工钛合金制品有限公司 | 一种钛合金阳极氧化前处理方法 |
| CN117848972B (zh) * | 2024-03-07 | 2024-05-10 | 宝鸡西工钛合金制品有限公司 | 一种钛合金阳极氧化前处理方法 |
| CN118546112A (zh) * | 2024-07-26 | 2024-08-27 | 洛阳太平洋联合石油化工有限公司 | 一种低粘度润滑油的合成工艺 |
| CN118731261B (zh) * | 2024-08-30 | 2024-11-08 | 威尔芬(北京)科技发展有限公司 | 一种甜橙花精油智能分类方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117205590B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117205590B (zh) | 一种石油树脂生产过程分离方法及系统 | |
| CN110309985B (zh) | 一种农作物产量预测方法及系统 | |
| Thakur et al. | An NIR‐based PAT approach for real‐time control of loading in protein A chromatography in continuous manufacturing of monoclonal antibodies | |
| CN108469805B (zh) | 一种基于动态性最优选择的分散式动态过程监测方法 | |
| CN1192222A (zh) | 化学产品合成工艺的控制方法 | |
| CN101458522A (zh) | 基于主元分析和支持向量数据描述的多工况过程监控方法 | |
| CN110263488B (zh) | 一种基于集成即时学习的工业混炼胶门尼粘度软测量方法 | |
| CN111522232B (zh) | Mimo异因子全格式无模型控制方法 | |
| CN112749849A (zh) | 连续催化重整工艺过程关键参数的集成学习在线预测方法 | |
| CN115237180B (zh) | 一种用于甲酯生产中粗品制备的智能控制方法 | |
| CN110046377B (zh) | 一种基于异构相似度的选择性集成即时学习软测量建模方法 | |
| CN101201331A (zh) | 一种在线确定初馏塔顶石脑油质量指标的软测量方法 | |
| CN114326639A (zh) | 基于混合注意力卷积神经网络的工业过程性能评估方法 | |
| CN110766234B (zh) | 基于信息融合的水泥冷却过程篦下压力预测方法 | |
| CN1570629A (zh) | 基于限定记忆部分最小二乘算法的4－cba含量在线软测量建模方法 | |
| US20040038301A1 (en) | Method of estimating the properties of a polymer product | |
| CN107450314B (zh) | 一种用于乙烯裂解炉全运行周期裂解深度控制系统及其方法 | |
| CN113919213B (zh) | 一种基于sfa-grnn串联模型的脱丁烷塔丁烷浓度软测量方法 | |
| US4047004A (en) | Simulation of complex sequences of multi-stage separators | |
| CN114357886A (zh) | 一种基于多模型加权平均的酒醅近红外光谱建模方法 | |
| Wang et al. | Multimode process fault detection method based on variable local outlier factor | |
| JPS613202A (ja) | 火力発電プラントの制御系調整方法 | |
| Chien et al. | A method for flexibility analysis of continuous processing plants | |
| CN116644867B (zh) | 一种用于热力供热远程关系系统的数据处理方法 | |
| CN210894106U (zh) | 一种用于换热过程石脑油中泄漏原油自动检测装置的近红外光谱分析管路 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |