在石油化工加工過程中，常壓塔控制的主要目標(biāo)之一是實(shí)現(xiàn)常壓塔的質(zhì)量控制。目前常壓塔產(chǎn)品的質(zhì)量每隔4h化驗(yàn)分析一次，然后依據(jù)分析結(jié)果調(diào)整生產(chǎn)過程，即進(jìn)行間接質(zhì)量控制，但由于滯后時間太長，很難保證過程控制的質(zhì)量。在線質(zhì)量儀表不僅價格昂貴，而且也存在滯后，不利于控制，所以建立快速、準(zhǔn)確的產(chǎn)品質(zhì)量在線軟測量儀表，實(shí)施常壓塔質(zhì)量控制，就成為一項(xiàng)迫切的任務(wù)。近年來，軟測量技術(shù)在過程控制領(lǐng)域得到廣泛關(guān)注，其目的是通過在線可測的過程變量估計(jì)在線難以測量的質(zhì)量指標(biāo)或控制參數(shù)。但在應(yīng)用統(tǒng)計(jì)方法建立復(fù)雜化工過程的數(shù)學(xué)模型時，往往會面臨諸如過程變量眾多而建模樣本少、變量相關(guān)、輸入變量X和輸出變量Y之間具有高度非線性、建模數(shù)據(jù)受噪聲污染等問題。本文將神經(jīng)元網(wǎng)絡(luò)方法用于常壓塔塔頂產(chǎn)品的質(zhì)量軟測量建模，較好地解決了以上問題，并且在模型訓(xùn)練時引入自學(xué)習(xí)功能，提高了模型精確度，使其具有較好的推廣性能。
二 神經(jīng)元網(wǎng)絡(luò)模型建立方法
神經(jīng)元網(wǎng)絡(luò)作為新興現(xiàn)代智能控制領(lǐng)域的一個分支，近年來在工業(yè)自動化領(lǐng)域已有不少應(yīng)用。由于神經(jīng)元網(wǎng)絡(luò)能夠根據(jù)對象輸入、輸出的數(shù)據(jù)直接建立模型，不需要對象的先驗(yàn)知識，并且其實(shí)現(xiàn)校正的算法可以用網(wǎng)絡(luò)的在線學(xué)習(xí)實(shí)現(xiàn)，因此，用神經(jīng)元網(wǎng)絡(luò)模型實(shí)現(xiàn)軟測量是非常有效和相對容易的。本文利用徑向基函數(shù)(RBF)網(wǎng)絡(luò)來建立對象模型。RBF網(wǎng)絡(luò)的結(jié)構(gòu)與多層前向網(wǎng)絡(luò)類似，它是一種3層前向網(wǎng)絡(luò)。輸入層由信號源節(jié)點(diǎn)組成；第二層為隱含層，單元數(shù)視所描述的問題需要決定；第三層為輸出層，它對輸入模式的作用作出響應(yīng)。從整體上看，網(wǎng)絡(luò)由輸入到輸出的映射是非線性的，而網(wǎng)絡(luò)輸出對可調(diào)參數(shù)而言卻又是線性的，這樣網(wǎng)絡(luò)的權(quán)就可由線性方程組直接解出或用RLS方法遞推計(jì)算，從而大大加快了學(xué)習(xí)速度，可比通常的BP算法快103~104倍，并避免了局部極小問題。
通過大量的考察和論證，結(jié)合呼和浩特?zé)捰蛷S常壓塔各側(cè)線產(chǎn)品與各過程變量之間存在著嚴(yán)重的非線性對應(yīng)關(guān)系的情況，我們考慮利用神經(jīng)元網(wǎng)絡(luò)來解決常壓塔產(chǎn)品質(zhì)量在線軟測量問題。此方法應(yīng)用于常頂汽油干點(diǎn)軟測量模型的建立，取得了較好的效果。
三 常頂汽油干點(diǎn)軟測量模型的建立
首先從工藝機(jī)理出發(fā)，定性分析與干點(diǎn)有關(guān)的因素，同時根據(jù)實(shí)際裝置的情況，篩選出影響較大的變量建立相應(yīng)的函數(shù)關(guān)系，然后基于現(xiàn)場采集的數(shù)據(jù)，建立相應(yīng)的自適應(yīng)干點(diǎn)預(yù)測數(shù)學(xué)模型。影響汽油干點(diǎn)的因素很多，包括原料性質(zhì)、常壓爐溫度、塔頂壓力和溫度、裝置處理量、塔頂回流量等。經(jīng)過認(rèn)真分析現(xiàn)場數(shù)據(jù)，發(fā)現(xiàn)其中影響最直接的工藝因素是：塔頂溫度、塔頂壓力、原油摻煉比、頂循環(huán)量、塔底吹汽量、進(jìn)料溫度、回流比等。這些影響因素在很大程度上反映了其他因素的變化，將其作為輸入變量，干點(diǎn)值作為輸出變量，用神經(jīng)元網(wǎng)絡(luò)建立干點(diǎn)預(yù)測數(shù)學(xué)模型。
將從現(xiàn)場獲得的數(shù)據(jù)分為兩組，分別作為學(xué)習(xí)樣本和校驗(yàn)樣本，經(jīng)過多次試算確定網(wǎng)絡(luò)結(jié)構(gòu)，即輸入節(jié)點(diǎn)數(shù)為3，隱節(jié)點(diǎn)數(shù)為7，輸出節(jié)點(diǎn)數(shù)為1，利用RBF算法使訓(xùn)練精確度達(dá)到0.0001，最終得到干點(diǎn)計(jì)算模型。軟測量模型在TDC-3000系統(tǒng)中的AM上實(shí)現(xiàn)，它不斷采集相應(yīng)的工藝數(shù)據(jù)，實(shí)時計(jì)算出干點(diǎn)值。經(jīng)過一段時間的運(yùn)行，證明該模型預(yù)測干點(diǎn)值具有較高的精確度。通過對150組化驗(yàn)值與預(yù)測值的比較，發(fā)現(xiàn)平均誤差為0.85℃，誤差超過1.65℃的有11個數(shù)值，占7.3% ，經(jīng)分析這些誤差較大的數(shù)據(jù)與化驗(yàn)人為誤差有一定的關(guān)系。
四 汽油干點(diǎn)軟測量儀表在線學(xué)習(xí)校正功能
為保證汽油干點(diǎn)軟測量儀表長期穩(wěn)定可靠地運(yùn)行，我們在軟測量儀表中另外單獨(dú)加入一個校正模塊，用于監(jiān)視軟測量儀表的輸出、反饋回來的化驗(yàn)值和生產(chǎn)運(yùn)行的工況。當(dāng)軟測量儀表的輸出和反饋回來的化驗(yàn)值之間出現(xiàn)較大差異時，記錄該差異及對應(yīng)段內(nèi)的生產(chǎn)工況；當(dāng)這種差異連續(xù)數(shù)次產(chǎn)生，且對應(yīng)的生產(chǎn)工況始終處于穩(wěn)定運(yùn)行狀態(tài)時，通過計(jì)算偏差而給出一個調(diào)節(jié)量，將它疊加到軟測量儀表的輸出層節(jié)點(diǎn)上，由此在線校正汽油干點(diǎn)的預(yù)測值，同時記錄發(fā)生偏差時的樣本，以便為網(wǎng)絡(luò)的重新訓(xùn)練提供新樣本。
五 結(jié)論
汽油干點(diǎn)軟測量儀表投用后，實(shí)時預(yù)測值已成為裝置操作人員調(diào)整生產(chǎn)操作的重要參考及預(yù)測控制的重要參數(shù)。常壓塔操作的平穩(wěn)性明顯提高，常頂汽油干點(diǎn)波動范圍顯著減少。通過適當(dāng)提高控制指標(biāo)，可提高輕質(zhì)油收率，產(chǎn)生明顯的經(jīng)濟(jì)效益。
（轉(zhuǎn)載）
