论文部分内容阅读
本文在学习了R2R型催化裂化反-再装置工艺流程的基础上,对反-再装置的流程进行了分块归纳,主要分为七部分:进料口混合器、提升管部分、气提分离部分、第一再生部分、再生装置混合器、稀相管部分和第二再生部分。学习了过程流程中物料的表达方法:物料流和物料积的概念。总结了催化裂化反-再系统七部分的动态模型。对催化裂化装置的反-再系统进行了控制方案的设计,明确了四类控制目标,对被控变量与操纵变量的选取做出了论述,确定出由被控变量与操纵变量组成的8个反-再系统控制回路,分别是:1、第一再生器烟气流量控制第一再生器压力;2、第一再生器燃烧空气流量控制第一再生器氧气含量;3、举升空气流量控制第一再生器催化剂料位;4、第二再生器烟气流量控制第二再生器压力;5、第二再生器燃烧空气流量控制第二再生器氧气含量;6、去提升管入口的再生剂流量控制提升管出口温度;7、产品油气流量控制气提/分离器压力;8、去第一再生器待生催化剂流量控制气提/分离器催化剂料位。本文对催化裂化装置的反-再系统做出了PID控制。对前人的常规控制研究成果作了充分的综述。粒子群优化算法(partieleSwamrOptimization,PSO算法)源于对鸟群和鱼群群体运动行为的研究,是一种新的群体智能优化算法,是演化计算领域中的一个新的分支。它的主要特点是原理简单、参数少、收敛速度较快、所需领域知识较少。已经在系统辨识、函数优化、神经网络训练、组合优化、机器人路径规划等领域获得了广泛的应用,并取得了较好的效果。由于工业中大多数对象一般可以辨识为一阶加滞后模型(FOPDT)。并且一阶加滞后模型对IMC-PID、RTD-A等的控制器有着关键的作用,本文用粒子群算法辨识了反-再装置第一再生器的压力控制回路。在论文的最后一部分,针对于单变量RTD-A控制器(Robustness,Tracking,Disturbance rejection-overall Aggressiveness)的原理与算法进行了详细的介绍和论述,该控制器主要是由三部分组成的:对象辨识模型,误差预测更新和目标函数优化计算组成。它是一种结构相对简单而控制性能十分优异的新型控制器形式,具备参数整定意义明确,实施方便,鲁棒性强等诸多优点。用举例仿真的形式对RTD-A控制器的R、T、D、A四个控制器参数进行了讨论以及在控制系统中各自所起的作用。并且最后根据粒子群辨识出的一阶加滞后模型,把RTD-A控制器开拓性的应用到了催化裂化的反-再装置中。主要对第一再生器的压力控制回路进行了RTD-A控制,体现出了RTD-A控制器优越的性能。