專利名稱：精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于化學(xué)反應(yīng)在線控制方法，具體是一種精對(duì)苯二甲酸生產(chǎn)中氧化母液過 濾過程的在線控制方法，本發(fā)明涉及采用精對(duì)苯二甲酸(PTA)生產(chǎn)中對(duì)二甲苯(PX)液相催 化氧化工藝的對(duì)二甲苯氧化母液過濾過程的在線控制技術(shù)。
背景技術(shù)：
目前，PTA是聚酯工業(yè)重要原料，主要用來合成聚酯的中間體苯二甲酸乙二醇酯 (PET)。聚酯被廣泛應(yīng)用于加工合成聚酯纖維、涂料、工程塑料，在生產(chǎn)和日常生活中發(fā)揮很 大的作用。并且三大合成纖維的主要原料增長(zhǎng)率最大的就是PTA，約為其它原料的3-4倍。PTA的合成歷史可以追溯到上世紀(jì)二十年代。二戰(zhàn)以后，開始工業(yè)化研究，到目前 為止形成三種PTA成熟生產(chǎn)工藝=BP-Amoco生產(chǎn)工藝、Invista生產(chǎn)工藝和Eastman生產(chǎn)工 藝。我國(guó)引進(jìn)了所有成熟工藝的PTA生產(chǎn)裝置，但生產(chǎn)能力仍不足以滿足目前國(guó)內(nèi)對(duì) 聚酯需求的增長(zhǎng)，并且國(guó)際上的需求量也較大，我國(guó)現(xiàn)有的出口能力也不足?；谏鲜銮?況，一方面國(guó)內(nèi)各大聚酯企業(yè)相繼進(jìn)行了 PTA生產(chǎn)裝置的增產(chǎn)擴(kuò)容改造，另一方面繼續(xù)引 進(jìn)和新建PTA裝置。隨著PTA生產(chǎn)工藝不斷改進(jìn)，規(guī)模不斷擴(kuò)大，國(guó)內(nèi)在此項(xiàng)技術(shù)的消化吸 收、自行設(shè)計(jì)和改造工業(yè)化的PTA生產(chǎn)裝置方面已取得很大進(jìn)展，但依然存在一些迫需解 決的問題。PTA生產(chǎn)中為了實(shí)現(xiàn)低生產(chǎn)成本、低環(huán)境污染，設(shè)置了氧化母液過濾單元。但在實(shí) 際生產(chǎn)過程中仍存在對(duì)苯二甲酸(TA)損耗較高等不足。其中TA粗產(chǎn)品過濾后母液固含量 偏高是造成損耗的一個(gè)重要原因，因此為了提高TA回收率、降低生產(chǎn)成本和減少固體殘?jiān)?對(duì)環(huán)境的污染，建立合理的母液固含量分析模型，實(shí)現(xiàn)優(yōu)化穩(wěn)定的過濾操作非常必要。本發(fā)明以PTA生產(chǎn)工藝為技術(shù)背景建立母液固含量的在線控制模型。實(shí)際生產(chǎn)過 程中過濾操作通過兩臺(tái)并聯(lián)的回轉(zhuǎn)真空過濾機(jī)實(shí)現(xiàn)。過濾機(jī)操作中影響濾液固含量的因素 主要有漿料溫度、反吹壓力、生產(chǎn)負(fù)荷、進(jìn)料量、轉(zhuǎn)速、噴淋量和濾液量等。由于實(shí)際生產(chǎn)中 工藝過程復(fù)雜，通過機(jī)理分析或者傳統(tǒng)的數(shù)學(xué)模型進(jìn)行操作參數(shù)優(yōu)化、在線操作控制比較 困難，這里選擇人工智能——神經(jīng)網(wǎng)絡(luò)模型建立在線控制模型。神經(jīng)網(wǎng)絡(luò)是一種模糊數(shù)學(xué)模型，可實(shí)現(xiàn)任意精度的函數(shù)數(shù)據(jù)逼近。其中誤差反向 傳播(Error Back Propagation) BP神經(jīng)網(wǎng)絡(luò)由Rumelhart等人于1985年建立，由一個(gè)輸 入層、一個(gè)輸出層和若干隱含層所組成。BP神經(jīng)網(wǎng)絡(luò)是非常成熟的神經(jīng)網(wǎng)絡(luò)模型；它結(jié)構(gòu) 簡(jiǎn)單、可操作性強(qiáng)和能模擬任意的非線性輸入、輸出關(guān)系等優(yōu)點(diǎn)。目前已廣泛應(yīng)用于模式識(shí) 別、智能控制、預(yù)測(cè)和圖形識(shí)別等領(lǐng)域。本發(fā)明即采用改進(jìn)的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)建立過濾過 程的在線控制模型。BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)算法在于利用輸出后的誤差來估計(jì)輸出層的直 接前導(dǎo)層的誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層的反傳下去，就獲得了 所有其它各層的誤差估計(jì)。這樣就形成了將輸出層表現(xiàn)出的誤差沿著與輸入傳送相反的方
4向逐級(jí)向網(wǎng)絡(luò)的輸入層傳遞的過程。因此，人們特將此算法稱為誤差反向后傳算法，簡(jiǎn)稱BP 算法。使用BP算法進(jìn)行學(xué)習(xí)的多級(jí)非循環(huán)網(wǎng)絡(luò)稱為BP網(wǎng)絡(luò)，屬于前向神經(jīng)網(wǎng)絡(luò)類型。雖 然這種誤差估計(jì)本身的精度會(huì)隨著誤差本身的“向后傳播”而不斷降低，但它還是給多層網(wǎng) 絡(luò)的訓(xùn)練提供了比較有效的辦法，加之多層前向神經(jīng)網(wǎng)絡(luò)能逼近任意非線性函數(shù)，在科學(xué) 技術(shù)領(lǐng)域中有廣泛的應(yīng)用，所以，多年來該算法一直受到人們廣泛的關(guān)注。BP神經(jīng)網(wǎng)絡(luò)算法基本原理為利用輸出后的誤差來估計(jì)輸出層的直接前導(dǎo)層的 誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各 層的誤差估計(jì)。BP神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)的過程為神經(jīng)網(wǎng)絡(luò)在外界輸入樣本的刺激下不斷改變網(wǎng) 絡(luò)的連接權(quán)值，以使網(wǎng)絡(luò)的輸出不斷地接近期望的輸出。學(xué)習(xí)的本質(zhì)是對(duì)各連接權(quán)值的動(dòng) 態(tài)調(diào)整，學(xué)習(xí)規(guī)則即權(quán)值調(diào)整規(guī)則，即在學(xué)習(xí)過程中網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)變化所依據(jù) 的一定的調(diào)整規(guī)則。

發(fā)明內(nèi)容
本發(fā)明提供一種精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法，該方法 解決了 PTA生產(chǎn)工藝過程復(fù)雜，不利于有效控制的技術(shù)難題該方法然后利用改進(jìn)的標(biāo)準(zhǔn)BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬計(jì)算，建立過濾過程模型，最終實(shí)現(xiàn)過濾過程的在線控制。本發(fā)明的技術(shù)方案是一種精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法，包括以下步驟A)利用分布式控制系統(tǒng)獲取精對(duì)苯二甲酸生產(chǎn)過程中影響濾液固含量的工藝參 數(shù)，包括漿料溫度Xl、反吹壓力X2、生產(chǎn)負(fù)荷X3、進(jìn)料量X4、轉(zhuǎn)速X5、噴淋量X6和濾液量X7， 并將漿料溫度XI，反吹壓力X2，生產(chǎn)負(fù)荷X3，進(jìn)料量X4，轉(zhuǎn)速X5，噴淋量X6，濾液量X7以及 當(dāng)前時(shí)刻濾液固含量人工分析值Y進(jìn)行歸一化處理；B)選擇步驟A)中7個(gè)參數(shù)做為BP神經(jīng)網(wǎng)絡(luò)模型的輸入神經(jīng)元，當(dāng)前時(shí)刻濾液固 含量人工分析值Y做為BP神經(jīng)網(wǎng)絡(luò)模型的輸出神經(jīng)元，利用改進(jìn)的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)模型 進(jìn)行模擬計(jì)算建立過濾過程模型，在過濾過程模型中，輸入層的節(jié)點(diǎn)數(shù)為2 30，中間層層 數(shù)為1 100，隱層節(jié)點(diǎn)數(shù)為1 100，輸出層節(jié)點(diǎn)數(shù)為1 15，層之間傳遞函數(shù)有極限函 數(shù)、線性函數(shù)、S形函數(shù)和競(jìng)爭(zhēng)函數(shù)；C)使用過濾過程模型對(duì)過濾操作參數(shù)優(yōu)化并且模型實(shí)時(shí)輸出值經(jīng)過反歸一化后， 利用分布式控制系統(tǒng)通過數(shù)據(jù)的實(shí)時(shí)、連續(xù)采集，得到濾液固含量的實(shí)時(shí)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 值R，再利用濾液固含量人工分析值Y對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值R進(jìn)行在線校正當(dāng)濾液固含量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與人工分析值相對(duì)誤差大于設(shè)定值時(shí)，通過 實(shí)時(shí)分析得到的定系數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值進(jìn)行在線校正，得到濾液固含量軟測(cè)量值；D)根據(jù)過濾操作后濾液固含量軟測(cè)量值，調(diào)節(jié)漿料溫度、反吹壓力、生產(chǎn)負(fù)荷、進(jìn) 料量、轉(zhuǎn)速、噴淋量和濾液量，實(shí)現(xiàn)濾液固含量的推斷控制。所述步驟A中進(jìn)行歸一化處理包括以下步驟利用公式
權(quán)利要求
一種精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法，其特征是包括以下步驟A)利用分布式控制系統(tǒng)獲取精對(duì)苯二甲酸生產(chǎn)過程中影響濾液固含量的工藝參數(shù)，包括漿料溫度X1、反吹壓力X2、生產(chǎn)負(fù)荷X3、進(jìn)料量X4、轉(zhuǎn)速X5、噴淋量X6和濾液量X7，并將漿料溫度X1，反吹壓力X2，生產(chǎn)負(fù)荷X3，進(jìn)料量X4，轉(zhuǎn)速X5，噴淋量X6，濾液量X7以及當(dāng)前時(shí)刻濾液固含量人工分析值Y進(jìn)行歸一化處理；B)選擇步驟A)中7個(gè)參數(shù)做為BP神經(jīng)網(wǎng)絡(luò)模型的輸入神經(jīng)元，當(dāng)前時(shí)刻濾液固含量人工分析值Y做為BP神經(jīng)網(wǎng)絡(luò)模型的輸出神經(jīng)元，利用改進(jìn)的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模擬計(jì)算建立過濾過程模型，在過濾過程模型中，輸入層的節(jié)點(diǎn)數(shù)為2～30，中間層層數(shù)為1～100，隱層節(jié)點(diǎn)數(shù)為1～100，輸出層節(jié)點(diǎn)數(shù)為1～15，層之間傳遞函數(shù)有極限函數(shù)、線性函數(shù)、S形函數(shù)和競(jìng)爭(zhēng)函數(shù)；C)使用過濾過程模型對(duì)過濾操作參數(shù)優(yōu)化并且模型實(shí)時(shí)輸出值經(jīng)過反歸一化后，利用分布式控制系統(tǒng)通過數(shù)據(jù)的實(shí)時(shí)、連續(xù)采集，得到濾液固含量的實(shí)時(shí)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值R，再利用濾液固含量人工分析值Y對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值R進(jìn)行在線校正當(dāng)濾液固含量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與人工分析值相對(duì)誤差大于設(shè)定值時(shí)，通過實(shí)時(shí)分析得到的定系數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值進(jìn)行在線校正，得到濾液固含量軟測(cè)量值；D)根據(jù)過濾操作后濾液固含量軟測(cè)量值，調(diào)節(jié)漿料溫度、反吹壓力、生產(chǎn)負(fù)荷、進(jìn)料量、轉(zhuǎn)速、噴淋量和濾液量，實(shí)現(xiàn)濾液固含量的推斷控制。
2.根據(jù)權(quán)利要求1所述的精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法，其 特征在于所述步驟A中進(jìn)行歸一化處理包括以下步驟利用公式
3.根據(jù)權(quán)利要求1所述的精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法，其 特征在于所述步驟C中在線校正的方法為利用公式
4.根據(jù)權(quán)利要求1所述的精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法， 其特征在于所述步驟C中使用過濾過程模型對(duì)過濾操作參數(shù)優(yōu)化并且模型實(shí)時(shí)輸出值經(jīng) 過反歸一化后，利用分布式控制系統(tǒng)通過數(shù)據(jù)的實(shí)時(shí)、連續(xù)采集，得到濾液固含量的實(shí)時(shí)BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值R的方法為在工業(yè)生產(chǎn)現(xiàn)場(chǎng)采集到若干組操作數(shù)據(jù)，做為過濾過程模型的訓(xùn)練樣本。選擇改進(jìn)后 的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)對(duì)濾液固含量進(jìn)行分析預(yù)測(cè)，輸入神經(jīng)元分別對(duì)應(yīng)為歸一化處理后的 漿料溫度、反吹壓力、生產(chǎn)負(fù)荷、進(jìn)料量、轉(zhuǎn)速、噴淋量和濾液量xl，x2, x3, x4, x5, x6, x7 ； 輸出神經(jīng)元對(duì)應(yīng)為歸一化處理后的濾液固含量人工分析值y ；在上述訓(xùn)練樣本中選擇部分?jǐn)?shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本，其余的數(shù)據(jù)作為測(cè)試樣本檢 測(cè)神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性和泛化能力，最后取學(xué)習(xí)樣本和測(cè)試樣本的預(yù)測(cè)值與人工分析值相對(duì) 誤差都較小的一組權(quán)值和閥值作為神經(jīng)網(wǎng)絡(luò)模型參數(shù)，建立過濾過程模型；過濾過程模型建立后，可以把現(xiàn)場(chǎng)實(shí)時(shí)采集的數(shù)據(jù)(模型輸入變量所需數(shù)據(jù))歸一化 處理后帶入神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算，然后將神經(jīng)網(wǎng)絡(luò)輸出值經(jīng)反歸一化處理，得到濾液固含量 的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值。
全文摘要
本發(fā)明選取對(duì)過濾過程中濾液固含量有影響的工藝操作參數(shù)，并將其歸一化，然后利用改進(jìn)的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬計(jì)算建立過濾過程模型，使用模型對(duì)過濾操作參數(shù)優(yōu)化并且模型實(shí)時(shí)輸出值經(jīng)過反歸一化后，再利用濾液固含量人工分析值進(jìn)行在線校正，從而得到濾液固含量的軟測(cè)量值，最后根據(jù)軟測(cè)量值和優(yōu)化的過濾操作參數(shù)對(duì)過濾過程進(jìn)行實(shí)時(shí)推斷控制。本發(fā)明的精對(duì)苯二甲酸生產(chǎn)中氧化母液過濾過程的在線控制方法通過使用本次發(fā)明所述的方法對(duì)精對(duì)苯二甲酸生產(chǎn)中氧化母液的過濾操作工藝參數(shù)實(shí)施智能控制，能夠穩(wěn)定過濾操作、降低過濾操作后母液固含量、增加對(duì)苯二甲酸回收率。
文檔編號(hào)G05B13/04GK101963785SQ20101028740
公開日2011年2月2日 申請(qǐng)日期2010年9月17日 優(yōu)先權(quán)日2010年9月17日
發(fā)明者萬輝, 張存吉, 管國(guó)鋒 申請(qǐng)人:南京工業(yè)大學(xué)