论文部分内容阅读
间歇精馏是一种重要的化工分离手段,该生产方式具有设备投资小、可灵活生产多种产品以及生产柔性大的特点,在精细化工、生物制药以及食品加工等行业中有着广泛的应用。随着对精细化工产品质量和种类需求的日益多样化,针对间歇精馏过程系统的研究也越来越受到重视。
对于同种类产品的生产来说,间歇精馏是一个重复操作的多阶段生产过程。在整个生产过程中,由于存在复杂的物质和能量转移现象,生产状态会随时间和空间发生显著变化,系统呈较强的非线性和非稳态特性。为了保证产品的质量,提升生产效率,需要对间歇精馏各生产阶段的关键过程变量实施良好的控制,并在此基础上,对整个生产操作流程实施优化。目前,面对间歇精馏过程强非线性和非稳态的特点,传统的PID控制策略难以满足日益提升的控制需求。如果采用常规的先进控制技术,如模型预测控制,过程的控制性能又依赖于模型的精度和计算的复杂度。针对应用先进控制技术对间歇精馏进行控制时,难以建立适度有效过程模型的现状,本论文提出了利用间歇精馏的批次重复特性,通过同类产品历史批次生产数据进行建模,以及提升过程控制性能和优化操作性能的研究思路。论文的具体研究内容主要包含如下几个方面:
1、利用历史批次的运行数据来建立间歇精馏样条插值简化动态模型(SplineInterpolation Model,SIM)。该模型仅用两个常微分方程和两个样条插值函数来描述间歇精馏过程,具有结构简单、计算快捷的优点。结合变回流比下的动态修正函数,该模型可有效模拟不同组分浓度下回流比发生变化时馏出液浓度的动态变化情况。将该模型作为预测模型,进一步提出了一种变回流比的预测控制(Model Predictive Control,MPC)算法来使馏出液浓度按照期望的设定值变化。基于ASPEN仿真平台的控制仿真结果表明,该控制方案在控制目标和进料组分变化的情况下均能取得较好的控制效果。
2、针对多元间歇精馏过程多阶段操作、非稳态和重复运行的特点以及高稳定性和高精度的控制需求,在传统P型迭代学习控制(Iterative Learning Control,ILC)算法的基础上,提出了一种基于历史批次数据实现学习增益沿批次自适应调整的变增益P型ILC算法。该控制算法能够保证精馏过程在非稳定操作状态下沿批次指标具有相对平衡的学习效率,从而提高整个生产过程控制性能沿批次指标的收敛速度。通过对变增益P型ILC和传统PID以及传统P型ILC三种控制方案进行控制性能的仿真和比较,证明了变增益P型ILC控制算法不仅计算简单,同时比传统P型ILC算法具有更快的收敛速度。
3、针对间歇精馏的优化问题,设计了一种简化计算模型。模型对间歇精馏的馏出液浓度与回流比的变化关系作了线性化的假设,并根据过程的批次运行数据对模型参数进行更新,以渐进方式提高模型精度。以该模型为基础,分别以产量和操作时间为优化的指标函数,以回流比作为优化变量,进行了最小操作时间问题和最大产量问题的优化仿真模拟,仿真结果证明了该优化策略具有良好的收敛性和优化效果。