该文针对现有的常压装置汽油干点观测技术存在明显的缺陷,提出了一种新的汽油干点观测技术-机理模型与人工神经网络相结合的汽油干点观测技术.首先,这一技术将Luenberger观测器理论推广应用到具有不可测输入的常压塔顶部这一非线性系统,构造Luenberger观测器;其次,利用现场实测数据,观测出常压装置一些不可测但可观的内部物理量;然后将这些观测出的内部物理量作为神经网络的输入节点,与其他可测物理量一起构成神经网络的输入层,实际化验的汽油干点作为神经网络的输出层节点;对这个BP网络进行训练,训练好的BP网络便可用于在线观测常压塔的汽油干点.该文利用自编的BP前向网络训练、检验与评价系统,结合工艺实际,对神经网络的输入信号进行合理的选择,找到较为理想的汽油点观测网络;通过对该观测所用的神经网络进行检验并与实际化验值进行比较,表明这一技术可取得较好的效果.该文从系统的可观性出发,对系统动态模型的建立与应用作了一定的分析,对基于模型的动态观测技术及其应用作了一定的探讨.