论文部分内容阅读
精馏塔在石油化工行业中占有很重要的地位，是化工企业和炼油企业生产过程中应用极为广泛的传质传热设备，其目的是将混合物中的各组分分离，达到规定的纯度[1]。精馏装置是否运行在正常的工作状态直接关系到石油化工企业的经济效益。
精馏塔的故障诊断成为化工生产的重要环节，由于影响精馏塔生产操作和产品质量因素很多，关系特别复杂，这些都对精馏塔的故障诊断提出了挑战。近年来随着计算机和人工智能、神经网络技术的发展及精馏过程理论的日趋成熟，国内开始外对精馏塔的故障诊断进行了广泛的研究。本文详细地讨论了通过一维线搜索确定自适应学习步长和自适应激励函数的改进BP神经网络的算法，本文提供的这种BP网络算法消除了传统BP网络算法中固定学习步长和单极性Sigmoid函数“饱和区”带来的弊端。本文同时介绍了其他用于诊断的网络的算法，并将这些经过数据训练的网络应用于精馏塔的故障诊断。