国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

摘要：智能優(yōu)化控制技術(shù)是以數(shù)學、計算機為基礎(chǔ)，用于求解各種工程問題優(yōu)化解的應(yīng)用技術(shù)。簡單介紹了模式識別、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等智能優(yōu)化技術(shù)及其在石油煉制過程中的應(yīng)用。
關(guān)鍵詞：智能優(yōu)化控制；模式識別；神經(jīng)網(wǎng)絡(luò)；專家系統(tǒng)；石油煉制

Abstract: Based on mathematics and computer technology, an intelligent optimization control technology is used to find the optimized solution of many engineering projects. In this paper, some intelligent optimization control technologies, such as pattern recognition, neural network and expert system, and their application on the process of oil making are discussed.
Key words: Intelligent optimization control; Pattern recognition; Neural network; Expert system; Petroleum refining

1  引言

    智能優(yōu)化控制應(yīng)用在工業(yè)生產(chǎn)過程的前景十分廣闊，因為工業(yè)生產(chǎn)過程的生產(chǎn)操作基于對工藝的研究和其他同類企業(yè)的經(jīng)驗，隨著時間的推移都有不同程度的改善和提高。但由于原料、設(shè)備、產(chǎn)品等生產(chǎn)條件的種種變化，使得實際的生產(chǎn)過程仍然需要不斷地選擇新的優(yōu)化操作條件，建立有效的生產(chǎn)過程模型。現(xiàn)代化企業(yè)的生產(chǎn)概念，不僅是要生產(chǎn)出優(yōu)質(zhì)的產(chǎn)品，還應(yīng)該是在生產(chǎn)過程中生產(chǎn)出大量的“數(shù)據(jù)”和“經(jīng)驗”。對“數(shù)據(jù)”和“經(jīng)驗”的不斷分析和總結(jié)，才能使工業(yè)生產(chǎn)過程的效益得到充分的提高。在以往相當長的一段時間里，此領(lǐng)域內(nèi)的方法通常建立在單因素分析的基礎(chǔ)上，以便能容易地建立起公式化的關(guān)系，并便于直觀顯示和理解。然而許多工業(yè)生產(chǎn)過程卻又都是多因素的復雜體系，生產(chǎn)過程的建模和優(yōu)化應(yīng)該而且必須“智能”地考慮其間的“多元”信息，以及它們之間的相互關(guān)系。
    計算機技術(shù)的發(fā)展，對工業(yè)生產(chǎn)過程的安全、平穩(wěn)、長周期、滿負荷生產(chǎn)有很大的促進作用，具有傳統(tǒng)常規(guī)儀表無法替代的優(yōu)點，并使工業(yè)生產(chǎn)過程的智能優(yōu)化控制成為可能。從目前情況來看，工業(yè)生產(chǎn)過程中多采用人為給定值的計算機控制，有時通過先進控制技術(shù)來達到和完善控制結(jié)果。也就是說，“手”或“腳”變得更靈活了，但“腦”的功能有待進一步開發(fā)。在生產(chǎn)工藝已很成熟而不指望能有大的提高的前提下，如何在計算機上搞好深層次開發(fā)，挖掘出工業(yè)生產(chǎn)過程中的效益就是一個重要而又迫切的課題，而智能優(yōu)化技術(shù)則是解決這一課題“物美價廉”的手段。

2  基本原理

    目前，智能優(yōu)化控制技術(shù)具體的方式方法很多，本文介紹筆者常用的模式識別技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)和專家系統(tǒng)技術(shù)等，以及它們的綜合應(yīng)用情況。

2.1  模式識別技術(shù)

    工業(yè)生產(chǎn)過程模式識別優(yōu)化控制的理論基礎(chǔ)是將復雜的多元體系表象為各種狀態(tài)的模式，并且研究和確定這些模式在多維測量空間的分布規(guī)律。以生產(chǎn)工藝參數(shù)為特征變量構(gòu)筑模式空間，設(shè)生產(chǎn)工藝由M個工藝參數(shù)表示，M個工藝參數(shù)（特征變量）組成M維模式空間，一種工況即一個模式點，對應(yīng)于M維空間中的一個點X，稱之為樣本點，N個樣本點組成一M維數(shù)據(jù)集X＝(X₁，X₂，……，X_n)^T，以優(yōu)化目標作為劃分樣本類別屬性的依據(jù)，將目標分為若干類，通過對數(shù)據(jù)集X的模式識別處理，找出優(yōu)類樣本子集在M維模式空間中的分布區(qū)域，建立優(yōu)化控制模型改進生產(chǎn)操作，并根據(jù)反饋信息不斷進行調(diào)整，從而達到改善一個企業(yè)的技術(shù)經(jīng)濟指標、提高產(chǎn)品收率、降低能耗、改進質(zhì)量和降低成本等目的。
    在科學技術(shù)許多領(lǐng)域的發(fā)展過程中，經(jīng)常運用進行判別和分類的方法。但當所需決策的問題涉及的因素眾多或數(shù)據(jù)量很大，且牽涉到多種因素的交互作用時，現(xiàn)有理論一時難以提供精確的定量關(guān)系，決策的依據(jù)只能是關(guān)于目標與某些變量之間模糊的因果推測，以及從不同角度觀察所得的大量實測信息。按模式識別“物以類聚”的前提，據(jù)有相同特性的被觀察體應(yīng)具有相似的模式，即具有數(shù)據(jù)結(jié)構(gòu)上的類同性。這種類同性使它們在同一模式空間中聚集，且不同的類應(yīng)占據(jù)不同的空間區(qū)域。因此，可以借助定義某些相似性的度量標準和判別規(guī)則來確定群體的特征，辨認各個模式的類別，選擇描述群體特性的基本單元或本征參量，作出最佳的分類決策。
    因此，人們所研究的特定問題，如工業(yè)生產(chǎn)過程的產(chǎn)品收率問題，可轉(zhuǎn)化為建立某個模式空間，在此空間中劃分出高收率產(chǎn)品所占據(jù)的空間范圍，從而得到相應(yīng)的優(yōu)化控制模型。若在已建立的模式空間中無法分割出對應(yīng)的優(yōu)級區(qū)，則可通過一定的空間變換或參量組合得到，否則便能判定該組參量尚未反映產(chǎn)品收率的基本特征。

2.2  神經(jīng)網(wǎng)絡(luò)技術(shù)

    電腦的飛速發(fā)展，使其的計算功能已遠遠超過人腦。但在處理視覺、聽覺、聯(lián)想和類比等那些還找不到明確的計算方法的問題，電腦仍然不能全面達到人的功能，這似乎表明人腦思維機制和目前的電腦運作機理不完全是一回事。而實際上人腦對信息的處理具有并行直觀和串行邏輯兩個方面，這導致了人們設(shè)法了解人腦功能，企圖用人造的神經(jīng)網(wǎng)絡(luò)系統(tǒng)模仿人腦進行并行分布處理信息和學習。因此神經(jīng)網(wǎng)絡(luò)技術(shù)是用計算機軟件或硬件模擬人腦神經(jīng)網(wǎng)絡(luò)功能的產(chǎn)物。
    神經(jīng)元是神經(jīng)網(wǎng)絡(luò)系統(tǒng)的基本單元，它接受N個信息的輸入，輸入信號的強度為X=(X₁，X₂，…，X_n)。經(jīng)過加權(quán)w=(w₁，w₂，…，w_n)和閾值θ及函數(shù)f的作用后，產(chǎn)生神經(jīng)興奮和沖動的輸出。將神經(jīng)元作為有向圖的節(jié)點，就可連成神經(jīng)網(wǎng)絡(luò)。從連接形式上神經(jīng)網(wǎng)絡(luò)可區(qū)分為數(shù)十種各具特點的模型，它們各自有某些特定的用途。
    神經(jīng)網(wǎng)絡(luò)中，各神經(jīng)元之間的權(quán)重矩陣w是反映信息的關(guān)鍵量。在網(wǎng)絡(luò)結(jié)構(gòu)確定后，就要對已有知識進行學習，修改權(quán)重矩陣w，使網(wǎng)絡(luò)對確定性輸入擁有正確響應(yīng)的能力，符合實際應(yīng)用的要求。神經(jīng)網(wǎng)絡(luò)理論上可以擬合任何非線性函數(shù)而不需要關(guān)于函數(shù)形式的先驗假設(shè)，并從復雜的信息集中總結(jié)出數(shù)學模型，進而預報未知。
    對于工業(yè)生產(chǎn)過程控制而言，把生產(chǎn)過程中的信息量（如不同控制點的溫度、壓力、流量等），加載到已經(jīng)訓練的神經(jīng)網(wǎng)絡(luò)后，網(wǎng)絡(luò)將能及時預報異常情況的出現(xiàn)，通過調(diào)整控制點的方法制止異常情況的發(fā)展。

2.3  專家系統(tǒng)技術(shù)

    統(tǒng)計、模擬等數(shù)學方法一般能定量地給出計算結(jié)果，但在閉環(huán)控制系統(tǒng)中往往需要專家經(jīng)驗在實施控制時作出定性的決策。專家系統(tǒng)把專家的智慧和專家對問題做決定時的推斷能力歸納為一系列相互關(guān)系的一般規(guī)則，并將匯集多方面的大量的信息資源，用多種復雜方式分析生產(chǎn)過程的現(xiàn)場狀況，實時為系統(tǒng)進行決策過濾。其自學習能力將保障專家系統(tǒng)動態(tài)地跟蹤生產(chǎn)系統(tǒng)，調(diào)整自身經(jīng)驗。
    例如在工業(yè)生產(chǎn)過程中，一般原料屬于不可控制的因素，因此較為理想的辦法是利用在線分析儀表，隨時監(jiān)測、分析原料的性質(zhì)和它的變化狀況。這種辦法得到的結(jié)果比較及時和可靠，能為生產(chǎn)控制提供準確的原料狀況數(shù)據(jù)，但它的硬件價格昂貴，維護較為困難，而且本身就是一個大的課題。其次的辦法是利用專家系統(tǒng)優(yōu)化技術(shù)對原料性質(zhì)進行估算，這里的工作主要是指根據(jù)生產(chǎn)結(jié)果的反饋，通過優(yōu)化計算和結(jié)合專家系統(tǒng)的經(jīng)驗，來推斷應(yīng)采用何種生產(chǎn)操作條件以適應(yīng)當前原料的性質(zhì)。這種純軟件的辦法需要大量準確的歷史生產(chǎn)操作數(shù)據(jù)為基礎(chǔ)，以及相當豐富可靠的生產(chǎn)工藝經(jīng)驗為保證。

3  應(yīng)用實踐

    在工業(yè)生產(chǎn)過程中，石油化工企業(yè)應(yīng)用智能優(yōu)化控制有著特殊的意義。因為石油化工企業(yè)一般加工量大，生產(chǎn)效率只要略有提高，就能帶來極大的經(jīng)濟效益。而且石油化工企業(yè)的控制系統(tǒng)一般也比較完善，適合進行智能優(yōu)化控制。

3.1 離線或在線開環(huán)的智能優(yōu)化

    工業(yè)生產(chǎn)過程如果尚未具備先進的控制系統(tǒng)如DCS，則可考慮離線或在線開環(huán)的優(yōu)化。即利用手工記錄的歷史操作數(shù)據(jù)或簡單的數(shù)據(jù)采集系統(tǒng)收集的在線實時數(shù)據(jù)，經(jīng)過智能優(yōu)化計算給出生產(chǎn)操作模型，以定期打印或屏幕顯示的方法，指導生產(chǎn)操作人員調(diào)整控制參數(shù)。
    常減壓蒸餾是石油煉制生產(chǎn)的重要裝置，產(chǎn)品收率歷來得到企業(yè)的關(guān)注。對于常壓生產(chǎn)汽油、航煤、柴油的子系統(tǒng)和減壓生產(chǎn)潤滑油料的子系統(tǒng)分別進行優(yōu)化處理，選擇了包括塔頂溫度等在內(nèi)的15個對生產(chǎn)過程起主要作用的控制變量，構(gòu)筑判別模式空間。通過面向顯示的映射，得到判別分類圖，如圖1和圖2所示。

圖1  常壓子系統(tǒng)判別分類圖    圖2 減壓子系統(tǒng)判別分類圖

    從圖中可見，優(yōu)類（3類）、中間類（2類）與差類（1類）的子空間具有明顯的切割面，常壓子系統(tǒng)主要判別矢量為：f1=[0.43 0.28 -0.33 0.17 0.22 0.09 -0.20 0.16]^-1，減壓子系統(tǒng)主要判別矢量為：f1=[-0.07 0.15 0.23 0.37 0.11 -0.31 0.18]^-1。
    將生產(chǎn)過程控制參數(shù)指定在優(yōu)類子空間的范圍，綜合分析生產(chǎn)結(jié)果的反饋信息微調(diào)控制參數(shù)，循環(huán)往復跟蹤尋優(yōu)，使產(chǎn)品的總收率提高了0.63，增加經(jīng)濟效益數(shù)百萬元。

表1  常減壓蒸餾優(yōu)化前后對比表