催化裂化裝置的控制研究.pdf

1、本文在學習了R2R型催化裂化反-再裝置工藝流程的基礎上，對反-再裝置的流程進行了分塊歸納，主要分為七部分：進料口混合器、提升管部分、氣提分離部分、第一再生部分、再生裝置混合器、稀相管部分和第二再生部分。學習了過程流程中物料的表達方法：物料流和物料積的概念?？偨Y了催化裂化反-再系統(tǒng)七部分的動態(tài)模型。 對催化裂化裝置的反-再系統(tǒng)進行了控制方案的設計，明確了四類控制目標，對被控變量與操縱變量的選取做出了論述，確定出由被控變量與操縱變量

2、組成的8個反-再系統(tǒng)控制回路，分別是： 1、第一再生器煙氣流量控制第一再生器壓力； 2、第一再生器燃燒空氣流量控制第一再生器氧氣含量； 3、舉升空氣流量控制第一再生器催化劑料位； 4、第二再生器煙氣流量控制第二再生器壓力； 5、第二再生器燃燒空氣流量控制第二再生器氧氣含量； 6、去提升管入口的再生劑流量控制提升管出口溫度； 7、產品油氣流量控制氣提/分離器壓力； 8、去第一

3、再生器待生催化劑流量控制氣提/分離器催化劑料位。 本文對催化裂化裝置的反-再系統(tǒng)做出了PID控制。對前人的常規(guī)控制研究成果作了充分的綜述。 粒子群優(yōu)化算法（partieleSwamrOptimization，PSO算法）源于對鳥群和魚群群體運動行為的研究，是一種新的群體智能優(yōu)化算法，是演化計算領域中的一個新的分支。它的主要特點是原理簡單、參數(shù)少、收斂速度較快、所需領域知識較少。已經在系統(tǒng)辨識、函數(shù)優(yōu)化、神經網絡訓練、組合

4、優(yōu)化、機器人路徑規(guī)劃等領域獲得了廣泛的應用，并取得了較好的效果。 由于工業(yè)中大多數(shù)對象一般可以辨識為一階加滯后模型（FOPDT）。并且一階加滯后模型對IMC-PID、RTD-A等的控制器有著關鍵的作用，本文用粒子群算法辨識了反-再裝置第一再生器的壓力控制回路。 在論文的最后一部分，針對于單變量RTD-A控制器（Robustness，Tracking，Disturbance rejection-overall Aggres

5、siveness）的原理與算法進行了詳細的介紹和論述，該控制器主要是由三部分組成的：對象辨識模型，誤差預測更新和目標函數(shù)優(yōu)化計算組成。它是一種結構相對簡單而控制性能十分優(yōu)異的新型控制器形式，具備參數(shù)整定意義明確，實施方便，魯棒性強等諸多優(yōu)點。用舉例仿真的形式對RTD-A控制器的R、T、D、A四個控制器參數(shù)進行了討論以及在控制系統(tǒng)中各自所起的作用。并且最后根據(jù)粒子群辨識出的一階加滯后模型，把RTD-A控制器開拓性的應用到了催化裂化的反-再