- •Предисловие
- •Введение
- •Глава 1. Основные понятия теории управления
- •1.1. Объект управления
- •1.2. Управляющая система
- •1.3. Система управления
- •Глава 2. Разработка управляющих систем
- •2.1. Анализ характеристик объекта управления
- •2.2. Выбор управляющих параметров
- •2.3. Надежность управляющих систем
- •Глава 3. Автоматизация массообменных процессов
- •3.1. Ректификация
- •Хладо-носитель
- •Хладо-носитель
- •2 Дистил- лят а б
- •3.2. Абсорбция
- •3.3. Адсорбция
- •3.4. Сушка
- •Глава 4. Автоматизированные системы управления
- •4.1. Общая характеристика асутп
- •4.2. Назначение, цель, функции и состав асутп
- •4.3. Структура комплекса технических средств асутп
- •4.4. Общесистемная документация и оперативный персонал
- •4.5. Асутп нефтепереработки и нефтехимии
- •4.6. Техническое обеспечение распределенных асутп
- •4.7. Применение распределенных асутп
- •Глава 5. Идентификация технологических процессов
- •5.1. Понятие об идентификации
- •5.2. Общие сведения о математических моделях
- •5.3. Постановка задачи идентификации
- •5.4. Основные характеристики (функции) систем
- •5.5. Оценка адекватности математической модели
- •5.6. Математические модели многостадийных объектов
- •Глава 6. Оптимизация технологических процессов
- •6.1. Характеристика методов оптимизации
- •6.2. Особенности оптимизационных задач управления
- •6.3. Оптимизация технологических процессов
- •6.4. Оптимальное управление системами ректификации
- •6.5. Адаптивное управление технологическими процессами
- •Глава 7. Оптимизация производства этилена
- •7.1. Производство этилена как объект управления
- •7.2. Задачи управления установками
- •7.3. Структура подсистемы оптимизации отделения пиролиза
- •7.4. Выбор математической модели пиролизной печи
- •Ориентировочная ранжировка параметров
- •7.5. Корректировка коэффициентов адаптивной модели
- •Приложение а функциональные схемы автоматизации
- •Приложение б идентификация систем в среде matlab
- •1. Основные характеристики (функции) систем
- •2. Теоретические модели объектов
- •Приложение в задачи и методы оптимизации
- •Задачи оптимизации
- •Приложение г задачи линейного программирования
- •Библиографический список
Ориентировочная ранжировка параметров
Ранг |
Группа |
Параметры |
I
|
Основные параметры
|
Расход входных и выходных потоков, формирующих материальный баланс. Давление и температура в наиболее характерных точках установки или аппарата. |
II
|
Параметры температурного профиля |
Температуры, характеризующие температурный профиль технологического аппарата. |
III
|
Дополнительные параметры |
Температуры, формирующие тепловой баланс. Давление, определяющее в полной мере взаимосвязь объекта со смежными объектами. |
IV
|
Вспомогательные параметры
|
Производные и косвенные параметры, рассчитываемые по функциональным и корреляционным зависимостям. Уровни жидкости в отдельных аппаратах объекта. |
V
|
Параметры качества входных потоков |
Характерные точки фракционного и группового состава, плотность, температура застывания, вспышки, помутнения, октановые и цетановые числа, упругость паров и т. д |
VI
|
Параметры качества выходных потоков |
Параметры аналогичны параметрам для входных потоков
|
VII
|
Конструктивные параметры
|
Геометрические размеры аппаратов и элементов, переходных, соединительных и ограничивающих элементов |
При использовании метода группового ранжирования математическую модель строят итерационным (шаговым) способом: на каждом r-ом шаге исследуют структуру вида
y(k) = f(k) (X(k-1) , X(k) ), (7.18)
где X(k) – совокупность факторов k-го ранга, вводимых в модель на r-ом шаге построения; X(k-1) – оптимальная совокупность факторов из 1, 2, ..., k-1 рангов, полученная в результате предыдущих шагов.
Условием остановки итерационной процедуры построения модели является выполнение условия
R Rзад , (7.19)
где Rзад – заданное значение критерия (выбирается в зависимости от условий и характера использования модели).
Критерием выбора оптимального состава факторов внутри итерационного шага (ранга) могут быть численные значения различных статистических или динамических оценок свойств модели. Это могут быть и некоторые логические условия, например, минимальное число членов в уравнении с заданным количеством факторов, выбор структуры модели с приоритетом некоторых заданных факторов ранга, отсутствие в уравнениях модели членов с нежелательными факторами или их комбинацией и т. д.
Таким образом, алгоритм построения математической модели при введении ранговой группировки параметров процесса обеспечивает формирование структуры по двум путям – в направлении возрастания ранга и внутри самого ранга. В зависимости от специфики технологического процесса, а также области применения математической модели, возможно изменение состава параметров в каждом ранге и числа рангов. При этом за счет исключения неэффективных структур значительно сокращаются затраты машинного времени, а также возможен направленный перебор, обоснованный технологическими особенностями экспериментального объекта.
Адаптивная модель. На основе результатов, полученных при проведении экспериментальных работ и моделировании отдельных элементов систем управления, разработана адаптивная математическая модель пиролизной печи, устанавливающая взаимосвязь основных выходных характеристик процесса от режимных параметров. Модель можно рассматривать как эталонную (с заданной структурой), в которой изменения характеристик объема управления, в том числе и качества сырья, выражают изменением коэффициентов при соответствующих факторах (переменных).
В общем виде эталонную адаптивную математическую модель пиролизной печи (рис. 7.1) можно записать так:
бензиновой (р= 1, 2,..., m)
Gрэт= fр (api, Sp, Vp, Тр, Рр, М); (7.21)
Gрпр= р (bpi, Sp, Vp, Тр, Рр, М); (7.22)
р= р (cpi, Sp, Vp, Тр, Рр, М); (7.23)
р= р (d pi, Sp, Vp, Тр, Рр, М), (7.24)
где а, b, с, d – коэффициенты уравнений, – плотность пирогаза, – степень газообразования (конверсии), при переработке этана-рецикла принимается 1,
этановой (р = m+1, m +2, ..., n)
Gрэт= fр (api, Sp, Vp, Тр, Рр); (7.25)
Gрпр= р (bpi, Sp, Vp, Тр, Рр); (7.26)
р= р (cpi, Sp, Vp, Тр, Рр,); (7.27)
Каждое из уравнений математических моделей (7.21) – (7.27) представлено как полином второго порядка
, (7.28)
где ур – выходные параметры (Gрэт, Gрпр, , ); xpi – входные параметры (S, V, Т, Р, М); kpj – коэффициенты уравнений (а, b, с, d).
Уравнения (7.21), (7.22), (7.25) и (7.26) используются при решении задачи текущей оптимизации пиролизных печей, уравнения (7.23), (7.24), (7.27) – для вспомогательных расчетов текущих значений выходов компонентов Gрэт и Gрпр при выполнении цикла адаптации основных уравнений. Последние связаны зависимостями:
Gрэт = S C эт эт / ; (7.29)
Gрпр = S C пр пр / , (7.30)
где Сэт, Спр – содержание этилена и пропилена в пирогазе, % (об.); эт , пр – удельный вес чистых компонентов.
Зависимость (7.28) определяет максимально возможную структуру уравнений математической модели пиролизной печи. В процессе отработки системы управления на объекте возможно некоторое упрощение исходной структуры, что улучшает адаптацию коэффициентов уравнений и приводит к сокращению вычислительных процедур при решении задачи оптимизации, а следовательно, и продолжительности реализации программы на ЭВМ. Поэтому в промышленной АСУТП предусматривается возможность изменения структуры любых уравнений математических моделей с пульта управления ЭВМ.
Исследования показывают, что даже для линейной структуры эталонной модели с входными параметрами S и Т ошибка аппроксимации статических характеристик выходов этилена и пропилена не превышает погрешности измерения выходов этих компонентов с помощью хроматографического метода, которая составляет не более 4 % (отн.).
Практически все входные и выходные переменные, включенные в эталонную математическую модель, можно измерить на промышленном объекте с помощью автоматических датчиков.