Реализация алгоритмов управления на основе прогнозирующих моделей в системах каталитического крекинга нефти

• Автор: Пашаева, Бахар Адалят кызы
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 164 с. : ил.

Содержание

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

ВВЕДЕНИЕ

ГЛАВА 1. СОВРЕМЕННЫЕ ТЕХНОЛОГИИ УПРАВЛЕНИЯ В ПЕРЕРАБАТЫВАЮЩЕЙ ПРОМЫШЛЕННОСТИ

1.1. Концепция управления на основе прогнозирующих моделей

1.2. Промышленные системы управления на основе прогнозирующих моделей

1.3. Типовые структуры систем УПМ

1.4. Интеграция управления технологическими процессами и комплексная оптимизация

1.5. Выводы
ГЛАВА 2. ЛИНЕЙНЫЕ РЕГУЛЯТОРЫ С ПРОГНОЗИРУЮЩЕЙ МОДЕЛЬЮ
2.1. Основные свойства УПМ
2.2. Модели процессов и прогнозирующие модели
2.3. Оптимальное управление
2.3.1. Линейное прогнозирующее управление без ограничений
2.4. Задача УПМ с постоянным интервалом
2.4.1 Особенности моделей, применяемых в задачах УПМ

2.4.2 Постановка задачи синтеза регулятора
2.4.3. Прогнозирование: полное измерение состояний
2.4.4. Алгоритмы решения задач УПМ
2.4.5. Проблемы устойчивости в задачах УПМ
2.4.6. Математическое программирование. Условия оптимальности
2.4.7. Прямодвойственные методы внутренних точек
2.5. Особенности применения УПМ и алгоритмы настроек параметров регулятора
2.5.1. Оценка состояния и наблюдатели
2.5.2. Ограничения технологии УПМ
2.6. Выводы
ГЛАВА 3. ИССЛЕДОВАНИЕ ОСОБЕННОСТЕЙ ПРОЦЕССОВ ККН КАК ОБЪЕКТОВ УПРАВЛЕНИЯ
3.1. Функциональные особенности установки каталитического крекинга нефти (ККН)
3.1.1. Принцип функционирования установки каталитического крекинга нефти
3.1.2. Физико-химические особенности процесса ККН
3.2. Методы управления установкой ККН
3.2.1. Анализ процесса ККН как объект управления

3.2.2. Задачи системы управления
3.2.3. Обзор альтернативных структур управления каталитическим крекингом нефти
3.2.4. Анализ особенностей структуры управления установкой ККН
3.3. Математические модели системы ККН
3.3.1. Математическая модель ККН в установившемся режиме
3.3.2. Математическая модель ККН в динамическом режиме
3.4. Выводы
ГЛАВА 4. РЕАЛИЗАЦИЯ СИСТЕМЫ ПРОГНОЗИРУЮЩЕГО УПРАВЛЕНИЯ УСТАНОВКОЙ КАТАЛИТИЧЕСКОГО КРЕКИНГА НЕФТИ
4.1. Разработка математической модели установки ККН
4.2. Разработка упрощенной динамической модели установки ККН
4.3. Синтез системы управления установкой ККН
4.3.1. Определение оптимальных параметров УПМ-регулятора
4.3.2. Реакция системы на изменение возмущений
4.3.3. Сравнение результатов УПМ-регулятора с ПИД-регулятором
4.4. Выводы
ОБЩИЕ ВЫВОДЫ
СПИСОК ЛИТЕРАТУРЫ

Определение ограничений
Выделяют 2 типа ограничений, используемых в промышленных технологиях УПМ: жёсткие и мягкие. Жёсткими называются, те ограничения, которые нельзя нарушить. Мягкие ограничения допускают возможность отступления от них; размер отступления высчитывается исходя из квадратичных вычетов целевой функции. Все описанные здесь алгоритмы нелинейных УПМ позволяют жёстко задавать максимум, минимум входа набор переменных ограничений. Эти параметры изначально заданы таким образом, чтобы нижний уровень контроллеров многих переменных держался в рамках контроля и чтобы предотвратить сдвиг контроллеров к какой-то одной функции контроля. Алгоритм PFC позволяет, помимо прочего, настраивать максимальное и минимальное ускорения входа, что критично в случае механических серво контроллеров. Алгоритмы Aspen Target, MVC, NOVA-NLC и Process Perfecter применяют строгую оптимизацию к жёстким ограничениям входа. Однако алгоритм PFC применяет жёсткие ограничения на вход лишь после естественной оптимизации (оптимизации без ограничений). Это завершается прикреплением входных значений, превосходящих ограничения на входе. Все системы управления ведут учёт ограничений на выход как часть динамической оптимизации. Продукты Aspen Target, NOVA-NLC, и Process Perfecter предоставляют возможность настройки обоих видов ограничений (как жестких, так и мягких). Система PFC поддерживает наложение только жёстких ограничений, a MVC-только мягких. В технологиях УПМ контроллеров стараются избегать использования лишь жёстких ограничений, так как в таком случае возмущение может вызвать отказ функционирования контроллера.
Продукт Process Perfecter реализует мягкие ограничения с использованием метода усечённого конуса. Этот метод разрешает большую ошибку в начале горизонта, нежели в конце, но за пределами горизонта