·个人注册 ·个人登陆
网站首页 微信联盟 行业聚焦 专题 导购指南 知识 分类 影响力品牌评选 比较 评论 代理商信息中心 新闻 产品 供求 下载 应用
控制系统类 PLC DCS RTU 工控机 数据采集
变频与传动 变频器 软启动 伺服 步进 电机
仪表及检测流量 压力 温度 物位 电工仪表
电子元器件LED/液晶屏 集成IC 端子/连接器
执行设备类电动 气动 液压 阀门 电磁阀
总线及通讯串口设备 工业以太网 数传电台
机器视觉 RFID 安全栅 隔离器
电气控制柜 组态软件 电气设备
电源 UPS 防雷 嵌入类 DSP
电力火电 风电 配电
石化罐区 管道 炼化
冶金高炉 转炉 轧钢

 当前位置: 论坛首页 -> 第二产业设备成套区论坛 -> 煤油化气论坛 -> 技术问题 -> 化工过程控制的实践

主题:化工过程控制的实践

化工过程控制的实践 [ 润树 ] 于:2007-09-13 18:00:01

转自于西西河论坛,
原文地址为:
[url=http://www.ccthere.com/tags/%BB%AF%B9%A4%B9%FD%B3%CC%BF%D8%D6%C6/]http://www.ccthere.com/tags/%BB%AF%B9%A4%B9%FD%B3%CC%BF%D8%D6%C6/[/url]

前言

受爱莲之邀,我计划在本版讲一讲自己作为一个化工过程控制师的实践经验。以前晨枫已讲过很多自动控制的故事以及相关话题,获得热烈响应。我要继续讲下去难度较大,但念及爱莲兄的古道热肠,也只好勉力为之,同时也把这看作是对自己二十几年职业生涯的一个技术总结。在给出这个系列的内容提纲之前,我先介绍一下自己的专业背景。

1977年我参加高考时,曾想过学文科,对当作家记者之类有兴趣。但后来出于“集体的智慧”,还是报考了理工科,被一所大学的化工自动化及仪表专业录取。在学期间,我的功课很一般,课余时间大约有一半是花在文学书籍上。但进入专业课后,对自动控制有了兴趣,成绩有所提高。除了自动控制方面的课程以外,我们的电子电工和仪器仪表方面的课程也比较重,但那时大家都青睐控制理论方面的东西,不大看得起需要动手的仪器仪表,对一些化工方面的课也不太感冒。总之是想进象牙塔当研究员教授的多,而愿意去工厂当工程师的少。当然后来工作实践证明,这些思想有些偏颇。这恐怕是有点孔夫子的遗毒在里面,他老人家就不大看得上问他怎么种庄稼的学生。

我毕业后分到一所专科学校,系领导将我安排到仪表教研组去,我虽不情愿,后来还是对仪表产生了兴趣。以后在该校教过《检测仪表》,《分析仪表》,和《专业英语》,也带过学生下厂实习和毕业设计。

1988年,我获得美国一所州立大学化工系助学金,得以顺利签证来美留学。我学的是化工,弥补了以前学自动化专业的一些不足,90年获得硕士学位。论文答辩之前,我带上打字机,开车来到西部的一个城市找工作,很快被一家工程与咨询公司录用,一个多月后携家迁至该城正式上班。

我到任后作为核心成员之一参加一个多变量控制系统的开发工作。产品做好后,我们拿到一家石油公司的天然气处理厂应用并获得成功,然后向类似工厂推广。接着我在美国仪表协会(ISA)年会发表了文章。1993年初,美国的《控制》(《Control》)杂志,在全国范围内首次评选年度工程师。评选委员会将所有相关的工业分为10个领域,每个领域选出一名。我有幸被评选为“1993年度工程与咨询工程师”(Engineering and Consulting Engineer of the Year 1993),是当年最年轻也是唯一的少数族裔人士入选。此项荣誉对我以后在美国的职业生涯颇有助益。我接下来于1994年转至一家大的工程与咨询公司工作,为一套年产60万吨的乙烯厂设计了先进控制系统。1996年至今,在一所化学公司下面的一个研发中心任职,工作职责是为公司的某些化工生产过程提供自动控制的技术服务。

晨枫两年前的系列着重于经典控制理论的介绍,兼带现代控制理论以及它们的应用。我计划写的这个系列,将主要是介绍目前化工过程控制工程师经常使用的工具(大多是计算机软件),以及怎样应用这些工具,去解决化工过程控制中的问题,顺带也介绍一些基本有机化工的工艺及控制实例,杂之于自己的经历和见闻。以下是提纲:

一.  化工过程的数字仿真
a.  静态仿真及其应用
b.  动态仿真及其应用
二.  控制系统仿真软件
a.  Matlab
b.  Hysys/Aspen Dynamics
c.  自编程序
三.  多变量线性控制系统
a.  Aspen DMCPlus
b.  Honeywell RMPCT
c.  Tai-ji MPC
四.  优化控制系统
a.  Aspen RTO
b.  优化佳 动态相关积分(DCI)
五.  数理统计分析
a.  Minitab
六.  专家系统
a.  G2
七.  神经网络系统
a.  Pavilion Process Insight
b.  Aspen IQ
八.  化工过程及控制的实时监视和数据分析
a.  Oil Systems PI/Aspen IP21
b.  Aspen Watch
九.  化工过程的特点及控制实例
a.  化学反应过程
b.  分离和回收过程

晨枫兄对这个前言提了宝贵意见,特别致谢。

下面把自己的奖牌也扫描贴出来。十几年来我都没有向别人,哪怕是很亲近的朋友提及此事。现在既然以西西河为家,就无需顾及自我标榜的嫌疑了。

1.化工过程的数字仿真 [ 润树 ] 于:2007-09-15 10:16:08
所谓数字仿真(Simulation)就是将现实世界的事物,用数字化的方法,在计算机上模拟实现,因此仿真也被称作模拟。通过此种模拟实现,人们可以更好的认识,改造,和完善原有的事物。对于化工过程的仿真,可分为静态和动态两种。

1.1  静态仿真及其应用

世界上的一切事物,都是随时间而运动变化的,因此实际上都是动态的。一个连续的化工生产过程也是这样,从物料进入生产流程,到最终变成产品,是通过随时间变化的化学反应和物理分离的动态过程来完成的。但是在这个动态过程中,我们可以取物料流的起始点A和终止点B,对它从初始时间T1到终止时间T2的两个断点进行研究。我们并且假定,从T1始,一切影响从A到B的过程的外部输入变量都保持为常数,那么在经过充分长的时间后(T1 – T2),这个系统将完成其中间变化过程,最后达到一个静态平衡。静态仿真就是对T1和T2的两个静态点下的过程的状态进行模拟计算,而忽略其中间的动态变化过程。

比如下图所示的一个精馏塔,其设计功效是要将进料中80%的乙烷和20%的丙烷分离,在塔顶得到乙烷,塔底得到丙烷。由于各种条件的限制,塔顶和塔底都不可能得到100%纯度的产品。因此正常条件下,塔顶可能是98%的乙烷,2%的丙烷的组合,而塔底则是满足该系统物料平衡的丙烷和乙烷的组合,当然丙烷是其主要的成分。

 

这里,影响分离结果的外部输入变量很多,这里我们不妨假定起作用的只有进料流量,塔顶回流量和塔底输入热量。那么,在这三个变量都确定以后,这个精馏塔将处于一个稳态(静态)的生产状态。然而,当其中的一个变量,比如塔底输入热量增加,而其它两个变量保持不变时,塔顶和塔底的产品组分都将产生变化。虽然这个变化会是一个渐进的过程,但给以足够的时间,比如数小时,系统将达到一个新的平衡。可以预料,由于塔底热量增加,更多的重组分(丙烷)将被蒸发到塔顶,使得塔顶产品中的丙烷组分上升。具体会上升多少,在现实世界中可以通过仪器对产品组分进行分析而获知,但也可以通过仿真来计算。如果分析和计算的结果不一样,通常人们更愿意相信分析的结果。这就是说,仿真的计算往往是有误差的。那么仿真是根据什么来计算的呢?这就涉及到仿真的理论基础。

这个基础其实也很简单,就是我们这个世界上物质运动所遵循的最基本的定律:物质和能量守恒律,我们通常称它们为第一原理(First Principles)。在日常生活中,我们都自觉或不自觉的遵守着这个定律,无须去进行什么仿真计算。但是在化工生产中,由于众多化学元素和化合物都有各自的物理特性,它们在混合的时候,其特性不但随它们之间的相互作用发生变化,而且还要随系统的物质变化和能量变化的交替作用而产生变化,因此必须用高度复杂的程序才能计算出它们在某一稳态条件下的特性。这些程序,就是我们经常使用的化工过程静态仿真软件。

目前这样的软件有很多,通用的商业性软件包像Aspen Plus,Aspen Hysis,SimSci
等,价格昂贵,一个单人使用的许可证要好几万美元。大公司都是买多人使用的企业许可证,除了大笔头款外,每年还要交技术支持和升级费。而一些针对特殊过程专门设计的仿真软件,则多如牛毛。下面我们来看一下这类程序是怎么运行的,仍以前面举的精馏塔为例。

首先,我们要从软件的数据库中寻找这个过程所处理的所有化合物。顺便说一下,一个全面的数据库起码要收集好几千个化合物,以及它们在标准状态下的物性。乙烷的某些基本物性参数,象临界压力PC和温度TC,相对重度SG,在标准状态下的沸点TB,黏度VB,等等,如下表所示。为了使得仿真更接近于现实,其它各种物性参数还有很多,不一一赘述。

 

其次要定义这个过程的设备特性和工艺流程,以及它的初始条件,现在这些都是在视窗下以填表格等方式来完成的,如下图所示。

 

然后就是运行程序,检查结果。一个精准的仿真程序,可以通过计算,对过程进行非常详细的描述。以精馏塔为例,它会按不同的设计要求,计算出塔顶塔底的产品流里的各种参数,所需再沸器和冷凝器的能量需求,塔内部每块塔板上的温度,压力,气/液相的组分,各元素的分离系数等,应有尽有。本例的某些塔板参数如下图所示。

 

以上举的只是一个非常简单的例子。在大量实际的应用中,一个过程所涉及的化合物可能多达十几种甚至更多,当然也少不了各种各样的化工设备,像热交换器,压缩机,化学反应器,吸收塔,萃取塔,精馏塔,闪蒸器,等等。如果再加上一些循环回路,使计算变得非常复杂,需要很多次的往复运算,才能收敛,达到计算精度的要求。

那么,过程静态仿真有哪些应用呢?

A.化工厂的设计 — 对生产流程,产品指标,设备规格和费用,能源需求,给排水等等的计算快捷准确,节省设计者大量的时间。为此种工厂设计所做来的仿真流程,大流程套小流程,可以将整个工厂包容在一个文件里。正由于计算如此庞大,静态仿真软件是众多的工程设计公司和化学品生产公司必不可少的工具。

B.工程师对化工过程的学习研究 — 可以在不影响实际生产操作的情况下,对过程的操作条件进行任意的改变,以观察这些改变对过程的影响,增加对过程的了解和寻求增进生产效益的措施。简单的像前面提到的去乙烷塔,可以分别改变塔压,回流比,塔底温度等,来观察塔顶的重组分,塔底的轻组分,以及冷凝器和再沸器的负荷如何变化,作为设定良好操作条件的依据。

C.过程静态优化控制 — 在给定优化目标函数的前提下,让程序反复自动运行,寻找指定的优化变量的数值。我们在上面讲到的人为改变单个操作条件的方式,在比较复杂,特别是有循环回路的情况下,要找到该过程的优化操作条件,就会非常困难。静态仿真在此种情况下的应用,我们将在后面专辟一章来说明。

下面再给一个不太复杂的苯加氢生成环己烷的过程流程图和其计算结果。在这个过程中,苯和氢气混合(FEED-MIX)后通过预热器(FEED-HTR),进入反应器(REACT)进行化学反应,产品进入高压分离器(HP-SEP),将未反应的氢气回收循环,部分液体产品也进行循环,部分进入精馏塔(COLUMN),将反应中生成的轻组分副产品从塔顶分离出去,而在塔底得到环己烷产品。流程图的上方还有一个水冷却系统,通过仿真计算,为反应器提供夹层冷却,使反应器保持在所希望的温度。

 

 

(本篇的仿真图像均由运行Aspen Plus软件而产生)

故事 (一)

我1988年到美国时,化工过程仿真的商用软件还不多,大学里也少见。我学《高级过程设计》课程时,开头是用MathCad进行计算。后来系里有了Aspen仿真软件,但使用者需要自己输入专用码编程,还没有学会怎么使用,课程就结束了。学《高级热力学》,《化学反应工程》等课程时,所需计算也都是要自己编程。

90年7月我到S城C公司上班,马上就需要进行很多的仿真计算。那时有家Chem公司,专门从事化工仿真软件业务。我们从它那里买了一个许可证,由我负责该软件的运行。这个软件也是要使用者自己输入仿真专用码编程,我编程倒是很快就学会了,但化工的知识和实践经验都很少。所幸我的上司M先生是个能人。他是40年代的希腊移民,在加大柏克利拿到化工博士,毕业后为一家石油公司所用。M工作业绩突出,一路攀升,官至VP,R&D总经理。那时他领导的这个部门在S城有几千人之多。在他的公司,像他这种级别的人,政策规定到60岁必须退休。M的夫人是律师,犹太人。因此,他退休后就到C公司投资入股,盖C公司老板也是犹太人。M先生不愧来自古老的礼仪之邦,对同事下属都斌斌有礼。我常向他请教化工方面的问题,而他经常都会将我提出的问题加以扩展,再深入讨论,使我额外获益。在开发控制产品的同时,我还经常和M一道去各石油公司的天然气厂做调查测试,为未来的产品谋划用户。旅行中他对我照顾良多,我们互相也加深了了解,两家建立起不错的私交。我从M那里不仅学到许多化工知识,也学到他的一些工作作风和为人处事之道。

我们公司当时开发的多变量预估控制系统,是以多项式的数学模型为基础。而这些模型的建立,则有赖于从静态仿真产生的大量数据。因此我工作的第一年,有一大半时间是在运行仿真软件。仿真的对象都是天然气加工厂(gas processing plant)里的压缩机,气体吸收塔,提馏塔,精馏塔,热交换器等这样一些化工单元设备。这个过程,对于我进一步学习掌握化工基础知识,起了很大的作用。

Chem公司一度非常红火,产品热销北美,在AIChE举办的贸易展中曾大出风头。可是由于它的人机界面改善很慢,很快被另外几家竞争对手打败,几年间就退出了历史舞台,其工作人员都仓皇出逃。它以前有个销售经理,曾卖给我们软件,还教过我怎么运行程序,结果阴差阳错,现在跑到我们来公司求职。公司看他在化工界认识的人不少,就收留了他,还派他到我手下来学控制。此人化工知识还不错,控制理论却连皮毛也不懂。不过这也不妨碍他学了一年后,就跳槽到当时赫赫有名的一家控制公司高就去了。后来我见到他,看他以一副控制专家的派头高谈阔论,心里想,我敢和任何人拿10块钱打赌,此君只能是一个连一阶微分加时间滞后的拉普拉斯方程也写不出来的“控制专家”。

1.2 动态仿真及其应用 [ 润树 ] 于:2007-09-18 19:57:48
在静态仿真的基础上,加入时间变量,就成了动态仿真。一个化工过程,之所以会呈现出从输入到输出的动态响应特性,是因为不但物料在管道和各种容器中传递需要时间,而且热量的传递也需要时间。这种传质传热的动态特性,都是通过对时间的微分来加以描述的。因此,动态仿真除了要找到满足物料和能量平衡的静态解外,还要求解动态的微分方程。这就使得要对一个化工过程,哪怕仅仅是一个单元操作进行动态仿真,其计算量也是非常之大的。是故,动态仿真的概念和理论虽然早就发展出来了,但实际应用却是直到十几年前才开始得到普及。这个,当然是拜功能越来越强的计算机之赐。

为了说明动态系统的概念,我们可以用你家里的浴缸来打个比方。你今天心血来潮,淋浴洗烦了,决定要在浴缸里里泡它两个钟头。好主意,你不光工作紧张,看西西河的那么多帖子也累呀,放松放松嘛。你把下水孔堵上,拧开水龙头,开始放水。这没有什么玄念,浴缸的水位差不多会随时间线性上升。你看水位上升很慢,没耐性,决定上西西河浏览“一网打尽”(忘了累那一茬),过五分钟再回来。可是你刚走开,你那5岁的二丫头跑进来玩水,顺便把堵下水孔的塞子也给拔了。那么,从此刻开始,浴缸水位会继续上升呢,还是会下降?回答是,不一定,取决于几个条件:1)水龙头开得多大;2)下水孔流水多快;3)浴缸在塞子拔掉时初始水位是多高。

上面的1和2容易想到,但为什么会与3有关系呢?因为下水孔流水多快,除了与下水孔的孔径有关外,也与水压(正比于水位)有关。这么一来,开始看似简单的问题变得复杂起来了。不要紧,既然我们在讲动态仿真,那就不妨把这个现象来仿一仿。先写出这个过程的微分方程:

F(t) – L(t)/C = A*dL(t)/dt

式中,F(t)是水龙头的水流量,L(t)是浴缸水位,C是水从下水孔流出时所受阻力的阻力系数,与下水孔孔径等因数有关,这里权且看作是一个常数,A是浴缸的水面面积,假定也是常数。这个微分方程很容易解。但我们既然是搞控制的,就不妨把它变换成拉普拉斯函数:

F(S)- L(S)/C  =  ASL(S)

或  L(S)/ F(S) = C/(ACS + 1)

现在我们借助MATLAB仿真来对这个函数在以下几种情况进行研究。

状况1:假定  初始水位L。=  50%,C=1,A=100, 在此情况下,水位如何变化,将取决于水龙头的水流量F是多大:

a.  如果 FC > L。,塞子拔掉后,水位将上升,最后在一个高于50%的位置(FC)稳定下来;
b.  如果FC < L。,塞子拔掉后,水位将下降,最后在一个低于50%的位置(FC)稳定下来。 

状况2:假定  水龙头流量F = 50 初始液位L。=  50%,A=100, 在此情况下,水位如何变化,将取决于阻力系数的取值:

c.  如果C < 1,塞子拔掉后,水位将下降,最后在一个低于50%的位置(FC)稳定下来;
d.  如果 C > 1,塞子拔掉后,水位将上升,最后在一个高于50%的位置(FC)稳定下来。

状况3:假定  水龙头流量F = 50 初始液位;C =  1,A=100, 在此情况下,水位如何变化,将取决于浴缸初始液位:

e.  如果 L <  FC,塞子拔掉后,水位将上升,最后在一个高于50%的位置(FC)稳定下来;
f.  如果L >  FC,塞子拔掉后,水位将下降,最后在一个低于50%的位置(FC)稳定下来。

从以上各种情况下的结果,我们可以看到,L的稳态值 = FC,该一阶系统的动态响应时间常数是AC。F只影响系统的静态值,A只影响系统的动态响应,而C对两者都有影响。

MATLAB仿真的方框图和以上六种情况下的时间响应曲线如图1.2.1和1.2.2所示。

 
  图1.2.1

 
  图1.2.2

这个例子很简单,可以用任何一种计算机语言把整个响应过程用几行程序计算出来,只要将微分方程转换成差分方程就可以了。

动态仿真对于化工过程控制工程师的功用可以概括为以下几点:

1) 研究化工过程的动态特性,为PID常规控制的参数整定提供依据,或者为先进控制系统提供数学模型。一些过程的开环特性如图1.2.3所示:

 
  图1.2.3

另一个应用实例是在设计甲醛生产装置的先进控制系统时,需要对空气的湿度变化给甲醇汽化器中水的成分造成的影响进行辨识。大气中的空气进入甲醇汽化器后与甲醇混合,为甲醇的氧化反应提供氧气。在该产品的生产地,空气湿度很高,且在一天24小时内有较大的变化。按传统的工厂阶跃响应的方法,是没法对这个过程进行测试辨识的。不过这个过程所牵涉的化学元素并不多,过程也不复杂,可以用仿真软件对其进行比较精确的仿真计算,获得所需模型。图1.2.4是该过程的仿真流程,1.2.5是水在汽化器中的成分对空气湿度阶跃变化的响应曲线,在其工作段内是一个积分过程。

 
  图1.2.4

 
  图1.2.5

2) 设计新的控制系统或对现有控制系统加以改进。

在为化工过程设计新的控制系统时,往往有多种方案可供选择。对这些控制系统的动态仿真可以为最佳方案的选择提供依据。当现有控制系统出现问题,而又难以直接装置上进行试验时,可以通通过仿真来协助寻找问题。问题找到后,也可对预想的改进方案进行仿真,以减小不成熟的方案实施时的潜在风险。下面的实例可以对此进行说明。

某生产装置有一台空气压缩机,为四台平行运行的化学反应器提供空气。其原有的控制系统如图1.2.6所示:

 
  图1.2.6

压缩机的安全运行要求其出口流量必须大于一个对应于压缩机速度的最低流量。由于这个控制系统中,压缩机速度是手动设定的,为一个常数,因此其对应的最低流量也是一个常数。在四个反应器都正常运行时,所需空气流量达到最大,能满足压缩机最小流量的要求。如果有一个或多个反应器突然停车而导致其供气阀门关闭,整体空气流量将下降,此时必须迅速打开放气(Vent)阀,使多余的空气可以向外排出,以保证满足最低流量的要求。在这种情况下,最好也能够降低压缩机速度,使最低流量值也相应降低,减少放气量,节省能源。但原有的控制系统不能达此目标。

在设计改进的控制系统时,还考虑了将压缩机的出口压力控制在能够满足各个反应器所需空气的最小压力,进一步节省能源。但这个最小压力必然要受到某些变量,也就是各空气阀门的开度,的约束。我们知道,通过阀门的空气流量是其两端压差和阀门阻力的函数。当阀门上端压力减少,阀门开度必须增加,以满足同样的流量要求。因此,当四个平行空气阀门中任何一个的开度达到某一设定的上限值,比如90%,就表明找到了最小压力。

改进后的控制系统由两个回路组成:1)压缩机速度-出口压力-空气阀门开度的三重串级控制系统;2)由实时变化的压缩机速度计算出相对应的最小流量,并由此计算出满足该最小流量的放气流量控制器的设定值。此方案提出后,用HYSYS Plant 作了动态仿真,证实可行后加以实施,获得成功。此项成果并获得美国化学协会(American Chemical Society)当年度的能源节省奖。图1.2.7是该控制系统的仿真流程。

 
  图1.2.7

3) 用动态仿真系统来充当操作工的培训机。既然仿真是对过程的模拟,那么它实质上就是一个虚拟的生产装置。当然,由于过程的复杂,过程仿真部分通常是使用简化模型。在一个新建的装置投运之前,用仿真系统对操作工进行培训,能使操作工提前熟悉将要操作控制的对象,节省资源,提高培训效率。为了使虚拟装置更加真实,过程的仿真系统还要和实际的DCS控制系统连接起来,使操作工如身临操作现场进行实时控制操作。如今由于DCS也采用了视窗的操作平台,仿真系统完全可以做在DCS里面,使得系统开发能节省大量人力。这也就是为什么DCS最大的制造商Honeywell要以反垄断的名义,把HYSYS的培训仿真系统从最大的仿真软件开发商Aspen Tech那里夺过来,它一定是看到了里面很大的商机。

4) 动态仿真模型可用于实时控制,特别是对于一些非线性较强的过程。严格地说,几乎所有的化工过程都是非线性的。但如果该过程一但进入稳定状态,就很少变化,那么它在一个较小的工作范围内,可以近似看作是线性的。这也就是为什么现在一些线性的多变量模型预估控制系统,像Aspen DMCPlus,Honeywell RMPCT 等能够大行其市。但也有相当多的化工过程,它们总是需要工作在较大的生产区间,因而其非线性是不可忽略的。在这些过程中,前述控制系统往往就不大能施展拳脚。针对这种情况,某些控制系统供应商开发了用动态仿真系统为实时控制模型的非线性控制系统,投入市场也已经好几年。但据我所知,由于动态数学模型与实际应用过程之间的差别,要取得好的效果,还有很长的路要走。

2。控制系统仿真软件及其应用 [ 润树 ] 于:2007-09-22 17:07:33
前一章第二节介绍了化工过程动态仿真的基本概念,这一章我们具体来看一看动态仿真在自动控制领域里的应用。第一节介绍主要用来作理论研究的动态仿真软件MATLAB之Simulink;第二节介绍专门用于化工过程和控制系统仿真的商业软件HYSYS Plant和Aspen Dynamics;第三节介绍为了一些特殊应用,自己编的动态仿真程序。每一节都会与大家分享一些笔者所经验过的化工过程控制的应用实例。

2.1 MATLAB 和 Simulink

Mathworks是1984年在美国马萨诸塞州发展起来的一家软件公司,以MATLAB为其旗舰产品,成长迅速,现在已经是一个有1800人的全球性大公司,为大学里的教学和科研,以及工业界的研究和应用,提供强大的技术性计算支持。MATLAB的家族里,已经开发出几十个工具箱(toolbox),每个工具箱里包含许多数学模块,解决某些特定的问题。其中相当一部分工具箱,像优化,控制系统,模型识别,信号处理,鲁棒控制,神经网络,模型预估控制,等等,可以为控制系统的研究所用。

Simulink则是作为人机图像接口,为使用者运用MATLAB里的工具箱,提供一个良好的仿真平台。在Simulink家族下面,针对特别的工业应用,比如水力过程,电力过程,航空航天过程等,现在也开发出了一系列的模块,让使用者可以非常便利地对这些过程进行仿真。但是我们也看到,目前Simulink还没有开发出针对化工过程的专用模块。这是因为,化工过程中所牵涉到的大量化合物的物性以及化工设备特性,非常复杂,很难把它们做成模块。当然,这仍不妨碍我们运用Simulink,对很多典型的化工控制系统进行理论研究。而且,如果我们获得了某个过程的数学模型,或者过程的输入输出数据,也可以方便地用Simulink来对该过程进行动态仿真,帮助我们寻找问题,尝试对该过程的控制进行改进。

Simulink里一些基本的数学模块如图2.1.1所示:

     
      图2.1.1

这里面传递函数(transfer function)这块最有用,只要在其性能表上设定几个系数,就可以把一个高价传递函数描述出来。各摸快都有输入输出的连接点,通过它们可以把有很多模块的复杂系统方便地连接起来。

关于MATLAB和Simulink,有兴趣者可参看Mathworks的网站链接:

MATLAB的产品链:链接出处

Simulink的网上演示:链接出处

下面我们先举一个简单的控制系统仿真实例,来看看Simulink是怎么工作的,然后再看一个解决化工过程控制实际问题的例子。

图2.1.2的下半部分是一个控制系统的方框图。这个系统看似简单,但从理论上说,它几乎涵盖了控制工程师全部的工作对象,本系列各章的内容也都包含在里面。希望每个模块上方的文字,有助于说明这一点。

   
    图2.1.2

图2.1.3显示,PID控制器的参数和拉氏传递函数在Simulink里是如何设定的。

   
    图2.1.3

图2.1.2中的一阶过程可以通过一个PID控制器来达到良好的控制效果。图2.1.4是PID控制器在不同参数设定下获得的控制结果,微分作用在这里很弱,可有可无。其中,a是符合所谓“四分之一衰减”的参数整定的结果,因为它有振荡,在化工生产中通常是不会采用的;b是通过减弱积分作用(积分时间增大),避免振荡和出超(overshot),但系统响应滞缓;c是提高控制器增益,使响应加快;d是进一步加强积分作用,使响应更快达到稳态,虽有出超,但它是这几例中偏差积分最小的响应。

   
    图2.1.4

有了这个基本的控制回路以后,我们可以对它进行扩展,来研究其它的控制系统。比如,某过程具有由传质传热等引起的纯滞后的特性,我们可以在过程前加一个传递滞后(transport delay)模块(本例中引入50秒的滞后)。这时如果仍按前面d例中的控制器参数,系统响应将大大变坏,如图2.1.5左下角的响应曲线所示。在这种情况下,一般是通过增加PID积分时间来对付。另外一个经典的办法是加一个史密斯预估器,如图2.1.5所示。它的方法是,做一个模拟Process的传递函数Process1来预估没有时间滞后下的响应,将其迅速反馈到控制器。由于模拟的过程和真实的过程可能不完全一致,因此在将此预估值延迟(Transport Delay1)后,再与真实的过程输出相比较,并以此比较而产生的误差值去校正预估值。用此方法,几乎可使系统达到在没有时间滞后下同样的响应,如该图右下方所示(与上例d的结果近似)。

   
    图2.1.5

在此基础上,我们还可以再扩展一下,来研究一个串级控制系统。这只要在process后面加一个process 2,在controller 1 前面加一个controller 2,并连接一下主回路的反馈线就成了。其方框图和控制器参数整定后的系统响应如图2.1.6所示。

   
    图2.1.6


最后来看一个运用Simulink来研究和改进化工过程控制的应用实例。其过程和控制系统如图2.1.7所示。

   
    图2.1.7

这是一个蒸汽生产槽,其热量输入来自一个大型化学反应器的物料循环。其控制策略是,由出口蒸汽流量(次回路)来控制蒸汽槽的压力(主回路),而供水阀门用来控制蒸汽槽的液位。该过程在日常控制中存在的问题是,由于化学反应器所提供的热量波动,导致蒸汽槽压力,蒸汽流量和槽液位同时波动。而蒸汽槽液位的变化,又会使槽中的水和夹层中来自反应器的热介质之间的热交换发生变化,使压力和其它变量进一步受到干扰。因此,一但波动发生,严重时很长时间才能重新稳定下来。为了复制过程的这种现象,找到解决之道,我们最初用HYSYS动态仿真来构成了该过程和其控制系统,即图2.1.7中所示。但后来发现,用这个仿真,很难模拟蒸汽槽中的水与反应器热介质之间的热交换。于是对该过程进行了一些阶越测试,并根据测试所得数据,做出了几个相关控制回路的过程的数学模型。有了这些模型,我们就可以在MATLAB上用Simulink来进行仿真。该仿真的方框图如图2.1.8所示。

   
    图2.1.8

图中下方是蒸汽流量控制回路,该流量既直接影响压力,同时也通过蒸汽槽中的热交换影响压力(左上方)。压力控制回路的输入输出范围等因素也包括在了仿真里面,使仿真的压力调节器参数与实际PID参数可以直接进行比较(右上方的部分)。

通过仿真,找到了比较好的蒸汽流量和压力调节器参数,使控制效果得到明显改善。

   
    图2.1.9

由仿真得到的蒸汽流量和压力振荡曲线,与过程实际情况非常接近。流量有高频和低频两种振荡,前者是由于流量控制器过强的积分作用引起的,后者是由液位和热交换振荡引起的(图2.1.9上边)增加积分常数,即消除了高频振荡,如图2.1.9下方的曲线所示。

   
    图2.1.10

故事(二)

我开始接触动态仿真,是在大学毕业时做一个控制系统的研究。过程对象是某自来水厂,其输入(往水里加化学剂)到输出(水处理好以后的品质)之间,存在很长的时间滞后,课题指导老师认为用史密斯预估器可改善其控制效果。我当时是和一个同学共同做的这个课题。我们从水厂测试到对象特性后,就把这个控制系统转换成差分方程,然后用BASIC编程,在J-130机上进行动态仿真。这后一部分,即仿真的工作,花了我们好几天的时间。现在用MATLAB Simulink,同样的工作,则只需十来分钟。由此可见,计算机及其应用软件技术的发展,对提高工作效率起了何等重要的作用。

上世纪90年代初,商用的控制系统仿真软件开始面市,但很不成熟,且价格奇高。我那时在一家小的控制公司,虽然很想用上这样的软件,但公司花不起那个钱,只能邀请软件供应商来做一做演示,我们得以从中窥其一斑。不过我出国时带了一本清华大学熊光楞写的《控制系统数字仿真》,于是就拿出来依样画葫芦,自己编一些简单的动态仿真程序。后来学会了Visual Basic编程软件,有了图像的人机接口,自己做出来的针对某些特殊问题的动态仿真软件,还真有点摸样,本章第三节我会专门讲到。也就是在这时,我也开始用到MATLAB的Demo版,当初窥其貌,颇为其Sexy(可翻译成强大功能 )击节称叹。

又过了两年,我加入现在工作的化学公司时,发现本部门10来个人,居然有两套HYSYS (那时属加拿大Hyprotech 公司),两套Aspen Speedup (早期的Dynamics),而且基本上没什么人用。我自然是见宝就收,都拿来装在自己的机器上。仿真这种东西,说穿了也就是纸上或电子练兵,或者说是在没有真刀真枪下的沙盘推演。直接在工厂里荷枪实弹干的人,一方面是不太需要仿真,另一方面是陪不起那么多时间。但你说,对于那些整天坐在R&D办公室的人,不搞纸上/电子练兵,怎么杀时间?(不信就去问问电子赵括兄。)这样一来,我就成了公司里动态仿真的“专家”,一些需要沙盘推演的活,就会到我这里来。有时也有商用软件干不了的活,于是我的自编程序又可以拿出来抵挡一下。

久而久之,本部门的一位老同志有想法了。此君是个日本人,在公司已有三十年经验,在我来之前是公认的动态仿真专家。那他为什么现在不行了呢?原来他是机械学博士,化工的不懂,对控制领域的传递函数什么的还行,看到化工专用的HYSYS之类却只有望洋兴叹。那他还当什么动态仿真专家?别忘了,我们不是在讲MATLAB吗,这个东东可不需要什么化工知识,那些年他就是靠这个在打天下。我看过他做的Simulink应用程序,一个一个模块,密密麻麻,数都数不过来,不是专家是什么。那么他有什么想法呢?他想给公司的控制工程师们办一个MATLAB培训班,重现昔日辉煌。好,很好,我不是也可以趁机学学吗。到了那一天,培训室里坐了济济一堂,JP君正式开讲。在讲到关键的传递函数模块时,他把它从模块库里拽出来,再双击鼠标,表格出现了,打入几个数字,就在模块上显示出一个漂亮的拉普拉斯一阶传递函数。下面有人惊叹,但也有人发问:“XX,如何输入二阶函数?”老师回答说,“这个比较难,要先把二阶分解成一阶”。我一听,好生奇怪,有这等事?有些可以分解,有些则不能用实数分解,那该怎么办?幸好我也玩过一点Simulink,仿佛记得,就说,“你在分母项上打入三个分开的数试试”。对,就像上面的图2.1.3所示。他照此办理,果然轻易地得到一个二阶函数。他心里可能在想,真神呵!我却在想,难道他这个专家以前就没用到过欠阻尼的二阶函数?可见,动态仿真,说难也难,说不难,一阶方程就吃遍天了。


2.2 HYSYS and Aspen Dynamics [ 润树 ] 于:2007-09-26 15:58:57
前一节讲到的MATLAB,功能很强,应用广泛,但必须在有了现成的过程数学模型以后,才能对化工过程中的一些控制系统进行动态仿真。而很多化工过程,要对它进行数学描述,不是件容易的事,往往要成千上万个方程才能胜任。当然,如果只是要研究某个输入变量(比如精馏塔的回流量)对某一个输出变量(比如某塔板温度)之间的关系,可以通过在工厂的实际测试来辨识,得到实验模型(empirical model)。但这样的模型,只适用于在进行测试时的工作条件。当工作条件变化以后,其模型可能就变化了。这里面既有非线性的因素,也有多变量之间相互影响的因素。因此,要获得比较接近现实的化工过程控制系统仿真,必须在过程静态和动态仿真的基础上,再加上控制系统来进行。目前,这样的商用软件,以Aspen Tech公司的HYSYS Dynamics 和Aspen Dynamics 比较有竞争力。在本系列1.2节中,我们已经简单介绍了这两个软件。它们都是在静态仿真的基础上,加入过程的动态特性后发展起来的,其间有好几年的滞后。

在对一个化工过程控制系统进行动态仿真时,首先要对过程进行静态仿真,使其计算达到物料和能量平衡的状态。以一个分离异丁醇和正丁醇的精馏塔为例,图2.2.1是它在静态仿真下的输入设定和输出结果。在转入动态仿真前,要对一些容器的体积进行设定,如图2.2.2所示。

 
  图2.2.1 异丁醇精馏塔的静态仿真结果,by HYSIS

 
  图2.2.2 异丁醇精馏塔的动态设定

另外,转入动态的前提是,过程必须能够保持物料平衡。对于一个精馏塔,就是要分别有塔顶和塔底的液位控制。仿真软件一般会预设这样的控制回路,比如由塔顶液体产品流量来控制回流罐的液位,由塔底产品流量来控制塔釜或再沸器的液位。当然,使用者可以根据自己的实际情况,对预设的控制回路进行修改。有些塔可能用再沸器的热量输入(如蒸汽流量)来控制塔底液位,由回流量来控制塔顶液位,等等。无论此物料平衡如何达成,通常情况下,一个精馏塔,会有两个自由度,即两个输入变量,可以被用来控制该塔的两个输出变量。比如,塔底再沸器可用来控制塔底温度或塔底产品纯度,而回流量可用来控制塔顶温度或塔顶产品纯度。图2.2.3是该塔的可能的许多种控制方案之一。

 
  图2.2.3 异丁醇精馏塔的控制方案之一

既然是动态控制系统仿真,那末实际控制系统所有的一些基本单元,仿真系统也必须具备。图2.2.4显示了该过程各PID调节器的面板,组态和参数整定表格,以及对某些变量的跟踪显示。图2.2.5例出了更多的化工设备和控制元件。广义的多变量模型预估控制器,和Aspen的DMCPlus,现在也都可以用在这个动态仿真系统中。

 
  图2.2.4 异丁醇精馏塔的控制器特性

 
  图2.2.5 HYSYS更多的动态元件

上面这个例子是用HYSYS Dynamics来做的。类似的,我们再用Aspen Dynamics来对1.1中的乙烷和丙烷的分离塔以及它的控制系统进行动态仿真。该系统与HYSYS的区别是,必须先用Aspen Plus对过程进行静态仿真,设定设备的动态特性,然后将静态仿真的结果输出到一个文件里,再将该文件输入到Aspen Dynamics。这个过程如图2.2.6和2.2.7所示。

 
  图2.2.6 乙烷分离塔的动态设定,by Aspen Dynamics

 
  图2.2.7 乙烷分离塔的预设动态控制

由于有两个自由度,我们可以用再沸器热量输入来控制塔底乙烷的成分,而用回流量来控制塔顶丙烷的成分。图2.2.8显示这两个控制器在分别改变设定点时的响应。

 
  图2.2.8 乙烷分离塔的控制响应

最后,我们来看一个稍微复杂一点的应用实例。回到1.2中的空气压缩机。由于市场需求增大,某厂在原来四台平行运行的化学反应器之外,又添加了一台反应器。但原有的空气压缩机已经处于满负荷状态,因此必须同时也添加一台压缩机。新的压缩机负荷有余,考虑将其一部分空气输送到原有的空气供给系统中,进一步提高产能。但是这样一来,两套系统就会相互关联,以下情况特别值得关注,那就是:当新的反应器(R-59)紧急停车,其空气压缩机(C-179)也将停车,这样其它四台反应器,特别是接受C-179供气的R-38,的空气流量都将受到干扰,使反应器空气流量和有机物流量的比值超过安全线,迫使该反应器也自动保护停车,造成生产损失。在这种情况下,动态仿真系统便成了一个非常有用的工具。图2.2.9是这个系统的仿真流程图。图2.2.10是在R-59和C-179停车后,R-38(红线)和R-27(蓝线)空气流量控制的响应。

 
  图2.2.9两个空气压缩机互联的控制系统仿真

 
  图2.2.10 R-59紧急停车时,R-38和R-27的控制响应

自编动态仿真程序 [ 润树 ] 于:2007-10-01 17:17:41
上两节讲到的商业性通用仿真软件,功能很强,可在工业界广泛使用。但在某些特殊场合,对过程的静态特性不能作出准确的数学描述,这些软件就不能派上用场。比如在化学品制造业,很多化学反应的数学模型或者没有,或者仅为业者由内部研究所获,不对外公开,商用软件就使不上力。在后者这样的情况下,要么想办法把自己的模型输入通用软件,要么甘脆针对此特殊问题自己编程。而对于前者,别无它途,必须想办法先建立起模型。十几年前,某化学公司在全球范围内有二十几套将醋酸(acetic acid)裂解来或得Ketene的裂解炉。为了对该过程进行优化控制,公司专门建了一个实验裂解炉,对各种工况进行反复试验,并在其高温出口处安装质谱仪对其裂解后的成分进行检测,以期获得该过程的数学模型。此建模过程延续了一年,设备和人工费加起来近千万美元。老外迷信模型,由此可见一斑。

对于静态仿真,有了数学模型,程序就好编了。如果需要在静态的基础上加入动态特性,则要费事一些,但也仍然有章可循。几十年来,这方面的专著很多。但弱水三千,也只需取一瓢饮足矣。我在十几年前,就凭手头的一本《控制系统数字仿真》(清华大学熊光楞著,1982年),自己由简单到复杂,编了一些针对特殊问题的动态仿真程序。我所应用过的一些动态环节主要有:

1)  一阶微分加纯滞后响应
2)  二阶微分过/欠阻尼响应
3)  PID调节器
4)  多变量预估控制
5)  开关控制/逻辑控制

下面是几个应用实例,都是用Microsoft Visual Basic来自编程序实现的。VB的功能也很强,其视窗下的图像接口,为像我这样的非专业软件编程者,提供了足够专业的编程工具。图2.3.1是我在下面要讲到的应用实例时所写的几个子程序。第一个是PID算法,第二个是一阶微分加纯滞后(FOPDT)响应特性,第三个是在仿真中的暂停,第四个是历史数据的图像显示。(做出第四个子程序我颇有成就感,苦思瞑想了好半天,再逐渐完善。它可以同时显现6个变量,每个变量可以自动改变上下限,可以随时间无限推移,还可以改变要显示的时间长度,等等。如图2.3.2所示。当然,这对专业的编程员,不过是小儿科。)

 
  图2.3.1 VB程序中的子程序

 
  图2.3.2 由VB程序做出的仿真变量历史跟踪

A。乙烯厂的先进控制系统

某工程与建筑公司为一石化企业设计一个年产60万吨乙烯的工厂,该企业同时要求在设计常规控制的同时也设计出多变量模型预估控制系统(MPC)。传统上,MPC的模型是从工厂的实际测试中辨识而得,但这对于一个正在设计中的新厂显然是不现实的。不过由于乙烯裂解炉的进料是乙烷,其裂解过程有比较成熟的数学模型,其后的分离过程也相对容易进行静态和动态仿真,因此可以在仿真的基础上来获得数据和建立模型。图2.3.3是该厂的简化流程。我在为该公司工作期间,设计了裂解炉,乙炔反应器和乙烯分离塔的MPC。

 
  图2.3.3 乙烯厂简化流程

对于裂解炉 (图2.3.4),由于乙烷和蒸汽混合后通过炉体的过程很快(毫秒级),只要用静态模型就可以了。但是精确的静态模型很复杂,所需输入变量多,计算较慢,不适于直接用在动态控制系统中。因此,我们用该模型产生的数据作出简化的多项式模型来快速(每分钟一次)计算过程输出,而用低频运行的精确模型的计算结果去校正简化模型的结果。其控制逻辑如图2.3.5所示。用VB写的这个动态仿真程序,主要用来演示为该过程设计的MPC的控制效果。

 
  图2.3.4 乙烯裂解炉的控制系统

 
  图2.3.5 控制系统方框图

对于乙烯分离塔(C2 Splitter),动态响应的时间很长,必须做出动态模型。十几年前,如果要对该塔(有96块塔板)进行在线精确的动态仿真,并以此为控制模型,对计算机的计算能力来说,是不现实的。因此实际应用时,是根据精确的动态仿真的数据,把它的一些动态特性用一阶滞后来近似。图2.3.6是该塔的控制流程图。

 
  图2.3.6 乙烯分离塔控制流程图

B.乙基丙酸酯的物料平衡控制

如图2.3.7所示,该过程的生产流程是,作为反应物之一的乙烯(C2H4)气体从V-490顶端进入反应器,在催化剂(H2SO4)的作用下,与循环喷洒的反应器母体容液中的丙酸(HAcA)产生酯化反应生成乙基丙酸酯(EtAcA)。产品从V-490底部送出至分离塔T-73,在塔顶获得EtAcA产品,塔底的大部分重主份液体循环回反应器,小部分送至下一段工艺回收处理。

 
  图2.3.7 乙基丙酸酯过程和控制流程图

按原有的控制系统,T-73的塔底液位是由另一反应物即丙酸的流量来控制的。由于丙酸是从反应器的循环回路进入反应器,它的流量的变化要经过反应器的液位控制来影响T-73的进料流量,从而控制T-73的塔底液位,因此这两个塔的液位控制是相互作用的,不似一般情况下,只有上一个塔对下一个塔有影响。由于控制效果不好,该装置的控制控制师希望中央工程部能够对这个控制系统进行动态仿真,以期寻求改进措施。因为通用软件没有该反应器的机理模型,最后只能用VB自编程序来研究。

自编程序对该装置的物料平衡作了精确的计算,但对T-73的热量平衡计算进行了简化,以避免对该塔的各塔板进行精确计算。在研究仿真结果的基础上,提出了以下改进建议:

1)在不改变现有控制回路的前提下,增大T-73调节器的增益,但大大延长它的积分时间。图2.3.8和2.3.9是该调节器参数整定前后对T-73液位控制设定点改变的响应;图2.3.10和2.3.11是分别对V-490进料流量变化的响应。

 
  图2.3.8 该调节器参数整定前对T-73液位控制设定点改变的响应

 
  图2.3.9 该调节器参数整定后对T-73液位控制设定点改变的响应

 
  图2.3.10 参数整定前T-73液位控制对V-490进料流量阶越干扰的响应

 
  图2.3.11 参数整定后T-73液位控制对V-490进料流量阶越干扰的响应

2)改进控制方案,用T-73塔底的循环流量来控制T-73塔底液位,使该回路的过程动态特性大大加快。如此将使丙酸流量成为自由变量,与乙烯进料流量形成比例控制,满足该化学反应的物料平衡。

C.  丙酸反应器的安全生产研究

某丙酸(HAcA)生产装置,如图2.3.12所示,有四台并行操作的化学反应器。反应机理是,丙烯(C3H6)气体在催化剂作用下,与由压缩机提供的空气中的氧气进行氧化反应,生成丙酸。四台反应器的出口物流合并后进入回收塔T-61,丙酸被该塔的循环母液吸收,而其它轻主分气体从塔顶排出,经过焚烧后向大气排放。由于该气体在进入焚烧炉前这一段管道中含有氧气和有机物,它们在满足一定的成分组合时将自燃,引发事故,因此必须保证它的成分组合在任何情况下都不会进入自燃区间。在四台反应器都正常操作的情况下,不会有问题。但在以下情况下则有可能出现安全隐患:

 
  图2.3.12 丙酸生产过程仿真流程图

当某一台反应器在停车后重新启动,按操作规程需要先向其提供空气流量(有了额外的氧气),恰在此时另一台反应器因某种原因紧急停车,控制系统将启动紧急停车步骤,按预定程序向反应器输送蒸汽。这样T-61塔顶的气体成分将偏离正常的工作区间,而有可能进入自燃区间。当然也有可能是两台反应器同时/相继启动,或同时/相继停车,为了不漏过任何可能的安全隐患,必须对它们中较危险的几种组合进行研究。人们不应对此抱有侥幸心理,若干年前,该装置确实发生过一次严重的自燃事故。也正是在此次事故之后,该公司专门成立了几个小组对不同的课题进行调查,找出事故原因,并提出改进之道。其中的一个小组,就是专门研究上面提到的特殊情况。显然,此种研究只能通过动态仿真来进行。

同样,由于通用仿真软件缺乏该化学反应器精确的机理模型,加之各种开车停车的程序组合,动态仿真难以用标准软件来实现。但公司自己有静态机理模型,加入相应的动态特性后,即可通过VB编程来进行动态仿真,对各种可能的情况进行研究。其结果是,在几个月的努力工作后,找到了某些安全生产的隐患,并改进了反应器开/停车的自动操作程序,不在此详述。

  原帖地址:http://bbs.zidonghua.com.cn/read.php?tid=65945


  【bbs_mym】说: 2009-4-29 6:21:48  
   3.模型预估控制(MPC) [ 润树 ] 于:2007-10-07 13:46:47
MPC在十几年前开始红火起来,现在也还没有衰竭的迹象。从技术上来说,我想可能有两个重要的因素在起作用。一是其模型预估的功能,使一些比较难于控制的变量能够得到较好的控制,二是过程模型的建立使得多变量控制变得比较容易实现。其结果,当然必须在改善过程的生产效益,减少能源消耗,提高产能上体现出来。下面,我们就这两个因数具体地谈一谈。

为什么模型预估能够改善控制效果呢?这要从常规PID(比值加积分加微分)控制谈起。如图3.0.1所示的常规PID控制回路方框图,PID的输入e,是我们所希望过程要达到的设定点SP与过程实际输出值y之间的差值,我们把它叫作偏差。当这个偏差稳定在零或很小的数值时,过程就算达到了稳态。一但设定点改变,或过程受到干扰而其输出发生变化,偏差就不再是零,控制器就会通过PID的算法,来改变控制器输出即过程的输入u,来把偏差重新驱动到零。

   
    图3.0.1 典型的控制系统方框图

问题是,究竟过程的输入应该是多少才能使其输出达到设定值,从而使偏差为零呢?PID控制器并不确切地知道,它所知道的是,如果偏差为正值,那么我应该大概增加多少过程输入(这里的过程增益为正),而如果偏差为负值,我就应该大概减少多少过程的输入。这里大概增加多少/大概减少多少的数值,取决于工程师根据对过程的认识来设定的PID参数。因此,参数设定得好,控制系统就能很快消除偏差;反之,则可能要经过很长的时间才能消除偏差(图3.0.2a),严重时偏差将在正负值之间来回振荡,导致系统长时间不能稳定下来(图3.0.2b)。

   
    图3.0.2 不同参数设定下的PID控制响响应

显然,这里的关键是要知道过程的特性,即它的静态增益和动态时间常数(对于大多数的化工过程而言)。事实上,如果知道了该特性,那么一个理想的控制器算法不是PID,而是该过程函数的颠倒(inverse)。一个负反馈系统理想的算法,就静态来说,过程的增益和控制器的增益之乘积应该是1(即它们互为倒数);而就动态来说,过程是滞后的,那么控制器就应该是超前的。比如,一个用阀门开度来控制流量的过程函数是2 /(100S + 1),那么理想控制器应是(100S + 1)/ 2 = 50S + 0.5。也就是说,如果实际流量比设定值小2个单位,那么阀门开度应该增加1个百分度。现在我们用MATLAB仿真来看看这样的理想控制。由于是理想模型控制,我们甚至连反馈也不需要了。用Simulink的传递函数模块不能直接实现(50S + 0.5),但我们可以合理地用(50S + 0.5)/(S + 1)来近似。图3.0.3上方的两个显示分别是过程的输入和输出。我们可以看到,过程输出响应很快,几乎在瞬间就达到了设定点 (否则为什么叫理想?)。下方的两个显示是在缩短到前十几秒来看的输入和输出。

   
    图3.0.3 理想模型控制的响应

当然在实践中,这样的理想控制是不大可能实现的,有两个原因:

1)从上例可以看到,由于控制器算法是一个很强的微分,它在设定点改变瞬间(零时刻)的输出是500,也就是说要阀门的开度达到500%,这显然是不现实的 (最大开度是100%)。也就是说,在实现模型控制时,必须考虑系统的约束条件。

2)无论用什么方法去获得过程的模型,这个模型不可能与过程实际特性完全一致。如果让系统处于开环状态,那么不但不能获得理想的控制效果,甚至连设定值都永远无法达到(没有PID的积分作用)。由于这个原因,模型控制仍然必须有反馈的机制,形成闭环控制。

在考虑以上两点的基础上,利用过程模型来预先计算(预估)过程输入输出在某一时段里的变化轨迹,从而对控制系统进行动态优化的MPC的三个基本方程就出来了:

问题:  ( 1 ) Minimize Sum (e[i]’Q e[i] + u[i]’R u[i]) ,e[i] = x[i] - sp

满足:  ( 2 ) x[i+1] = A x[i] + B R u[i], x[0] = x0

结果:  ( 3 ) u”[i] = K[i]x”[i], i = 1, 2, …… , p

方程(1)中的e[i]’是过程偏差向量e[i]的转置,u[i]’是过程输入向量u[i]的转置,x[i]是过程的状态向量。这个方程提出的问题是,对过程的偏差向量加权的平方以及过程的输入向量加权(Q, R)的平方之和进行最小化。传统上,动态优化控制只考虑控制偏差e的轨迹,而这里输入u的的变化轨迹也成为了一个优化变量,这是因为,u的变化不但要受到物理条件(比如阀门开度不能大于100%)和安全生产(比如压缩机速度不能变化太快)的约束,而且它们的变化本身与生产成本有很大关系。在化工生产中,很大一部份的u都与能源的使用有关(裂解炉的燃料,精馏塔再沸器的蒸汽等等)。

方程(2)是用状态空间函数来描述的过程动态和静态特性。不同的MPC产品,也可能用不同的数学形式来描述此特性。

方程(3)中的u”[i]和x”[i]是求解方程(1)所获得的过程优化输入输出变量值。K[i]是在求解方程 (1) 所对应的黎卡的(Ricatti)方程所获得的状态反馈增益矩阵。

在实际的MPC计算中,还必须加入输入和输出的约束条件(通常用不等式来表达),以及从过程的实时检测来校正过程模型误差,因此比这里的三个方程要复杂得多。如果再应用到多输入多输出的控制系统中,其计算量更是庞大。我们在这里就不深入讨论了。对MPC的理论和计算有进一步兴趣的朋友,可以参考其它文献。这里向你推荐下面这篇论文。

链接出处

使MPC热门的第二个因素是它在多变量过程控制中的应用。传统的过程控制系统是单输入单输出(SISO)的,这对于一些简单的控制回路,像流量,压力,温度等,是很有效的,完全没有必要用MPC。但是如果要通过控制来提高某个生产装置的生产效率,就必须有一个大的控制器来对各SISO系统进行整体的协调,这就诞生了多变量的MPC。事实上,现在工业界说到MPC,都是指多变量的模型预估控制。

在此控制器中,可能有M个控制变量(manipulated variables, MV),N个被控变量(controlled variables, CV)。取决于实际的应用对象,将可能出现下面三种情形:

    1)M > N,有无数个解,所有的CV都可被控制在设定值上。
    2)M = N,有唯一解,所有的CV都可被控制在设定值上。
    3)M < N,无解,不能将所有的CV都控制在设定值上。

由于实际应用中有众多的约束条件,以上3)是最常见的。在这样的情况下,多数CV都是被控制在某一范围之内,而不是在某一个设定值上。

MPC的输出,一般都不是直接送到生产管线上的执行单元,像阀门,电机等,而是作为SISO控制回路的设定值。这就形成了两个级别的控制系统。第一级是常规控制,大约每秒钟计算一次控制器的输出;而MPC是第二级控制,大约每分钟进行一次这样的计算。比如一个精馏塔,在常规控制下,它的塔顶回流是由一个流量调节器控制的,它的再沸器蒸汽流量是由塔底温度调节器控制的,但是这两个调节器的设定点(希望的回流量和温度值)则是由操作工手动设定的。而在MPC控制下,这两个设定点就可能成了MV,MPC通过调节它们的数值来控制塔顶和塔底产品的成分指标,形成一个2 x 2的MPC。当一个MPC所覆盖的过程很大很复杂时,它可能会有十几个甚至几十个MV和CV。

MPC在提高化工生产过程的效率上,主要着眼于以下几个方面:

1)提高原料转换成产品的转换率。这即可能体现在反应器的转换率上,也可以体现在把反应出来的产品尽可能多地从副产品中分离出来的过程中。MPC通常是通过提高过程的稳定性以及卡边操作(将某些CV推向低限或高限)等手段来达成的。

2)提高产能。一个生产装置在设计并投入运行以后,生产者一般都会通过改善操作条件来获得更高的产能,但往往会受到某些约束条件或瓶颈的限制。MPC可以将这些约束条件推倒极限,因而使装置总是处于最大产能的操作状态。

3)降低能源消耗。除了一些卡边操作的手段外,MPC的动态优化控制在这方面具有先天性的优势。

我们将在下一节讲到MPC的软件及其应用时,就MPC在提高化工生产过程的效率上举例作详细的说明。



故事(三) [ 润树 ] 于:2007-10-07 14:03:03
1990年,我踏入美国过程控制的领域,一开始就是在C公司做MPC方面的产品。此时,由在工业界首吃螃蟹,开发和实践MPC的Charlie Cutler所创办和领导的公司DMC(Dynamic Matrix Control),已经在石油炼制厂应用它的DMC产品闯出了名号。C公司的老板和M博士则看上了天然气处理厂这块处女地,决心开发出为这个工业服务的MPC产品。M对化工领域的机理模型情有独钟,且非常了解天然气处理厂的技术和经济原理,想走建立机理模型的路,而不是像DMC那样由工厂试验数据来获得线性模型。我那时刚从学校出来,学了些化工理论,也不大喜欢那种线性模型,对M自然是顶礼膜拜。但后来我们的产品也没有用上机理模型,因为计算实在太复杂了,难于在线实时实现。最后我们是通过仿真产生大量数据,然后用数理统计的方法来找出多变量之间的静态关系(可以是非线性的),再从少量的工厂测试找到动态特性。这样的模型,从理论上来说,应该说不比DMC的模型差,而且在应用中也确实取得了一些成功。但由于模型的非标准性,在软件的实现上也就难于做成标准化的通用软件。不过我们在天然气加工领域的成功,也引起了DMC的注意,他们也加入了竟争。DMC副总裁还写信向我索要在ISA年会发表过的文章。其实我很清楚,此文章他根本无需向我要,他可能是在向我传递可到他那里工作的信号。我此时仍不认为DMC是多了不起的产品,而且觉得如此跳槽到自己公司的竞争对手有些不符合职业道德,回了他的信后就没有再和他联系。后来有个比我低一级的校友Z博士,也是控制专业的,从外州来,要去DMC面试。他先和我见了面,我说你可以向那个副总裁说是我的朋友。他获得DMC录用不久,Aspen Tech收购了DMC。他在十年前就回中国为Aspen打市场,听说商业上做得很成功,但DMC技术上的应用并不好。

C公司产品的一个致命弱点是开始没有采用MPC的标准算法,而是运用多变量的Smith预估器原理,因此在业界并未被看作真正的MPC产品。后来该产品经过改进,C公司竟被通用电气(GE)收购,公司的投资人应该获得了不错的回报。顺便说点八卦。与我同时被C公司录用的,还有一位北京来的才俊,他负责软件的编程。熟了以后知道,其父是1948年的斯坦福物理学博士,后来任职于中国科学院;其母是中国的第一代女飞行员;其泰山大人是中国当时赫赫有名的一位大学校长。一年多以后,我还帮助大学时的三位同班同学进了C公司。在高峰时期,这个30来人的公司,竟有9人来自中国。但正像某位河友在一篇文章里说过的那样,人就像刺猬,靠太近了就不行。为了更好地发展,我们后来都各奔东西。

不过咱们中国人占了世界人口的五分之一强,到哪儿都是一个不小的分数。而你碰巧又是做自动控制这一行的话,这个分数就会更大一些了,甚至可能成为某部门的Majority。话说我1994年离开C公司,加入了R公司,这是家做工程与建筑(E&C)的大公司,颇有名头。它有一个专门做石化工业的部门,我进了其先进过程控制(APC,advanced process control)组。其实这个公司此前并没有什么搞APC的专家和经验,但在接了设计60万吨乙烯厂的任务后,就想罗致一些搞APC的人手。有了项目有了钱,当然就好办事,一时之间,该组就从最初的3人扩张为8人。其组成,你猜怎么样?除了正组长,其余全是老中,其中还有两位高挑的清华MM。这可好,一屋子的刺猬!不过说实话,我们大家相处还是很不错的,中午很多时间都是一起到外面去吃饭,附近众多中餐馆的广东式茶点(dim sum),成了我们的标准午餐。但有和谐,也会有斗争。本组副组长大概是看自己人多势众,他又是这里的元老,还有后台,就想和正组长斗斗法。下面的人当然就要选择站边,长此以往,看在我这样喜欢干净的人眼里,就有些不入目的事情发生。而且大家在想,这个项目做完了,下面怎么办?这几乎是所有在E&C公司工作的人要经常面对的问题。天下哪有不散的宴席,还是先逃吧。我于是进了化学品生产公司H。那是1996年。

这次是在公司的R&D部门,还是控制组。组里除了搞仪表的外,做控制的连我共4个人,但老中却只占了四分之一。我做得还不差,先以动态仿真站住了脚,再帮助厂里的控制工程师搞了一些常规控制系统的改进。那时化学公司在MPC的应用上都比较保守,一是安全生产要紧,不出事保证产品能天天源源不断地生产出来才是上策;二是担心MPC的线性特性不适合化学品生产的控制。因此我们虽然知道MPC的一些优越性,要在工厂里普遍实施却有很大阻力。[url]http://www.ccthere.com/article/1276086[/url]

中国人对旧时军阀–商人–先生之间的关系有很好的归纳,我举三反三,把公司里的上层管理–生产部门–技术人员也来作一个描述:技术人员不敢得罪生产部门,因为他们的项目预算和实施都必须得到生产部门的支持,生产部门对上层管理必须服从,不然吃不了兜着走,没有谁是不可替换的;上层管理对技术人员有些敬畏,到底生产过程要依靠他们来不断改进。因此,2001年,当公司新上任的总裁一声令下,在公司里全面实施APC时,所有阻力都不见了,整个公司都动了起来。此君是GE前总裁Jack Welch的信徒,员工们知道Six Sigma的不多,但那个百分之十是怎么回事却大体听说过。

不久一看,我们组的十分之一好像是组长。他此前推动APC不力,虽暂未遭到免职,上面却另外命名了一个年轻人领头,成立APC老虎队(Tiger Team),到公司的各大厂家去做调查,找出第一批实施MPC的对象。他当然知道上面是什么意思,很快就自动退休了。我代表R&D,忝列老虎队,到外面转了一圈,回来后就全力扑在MPC上了。六年下来,我们公司在同类公司中,就所有生产装置而言,可能是MPC安装率最高的。而我以前的三个同侪,也都或退或离不在了。但这个组搞控制的人员,却有增无减,目前是8位。你再猜一猜它的组成?4个老中,不少了,两分天下有其一。形势喜人呀,但愿我不再需要逃走。[url]http://www.ccthere.com/article/1276086[/url]


3.1 模型预估控制通用软件及其应用 [ 润树 ] 于:2007-10-13 18:25:29
目前在化工界获得广泛应用的MPC软件有Aspen DMCPlus, Honeywell Profit Controller(RMPCT),Adersa HIECON/PFC, Invensys Connois, SGS SMOC等。它们的控制原理都是基于本章上一节所阐述的MPC基本方程,但在许多细节的设计上有差别,体现在建模的方法,模型的形式,反馈方式,优化目标函数及其约束,输出轨迹和区间,求解方法等等。尽管这些差别导致了不同软件在应用上的非标准化,但是它们的实施步骤却是大致相同的,归纳于下:

1)  对应用对象进行先期调查,分析该过程的历史数据,找到控制系统可以改进的空间并估计其经济效益,规划MPC控制器的结构,定义控制变量(MV)和被控变量(CV),确定是否需要附加检测信号。然后根据调查结果提出报告,报请主管部门批准。做这样一个项目,如果能在半年至1年内收回投资成本,一般就能获得批准。

2)  一旦项目获批,即可对过程进行测试,也就是对过程的输入加以人为的扰动,以观察和记录过程的输出对这些扰动所产生的响应。现在的测试方法有自动和手动可供选择,扰动信号即可是阶越也可是伪随机二进制的形式;既可在预定时间段里只对单个变量进行扰动,也可对多个变量同时扰动。如何选择,取决于使用的软件,过程的特性,和使用者的偏好。无论采用何种方法,这一环非常重要。如果没有好的数据,下一步的建模就成了垃圾进垃圾出。为了从DCS获取数据,在这一阶段还必须建立MPC服务器与DCS之间的数据传送接口。

3)  用过程辨识的软件对测试的数据进行处理,以建立过程输入和输出之间的动态模型。理论上,对于一个MxN的控制器,用软件在几分钟内就可以把MxN的动态模型矩阵建好。但直接把这样的模型用于控制器,不但不可能获得好的结果反而会造成灾难。有经验的控制工程师必须根据自己对该过程的认识,对每一个模型进行定性分析和定量估计,使其尽量接近实际过程;而后再确定将哪些模型留在矩阵中,哪些去除。需要这样做的原因在于,从2)获得的数据不可能都是在理想测试条件下产生的,往往需要对单个变量在特定时段里进行辨识,才能得到合理的模型。

4)  控制器的组态,也就是设定每一个MV和CV的特性参数,比如它的变化区间,加权因子等等。

5)  对控制器进行仿真,通过改变CV的上下限,观察能否获得设计时所预期的效果,也可为控制器的参数整定提供借鉴。

6)  制定控制器的操作规程,对操作人员进行培训。

7)  将控制器投入实际运行,并对其进行调试。达到预期目标后将控制系统交付过程的操作者。

8)  根据一段时间里的控制结果,对预期的经济效益进行验算并提出总结报告。

从以上步骤,我们可以看到,MPC控制系统的实施,并没有一个科学的定义,在很大程度上是工程师技艺的展现。特别是关键的3)和4)。也就是说,对于同一个过程,每一个工程师做出来的控制系统的结果可能都是不一样的,甚至出现很大的差别。但是,随着MPC软件的不断改进,以及人们对它的认识越来越丰富,其应用已越来越普遍,实施的效率也在不断提高。在通用MPC投入市场的初期,只有少数工程公司的专家才能使用,而且实施的时间常常要好几个月,费用往往在几十万美元之数。而现在工业界的很多用户内部,都有了能够实施MPC的人才,所需时间缩短,费用也随之降低。

下面我们就来看一个用DMCplus来控制某有机盐生产过程的实例。图3.1.1是该过程的流程,它主要由三个塔组成:

   
    图3.1.1 正丁基酯生产流程

T-1是一个反应器加共沸物蒸馏塔,反应物正丁醇(nBuOH)与乙酸(HAc)在塔釜内进行酯化反应生成正丁基酯(nBuAc)和水(H2O):

      nBuOH  +  HAc  = nBuAc + H2O

反应产品酯和水,以及少量的反应物醇被蒸馏到塔顶,在塔底没有物料流出。在塔顶的回流罐里,有机物和水分层,并按操作需要分别回流。控制系统的难点是,要保证反应器内的组分(1)满足物料平衡,(2)有利于正向反应(乙酸成分要高)以及(3)水和酯的共沸(azeotrope)条件,(4)同时要防止乙酸被蒸发到塔顶(与(2)矛盾),造成设备腐蚀和产品超标。由于塔底的进料除了反应物外,还有从中间罐来的循环流,反应器内组分容易受到干扰。而由于催化剂的缘故,塔底组分又难于得到可靠的在线分析。这两个因素加大了控制的难度。

T-2 是产品精馏塔,进料是T-1回流罐里的有机物层,含有酯,醇,和少量水。塔底将得到成品酯,塔顶的有机物和水分层,有机物经中间罐循环回T-1,水则送到T-3。塔底产品有在线成分分析,醇的浓度必须控制在0.4%以下。为了降低单位产量的能耗,提高产品回收率,应将塔底醇的浓度控制在尽量靠近0.4%的数值,同时降低塔顶精馏物中酯的浓度,这就是所谓卡边操作。

T-3是醇回收塔,进料来自T-1和T-2塔顶回流罐的水液层。塔顶回收的醇经中间罐循环回T-1,塔底的水送至废水处理场。这个塔容易控制,但应尽量降低能耗。

为这个过程实施MPC控制系统时,除了需要解决以上的控制难点外,还要求尽可能提高产能。事实上,对于众多的MPC应用项目,通过将装置推向约束极限来提高产能,是控制系统获得经济效益的主要手段。

在工厂测试时,对所有预期的MV的设定值进行了多次不同方向的阶跃改变。分别用有限阶越法(finite step response, FSR)和子空间sub-space)法建模所获得的初始动态矩阵如图3.1.2所示。从图中我们可以看到,用不同的方法获得的模型是有差别的,有时连方向都相反。工程人员不但必须对每一个模型进行仔细分析,决定取舍,有时可能还要对单个模型进行反复计算,以期获得有效模型。

   
    图3.1.2 过程动态矩阵

为了检查某个CV的预估值是否足够准确,可将它与实际值进行比较,如图3.1.3所示。

   
    图3.1.3 水组分的预估值与实际值的比较

前面提到,反应器的在线成分分析不可靠,常常会给出不合理的数值,因此必须找到适当的被控变量作为成分变量出现问题时的后备。在建模时发现,塔底温度与反应器的水的成分和第6块塔板的温度与乙酸的成分之间存在较强的相关性,因此这两个温度被包括在控制器里作为CV。在控制器的计算单元,通过逻辑功能来判断在线分析是否正常,以确定是否将组分CV切换到温度CV。


对于这个过程,可以设计一个有三个分控制器的MPC来控制,每个塔由一个分控制器控制,但有些变量可以相互跨越。T-1分控制器是关键。它的MV和CV定义如下:

变量                                    控制策略

MV1 - 塔底注水      控制反应器内水的成分和再沸器蒸汽阀门的上限
MV2 - 水层回流      控制反应器内水的成分和再沸器蒸汽阀门的上限
MV3 - 有机回流      控制塔回流塔内水层的导电值和第35块塔板的温度
MV4 - 塔底蒸汽      控制T-1和T-2的塔压差上限
MV5 - 酸/醇比例      控制反应器内酸的成分
MV6 - 循环流量      这是一个前馈变量

T-1 CVs

CV1 – 水成分        作为伪积分变量,控制在设定点。
CV2 – 酸成分        作为伪积分变量,控制在设定点。
CV3 – 导电值        反映酸的微量成分,可推向上限。
CV4 – 蒸汽阀        控制在限定范围内。
CV5 – 塔压差        反映产能,推向上限。
CV6 – 塔底温度      反映水的成分,控制在设定范围内
CV7 – 板6 温度      作为伪积分变量,反映酸向塔顶蒸发,控制在设定点。
CV8 – 板35 温度      反映醇向塔顶蒸发的程度,控制在设定范围。
CV9 – T-2压差      反映产能,推向上限。

根据既定的控制器策略,确定了这个分控制器的动态控制矩阵,如图3.1.4所示。

   
    图3.1.4 控制器动态矩阵

我们拿出其中有机回流与导电值这个模型来看一下,如图3.1.5所示。从这个模型我们知道,控制器到达稳态的时间是4个小时。在有机回流1个GPM的阶跃作用下,塔顶回流罐水层的导电值在滞后大约25分钟后开始响应,以貌似多个一阶响应叠加的形式递减,4小时后稳定下来,降低4.96微欧姆。

   
    图3.1.5 塔顶水层导电值的动态模型

同时请注意到,模型中有些变量的动态特性是直线的形式。对于这些变量,我们称它们为积分或伪积分变量。比如一个截面不变的开口容器的液位,如果其输入变量(如进口流量)产生一个阶跃变化,而输出变量保持不变,那么液位将随时间线性上升,直到从上端溢出。为了保证安全生产,MPC对这些积分变量是控制在设定值,而不是像一般变量一样任其在上下限之间变动。在一个大的干扰下,如果控制器计算出不能再现定时间里将其控制在设定区间内,它就会将控制器关闭。还有一些变量,像反应器内的反应物成分,如果它的进料流量阶跃增加,而其它反应物流量保持不变,那么它的成分在有限时间里也将线性上升。如果这类变量超出范围并不对安全生产构成威胁,控制器无须关闭,就可以把他们作伪积分变量来处理。在本例中,反应器的水和乙酸成分,以及塔底和塔板6的温度,都是作为伪积分变量来处理的。

控制器的动态模型确定以后,就可以将它输入到控制器组态软件里对控制器与DCS的接口参数,以及MV和CV的性能参数进行设定。如图3.1.6和3.1.7分别是控制器中某MV和CV的部分参数。

   
    图3.1.6 MV的参数组态表

   
    图3.1.7 CV的参数组态表

控制器参数设定好以后,可以对控制器进行动态仿真,看它的控制作用是否符合设计的控制策略。也可输入一个与控制(预估)模型不同的过程模型,来研究控制器对模型失佩(model mismatch)的容忍度。图3.1.8和3.1.9分别是MV和CV的仿真显示,在实际操作时,操作工可改变MV和CV上下限数值。图3.1.10是水的成分控制在其设定值该变后的响应。

   
    图3.1.8 MV的仿真显示

   
    图3.1.9 CV的仿真显示

   
    图3.1.10 水组分控制对设定点改变的响应仿真

在以上这些设计工作完成以后,需要用文件记载下来,并且做出一个标准操作手册,供MPC的培训和实际操作之用。

T-2和T-3的设计不做详细说明。下面略述这个过程在MPC控制下的结果。

T-1的控制稳定性有很大改善。MPC实施前,一旦有乙酸被蒸发到塔顶,操作工将手动加大水和有机物的回流,降低酸和醇的控制比例,这样就会严重影响产量,常常要十几个小时才能回到正常操作状态。稳定性提高后,控制器可以安全地增加再沸器蒸汽流量,直到其受到塔压差上限的约束,如此使产能上升,并使单位产品的能耗降低。这个装置可不定期切换用来生产多种醇的酯化物。图3.1.11将MPC应用前几个正丁醇酯的生产周期的产量与MPC实施后一个生产周期的产量进行比较,后者高出前者6.8%,经济效益十分可观。

   
    图3.1.11 MPC实施前后的产能比较

T-2的改善主要体现在减少塔顶的重组分(酯)和塔底轻组分(醇)的卡边控制上。这两者都使塔底产品的收率提高,单产能耗降低。图3.1.12是塔底轻组分(醇)的控制结果的比较。

   
    图3.1.12 MPC实施前后产品成分的控制比较

T-3在常规控制下,某塔板的温度与再沸器蒸汽流量构成串级控制。由于该塔板上的组分差不多是100%的水,它的温度控制设定点只要稍高于平衡点,PID控制器的积分作用就会不断增加蒸汽,而实际温度仍不能达到设定点,造成蒸汽的严重浪费。而MPC只要将该温度控制在上下限就行了,优化目标函数总是尽量减少蒸汽流量,结果使该塔能耗降低60%。

整个过程的单产能耗降低了9%。


3.2 太极自适应模型预估控制* [ 润树 ] 于:2007-10-24 15:36:20
从本章前面的叙述我们可看到,MPC的实施远非一件易事,除了要求实施者具有全面的过程和MPC知识外,步骤也比较复杂。太极模型预估控制器的面市,就是试图将MPC的实施尽可能的简单化和程序化。

太极控制(Tai-Ji Control)是设在荷兰的一家自动控制系统软件开发公司,由朱豫才博士创立。该公司开发出的太极模型预估控制系统,将(1)过程测试,(2)模型辨识,(3)控制器参数设定,(4)仿真,(5)在线控制这五大功能,全部集成在一个在视窗平台上运行的软件包里,其中(1),(2),(5)可连续自动实现。图3.2.1是该系统的人机界面。与之相比较,目前Aspen 的DMCplus,仍将这些功能分成五个软件包分步骤实施。

   
    图3.2.1 太极MPC控制系统人机界面

太极控制的过程测试和模型辨识是基于多变量的渐进法,朱豫才博士在此领域有专著论述(《Multivariable System Identification for Process Control》by Yucai Zhu, Elsevier Science Ltd, Oxford, UK, 372 pages, ISBN: 0-08-043985-3,2000)。它的基本方法是,在控制工程师设定好控制器的控制变量(MV)以及它们在测试时的最大变化幅值,干扰变量(DV),和被控变量(CV)以及它们的稳态时间后,系统可在开环或闭环的条件下,以GBN(PRBS)模式输入激励信号对过程进行自动测试,并由获得的测试数据进行模型辨识。识别出来的模型按频率响应法的准则被分别标示出A, B, C, D四个品质等级,便于取舍。过去,做一个MPC项目时大约有30-40%的时间是消耗于这个过程,而且形目的成功与否很大程度上取决于模型的品质,太极控制在这方面的开创性工作和成效,对于今后MPC在各工业界更广泛的应用,是至关重要的。

Tai-Ji MPC的设计思想是,在一个MPC项目实施时,只要工程人员在前期作出该MPC的结构设计和参数设定(design and parameterize,D&P),上述的(1)(2)(5)的所有工作可由该软件系统连续自动完成。这样不但可以将目前一般要二至三个月的项目周期缩短到二至三个星期,而且实施过程接近于标准化,减低了人为因素带来的不确定性。这几项任务在Tai-Ji MPC中的实现分述于下。

结构设计和参数设定

这项任务须由对应用过程和MPC有相当了解的工程人员来完成。图3.2.2是控制器的结构设计表。在这个表里,工程人员必须决定哪些过程变量是MV和DV,哪些是CV,并设定它们的相关参数。

   
    图3.2.2 太极MPC组态表

图3.2.3是控制矩阵的预期表,即工程人员根据自己的过程的认识,预先估计各模型的增益方向,和确定哪些模型是不可能/不需要出现在该矩阵之中。这样做有利于减少建模计算量,提高模型精度。

   
    图3.2.3 太极MPC控制矩阵预期表

图3.2.4是系统自动产生的MV激励信号。这些信号是并行的,可连续不间断产生,大大提高了测试效率。

   
    图3.2.4 太极MPC过程测试时的MV激励信号

过程测试和模型辨识

图3.2.5是辨识出来的过程模型。其中标示为A,B级别的,可直接用于控制模型矩阵之中,而C,D级别的要么表明它们不重要,要么还需要修改测试计划,作进一步辨识。同时可以对辨识出来的模型进行仿真,观察模型预估值与实际值的拟合程度,如图3.2.6所示。

   
    图3.2.5 太极MPC辨识出的过程模型

   
    图3.2.6 模型预估值与实际值的拟合程度仿真

如果测试是在闭环的状态下进行,辨识出来的A,B等级的模型可立即投入闭环控制。因此,当所有的模型都达到品质要求时,控制器的在线闭环控制试验也完成了。

太极控制目前还在开发自适应的功能,组成一个“控制  -- 监测 -- 辨识”的闭环系统。它的目标是,用一个在线监测的模快来评价MPC的闭环控制品质,当该品质降低到预定指标时,系统将启动辨识模块,对过程重新进行辨识,使控制器自动适应过程的特性变化。

有关太极控制的详细资讯,可参见以下链接:

链接出处

*获朱豫才博士同意,本篇材料均取自他和太极控制发表的相关文章,特别致谢。


4.过程静态最优化(PSSO) [ 润树 ] 于:2007-10-30 15:43:51
在MPC一章里,出现了动态和静态优化的概念,也就是根据MPC的线性模型来计算过程最佳静态操作点和到达此点的动态途径。但是由于其模型没有全面地(MPC的变量只是过程所有变量的一部分)和准确地(忽略了过程的非线性)反映过程的特性,只能说它是一个片面/局部和近似的优化。

所谓过程静态优化(PSSO,process steady state optimization)则是一个远在MPC之前很久就出现了的古老命题:

给定过程的目标函数  J = f(x1, x2, x3, ……, xn),在x的约束条件下,找到优化变量x1, x2, ……, xn的值,使J最大化或最小化。

传统上,有两种方法来实现PSSO,一是通过过程的数学模型来计算(模型法),二是在线搜索(搜索法)。模型法中用到的模型,既可以是基于第一原理的机理模型,也可以是经验模型,或两者的结合,在MPC之前,大多是离线实现。也就是说,通过人工或计算机的计算,找到最佳静态操作变量的设定值,然后手动改变这些变量来实现优化。有了MPC后,PSSO所计算出的最佳变量设定值通过这两个系统间的接口传递到MPC自动实现。因此,PSSO可看着是位于MPC之上的一级控制系统。而在线搜索法则是直接改变优化变量的设定值,然后观察目标函数的变化方向,一步一步地去逼近最大/最小值。

最优化,从本质上说是一个数学问题,我们在高等数学中都学习过了。对于线性和低阶的目标函数和约束条件,可以用求导数和代数的方法来求解,而对于高阶和非线性的目标函数或约束条件,则需要用到更复杂的数学方法,像单纯型法,非线性最小二乘法(NLLS)non-linear least squre),分步二次规划(SQP,sequential quadratic programming),总体降梯度法(GRG,generalized reduced gradients)等等。MATLAB之Optimization Tool Box是用来求解此类问题的好工具。但这里我们不对这些数学方法作进一步的讨论,而将焦点放在过程优化的含义及其具体的工程实现。

我们先来看一个精馏塔。如图4.0.1所示,这个塔的操作目的是将进料中的二元主分Ca和Cb分离成塔顶的轻主分和塔低的重主分产品。一般地,这个分离过程是非理想的,即塔顶会有重主分杂质Xb,而塔底也有轻主分杂质Xa。现在的问题是,怎样的分离才算经济上最优。

   
    图4.0.1 二元精馏塔的分离示意图

我们可以定义这个过程的优化目标函数如下:

J = 产品所得 – 原料成本 – 能源成本
  = Fa*$a + Fb*$b - Ff*$f - Qc*$c - Qr*$r                          (1)

式中,
Fa和$a – 塔顶产品流量和价格
Fb和$b - 塔底产品流量和价格
Ff和$f – 进料流量和价格
Qc和$c – 冷凝量和价格
Qr和$r – 再沸器热量和价格

约束条件是:
塔顶和塔底的杂质主分小于产品指标值    Xa <= Xa_spec, Xb<=Xb_spec  (2)
冷凝器和再沸器能量受限于最大设计值      Qc <= Qc_max, Qr <= Qr_max        (3)

由该塔的物料平衡,我们可以得到:
塔顶产品  Fa = Ff (Ca-Xa) / (1-Xa-Xb)                  (4)
塔底产品  Fb = Ff (Cb-Xb) / (1-Xa-Xb)                  (5)

对该塔的能源消耗,我们有经验公式:
冷凝量  Qc = Ff (c1 + c2*Xb + c3*Xb*Xb)                (6)
再沸热量  Qb = Ff (d1 + d2*Xb + d3*Xb*Xb)              (7)

将(4)-(7)代入(1),可得
J = f(Ff, Ca, Cb, Xb, Xa, $a, $b, $c, $r)              (8)

在给定Ff, Ca, Cb, $a, $b, $c, $r的情况下,(8)式中只有Xa和Xb是优化变量,而如果塔底产品价格高于塔顶产品价格,即 $b > $a,那末Xa应控制在其上限(低价值组分作高价值产品),就是所谓的卡边操作。这样就只剩下唯一的优化变量Xb,可以很容易的算出它的优化值是15%,其对应的最大值J是$1006/小时。既然b主分价值高于a主分,为什么不尽量将这个数值控制在最小值呢?这是因为,要获得那样的结果,就需要加大回流量,导致冷凝量和再沸热量的消耗都上升,而抵消或超过由更多的塔底产品所带来的经济利益。图4.0.2是用MS Excell计算的图像显示。顺便说一下,MS Excell里的Add-Ins Solver也可以方便地用来求解复杂的优化目标函数。

   
    图4.0.2 优化分离的图像显示

这个例子很间单,旨在用来说明化工过程中优化概念。实际的情形要复杂得多,我们将在下一节用Aspen Plus 的Real Time Modeling and Optimization来详细考察。

这里提出一个数学上臭名昭著的Banana函数优化问题,有兴趣者不妨用MS Excell里的Solver去求解一下。当然用其它方法也可以。

J = 100*(X2 – X1^2)^2 + (1-X1)^2

求解J的最小值,无约束条件。^2是平方算子。


4.1 Aspen Tech的静态优化软件 [ 润树 ] 于:2007-11-12 18:43:45
Aspen 的实时优化(real time optimization, RTO)是用模型法来作过程静态优化的代表。它是在其原有静态仿真软件Aspen Plus的平台上,加入参数估计(parameter estimation),数据重整(data reconciliation),优化(optimization)这些功能而构成的一个循环计算系统。这个系统通过在线接口与实时控制系统连接,读入过程变量,经过前述循环计算后,将优化变量值输出到实时控制系统,达到过程静态优化的目的。

那么为什么一个优化系统需要有这么一个循环计算过程呢?我们首先对一个优化系统中的变量进行分类,然后解释各计算功能的作用以及这些计算是如何实现的。

一个过程优化系统有过程输入X,操作条件O,模型参数U,以及输出Y和Z四大类变量。我们以前讲到的静态仿真,它所有的模型(数学表达)都是建立在“封闭形式”(closed form)基础上的,即在给定X,O,和U的条件下来计算Y和Z:

Y = f(X,O,U)

Z = f(X,O,U)

这种结构的模型,是通过“程序模块式流程”(sequential  modular  flowsheeting)的计算方法来求解方程的,必须满足下列收敛指标:

1.  过程设备和产品的设计指标
2.  外循环回路
3.  内循环回路
4.  物性

要对一个过程进行优化,显然不能将输入和操作条件固定起来(它们中的一些变量将被选择为优化变量),因此上述仿真的求解模式是不适合的。这就产生了过程模型的“开放形式”(open form)的数学表达,既

0 = Y - f(X,O,U)

0 = Z - f(X,O,U)

在这组方程中,变量可以是固定的,自由的,和有自由度的,而它们各自状态的选择,取决于下列优化过程中的循环计算模式:

模式              X          O          U          Y          Z

仿真            固定      固定      固定      自由      自由
参数整定        固定      固定        自由        固定      固定
优化            自由度    自由度        固定        固定      固定

简单地说,仿真是在输入和参数都固定的前提下来计算输出;参数整定是在给定输入和输出的条件下来找到适合的模型参数(对模型进行校正);优化是在给定参数和满足输出要求的情况下来寻找能使目标函数最大/最小化的输入。优化循环计算的第四个模式是数据重整(data reconciliation),即根据过程的测量值,来对模型的参数进行优化,使模型计算值与过程测量值之间的误差最小。典型的模型参数有精馏塔的塔板效率,热交换器的热交换系数,化学反应器中催化剂的活性系数等。

求解开放形方程的方法是方程取向型(equation oriented, EO)的流程计算法,它的特点是,每一个单元操作都是由开放型的模型来描述的,一些连接方程把这些模型串联起来,然后由一个全局求解器同时趋动所有变量,来寻找使开放方程的残差趋于零的变量值。此种方法可很好的处理那些具有复杂的循环和热量综合利用的过程,其精确的微分解析值能加快找到答案,适用于大型过程,优化求解与仿真求解费时相当,整体效果好。Aspen将这个求解器命名为循序二次规划(successive quadratic programming, SQP)。

从理论上说,RTO可以直接与DCS接口而独立运行,但实践中,从约束条件和系统稳定的角度出发,它一般都是和MPC系统共同操作。因为MPC本身也有优化功能,我们需要对它们作一个比较,如下所示:

MPC的特点                                    RTO的特点

系统介于DCS和RTO之间                        系统介于MPC和工厂计划系统之间
从工厂测试获得线性经验模型                  从第一原理建立机理模型
高频优化计算和实现,以分钟计                低频优化运算和实现,以小时计
小范围局部近似优化                          大范围全局精确优化
经济指标不经常更新                          源于产品价格变化等因素,经济指标经常更新

这里对优化实现频率的问题要作一个说明。RTO之所以计算频率低,除了计算量大难以收敛外,更主要的原因在于,过程在接受新的优化变量值后,需要相当的时间才能到达新的平衡态。而RTO必须在系统到达平衡态以后,才能进行下一次的优化计算,否则,可能将过程导入偏离优化点的状态。

RTO项目费时很长,一个并不非常复杂的化工过程可能都要一年以上才能完成。主要的工作是在建模上。Aspen Plus虽然提供现成的单元操作模型,但很多化学反应的模型常常只有该产品的生产厂家才有。这些模型都是在过去长期实验的基础上建立起来的,大多是用很老的计算机语言写成的。要把这些程序转换到Aspen Plus中需要做大量工作。这一方面我们以前在过程仿真的章节里作个一些介绍,这里不详述。

在前述的所有工作都完成以后,即可将系统投入运行。此后的工作将依赖于工厂的技术人员对系统进行维护。实践证明,这是一项非常严峻的任务。由于系统在运行中需要在过程静态的判断,参数的整定,数据的重整,优化等几种模式之间转换,任何一环出现问题都将使系统不能正常运行,因此使用者必须对系统的内部各个环节有深入的理解,才能有效利用该软件提供的在线监测功能,及时解决可能现的问题,保证系统处于高效运行的状态。


4.2 动态相关积分(DCI)优化技术和软件 [ 润树 ] 于:2007-11-26 12:15:41
从上一节我们可以看到,基于过程机理模型的静态优化系统,需要花费大量时间来建立模型,成本很高。除此之外,它还有两个局限,一是当过程受到干扰而未到达稳态时不能进行优化,二是对于不能建模的过程束手无策。因此,不需要过程模型的在线搜索系统在这些方面就具有相对的优势。下面介绍的相关积分优化系统即是这样的在线搜索优化系统,材料是由北京优化佳控制技术有限公司的创始人王建博士提供的。王建是晨枫和我的大学同班同学,在学期间就显示了很高的科学技术才能。我对他在过程控制领域所取得的成就深感敬佩,同时也要感谢他为本章内容提供丰富材料供选择。有进一步兴趣的朋友还可以从他的网站获得更多信息。


故事(四) [ 润树 ] 于:2007-11-26 12:21:35
1994年9月,在我来美国6年整时,终于有了第一次的回国之行。我的第一站是北京,参加由中石油主办,中石化和休斯敦华人石油协会协办的科技研讨会。是时我刚从原来工作的C公司转到B公司,C公司的老板P先生知道我要去北京,希望与我同行,去会见那里的一个潜在客户。趁此机会,我想把DCI优化技术和产品介绍给他,于是把这个想法告诉了在上海的王建。王建说正好他们在北京燕山炼油厂做了一个DCI的应用项目,他很乐意到北京来带我们去实地看一看。

在会议开始的前一天晚上,中石油的总裁盛华仁先生在长城饭店设宴招待中美全体与会代表,席开数十桌,规格据说是每人400元,是我迄今为止所见最为豪华的宴会。进入宴会大厅,前面站着一排礼仪小姐,大多来自欧美各国。有些代表感到很惊奇,纷纷上前与她们合影。后来看到,这些人都是为前面的主席桌服务的,其它各桌则分别由一个中国小姐服务。总共有十几道菜,做得很精致,都是分盘送到每个人面前。宴会快结束时,大家都到处走动找认识的人和前面主席桌的人碰杯。我领着P先生上前与盛华仁碰杯合影,他们简单交谈了几句,希望今后能够相互合作云云,乃场面上的客套话。

王建晚一天才来。第二天他带我们去看了燕山炼油厂脱蜡装置的DCI优化系统,可惜当天该装置在维修,我们未能看到该系统的在线运作。中午,该厂的接待处负责人在厂招待所设席款待我们,另有数人作陪。席间,谈到前两天晚上的宴会,我说与在美国的宴会比较起来,400元还是很值的。该负责人不知是听我说出400元的数目贬低了他招待所的价值,还是真心疼钱,就说,400元可是一个普通人几个月的伙食费。我听了很有些羞愧难当,因为我自己也是从艰苦生活中过来的。

此行虽未导致王建和C公司之间的技术合作,我和王建的联系却因此而频繁起来,包括在他去英国做访问学者的那一年。王建从英国回国后,就从学校出来自己干,为石化工业做DCI优化应用服务。过了两年,他希望我能帮助他把DCI技术推广到美国来,于是我们考虑在美国注册成立一个公司。由于我不能下决心放弃现有的工作以及其它一些原因,包括王建来美的签证等问题,最后我们的梦想未能实现。1999年,王建在北京中关村的科学园区成立了自己的公司,就是现在的优化佳控制有限公司。目前该公司已走上良好的发展之路,我衷心祝愿王建和他的公司取得更大的成功。 [url]http://www.ccthere.com/article/1332819[/url]


5.数理统计与化工过程控制 [ 润树 ] 于:2008-01-01 16:21:15
统计的过程控制(Statistical Process Control, SPC)在制造业是一个很常见的词。这里的过程,并非单指化工的,而是泛指一切具有因果关系的生产/制造程序。人们用数理统计的理论对这些过程进行分析和控制,从而获得有益的结果。

说起数理统计,我们多数人都不陌生,它不但在工程技术领域广为人知,而且也广泛地应用于社会科学领域和我们的日常生活中。我们知道,科学理论是对世界上那些具有确定性的事物的研究而得出的一般规律,由这些规律所描述的事物的现象和特性是可以确切不移地被重复观察或再现的。而数理统计的理论所研究的对象和由此研究所得出的结论,却大多具有某种程度的不确定性。用来描述这种不确定性的概念,就是我们耳熟能详的概率。

数理统计在化工过程控制的应用中主要有两方面的功能,一是它的描述性(descriptive),即对过程变量本身的变化特性,比如平均值,标准差等,进行定义和计算;二是它的推测性(inferential),即将一个或多个变量输入某个数学模型,比如多项式,来对另一变量进行回归计算。前者的作用是显而易见的,而后者可以帮助控制工程师找出影响过程变量变化的因数,从而对某些不易直接测量的变量进行推测计算,或者通过改变这些影响变量来改善/控制被影响变量的品质 (这也是盛行于工业界的6倍标准差-Six Sigma的主要内容)。将这些功能在计算机上实现的,有通用的数理统计软件,象Minitab,也有专门针对化工过程的建模软件,像Aspen IQ,Pavilion Process Insight等。即使像MPC的建模软件,也运用了数理统计的计算技术,只不过针对过程变量的动态特性加进了时间因数而已。

改善被控变量的品质,主要体现在减小其标准差。一般地说,几乎所有被控变量的平均值,都等于或很接近于其控制设定点。但它们的标准差却可以有很大的差别。控制效果好的,标准差就小,反之就大。而减小标准差,在多数情况下,都可带来生产效益的提高。比如一个化学反应器要防止它在自燃点的条件下操作,通常是计算和控制它接近自燃点的程度,当其低于预设下限值时,装置就会自动保护停车。如果这个值的不良控制导致其上下波动较大,就只能把控制点设定得离下限值较远的地方。而这样做往往是以牺牲生产效率为代价的。因此,如果能够减小其波动幅度(以标准差来衡量),那么就可以将控制点设定在离下限值较近之处。又比如被控变量是精馏塔的产品的杂质度时,通常希望它能接近该产品的指标上限,这样可以降低分离要求,从而减少单位产量的能源消耗。下面这个数据曲线显示,是用来说明这个概念的:左半部分标准差较大,平均值较小;右半部分降低了标准差,控制平均值可安全上移。

   
    图5.0.1 改善变量变化特性的图示说明


5.1 数理统计软件Minitab

Minitab的功能很多,但归纳起来还是在对变量进行定性描述和推测计算两方面。

我们来看一个由在线分析仪得到的某反应器的物料浓度变量,它的典型数理定性描述如下所示。从这个描述我们可以知道,它的5097个数据近似于正态分布,平均值是33.44%,标准差是4.004%。还有其它一些数理特性,不赘述。

   
    图5.1.1 某变量的数理特性

这台在线分析仪可靠性不高,其中一个主要因数是采样管道常被物料中的固体颗粒堵塞。为此,该装置的控制工程师拟用Minitab建立模型,由其它过程变量来推测计算该物料浓度。然而,经过多种变量的组合,均无法找到一个较好的模型。下面的这个模型是最好的一个,但其标准差S仍很高,不能适合工程需要。

该模型是:

AI123 = - 3566 - 0.000788*TI06 + 30.5*TI08 - 0.0636*TI08S
              + 0.408*PDI08

式中,AI123是浓度,TI06是反应塔塔底温度,TI08是塔板6温度,TI08S是塔板6温度的平方项,PDI08是塔压差。

Predictor        Coef    SE Coef      T      P
Constant      -3565.6      431.5  -8.26  0.000
TI06    -0.00078751  0.00002240  -35.16  0.000
TI08        30.484      3.705    8.23  0.000
TI08S      -0.063624    0.007943  -8.01  0.000
PDI08        0.4076      0.3721    1.10  0.273

S = 3.05020  R-Sq = 42.0%  R-Sq(adj) = 42.0%

Analysis of Variance

Source            DF      SS      MS      F      P
Regression        4  34339.9  8585.0  922.75  0.000
Residual Error  5092  47374.4    9.3
Total          5096  81714.3

   
    图5.1.2 模型结果的图像描述

这里建模不成功的原因在于,Minitab这样的数理软件只适合于处理静态数据,即各变量之间的关系,不受时间变化的影响。对于化工类的过程,如果对变量的数据进行了时间足够长的平均值计算,而排除了它们之间的动态关联,那么用Minitab来建立数理模型才是可行的。

当然,要找出一个过程多变量输入对单变量或多变量输出之间的静态关系,一个系统性的方法是,用Minitab提供的阶乘实验(factorial design)等实验设计(Design of Experiment, DOE)步骤,对过程进行双位式的扰动,记录下各输出对这些扰动的静态响应值(排除动态关联),再用Minitab的相关分析(correlation analysis)和回归分析(regression analysis),来辨别输出变量对各输入变量的敏度。这种方法被6倍标准差的黑带大师(Master Blackbelt)大为看重。但是,对于真正了解过程的工程技术人员来说,这种方法有点像杀鸡用牛刀,小题大做了。

  【bbs_mym】说: 2009-4-29 6:22:00  
   6.专家系统及其应用 [ 润树 ] 于:2008-01-12 13:42:42
虽然人工智能是在数字计算机发明以后才得到很大的发展,但这个概念在一百多年前就出现了。而专家系统作为人工智能的一个重要分支,则完全是计算机出现以后的产物。它们是一类具有专门知识和经验的计算机智能程序系统,一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。这里的专家,可以是任何在该领域长期工作而积累了丰富知识和经验的工人,农民和技术人员,而不必是有高学位的饱学之士。人们对人工智能究竟能走多远一直持怀疑的态度,其命运忽天忽地难以确定,但专家系统实实在在为人类解决了很多问题,却是无可置疑的。

不同的领域有不同的专家系统,目前应用较多的领域包括医学,教育,会计,金融服务,过程控制,制造业等等。我们日常生活中也常和它们打交道,像汽车故障自动诊断,语言教学程序,报税软件,以至汽车上的全球定位导航系统,等等,都可看着是专家系统的应用。

既然是模拟专家来解决问题,那当然就要模拟人通过大脑用知识和逻辑来进行推理的过程。专家系统里的知识表示是通过知识库来实现的。知识库不同于一般意义的数据库,里面所存贮的知识,是该领域里的专家知识经验的积累,常常是用一些框架,规则和语言符号系统把它们表示出来。比如一个用于化工过程故障诊断的专家系统,它的知识库里面,就可能包括这样一些框架和规则:

1.中间贮罐A的体积贮量是它的液位百分比乘以它的最大贮量。
2.如果管道A上的液体流量阀门开度是0%,那么该管道里的流量是0。
3.如果管道A上的液体流量阀门开度是100%,那么在其两端压差不变的情况 下,该管道里的流量达到了最大值。
4。如果精馏塔A的塔压大于0.5个工程大气压就处于液泛操作状态。
5.精馏塔的塔顶和塔底出口流量之和必须等于其进料流量之和。
6。焚化炉的进料管道中的有机物成分与氧气成分在某组合范围内将形成自燃状态。

为了诊断/预报出生产中的故障,这个专家系统必须实时运行,即通过该系统与过程的控制系统的接口获取实时数据,来进行分析判断。比如,运用以上知识库,可作以下判断,并据此采取相应措施:

1.如果中间贮罐A的进口流量中断,那么系统可以根据其现有贮量和其出口流量来计算还能向下游过程提供多长时间的物料。
2.管道A下游将受到何种影响。
3.该过程已出于约束条件操作,应采取什么措施解除此约束。
4.当塔压差接近0.5个工程大气压,报警或采取其它措施。
5.如物料不平衡,超出某预设限度,显示仪表故障报警(还需要其它信息才能判断究竟是哪个仪表的故障/误差)。
6.在焚化炉的进料管道中的有机物成分与氧气成分的组合接近自燃范围是报警或采取预设措施。

当然,实际的系统要复杂得多,可能有成千上万的框架和规则,他们之间还会构成一定的关联,可能采取的措施和解决方案也是多样的。不过这只是增加了系统开发的难度和所需的时间,只要投入人力物力,总是可以实现的。所幸的是,在计算机编程技术高度发达的今天,人们不必再去写针对特殊系统的源程序,而是利用针对普遍应用的商业软件开发系统。在过程工业领域,Gensym 公司的G2得到了较为广泛的应用。作为实时通用专家系统的开发平台,它的概念框架说明如图6.1所示。

       
        图6.1 G2系统框架图

G2旗下还有针对不同工业应用的软件产品。比如G2 Optegrity,适用于对化工生产中的非正常操作状态进行预估,诊断,和提供解决方案。作为一个简单的应用,我们来看一个对加热炉的燃烧效率进行检测诊断的专家系统 (由Gensym的用户提供),如图6.2所示。

   
    图6.2 加热炉燃烧效率监测系统

该加热炉以天然气作为燃料,与空气中的氧气产生燃烧反应,对通过炉体的管道中的物料加热,使其达到所需温度。从天然气的流量测量,可以计算出它在单位时间内提供的热量。同时,可以由过程物料的流量,入口和出口温度计算出得到了有效利用的热量。由于燃烧炉的烟道气要带走一些热量,有效利用的热量必然要小于燃烧热量,它们的比值就是作为衡量加热炉工作的热效率。老式的燃烧炉,一般都是通过手动调节烟道气的档板的开度,来改变进入炉膛的空气流量。空气流量如果太小,将造成天然气不完全燃烧的现象,不但会使热效率降低,而且可能带来安全隐患。相反,空气流量太大,烟道气就会带走更多的热量,同样会使热效率降低。现在这个专家系统实时地计算出热效率,并且追踪它的变化趋势,就可以向操作工提供有用的信息,比如:

“加热炉F-101现在的热效率是85.4%,预计在30分钟内将降低到83%以下。请检查炉膛压力,烟道气氧气含量以及档板开度,以确定是否可以通过改变空气流量来改善热效率。”

从这里我们可以推测,这个燃烧炉没有在线烟道气氧气检测仪。如果能安装一个这样的检测仪,而且可以自动调节空气流量,那么设计一个闭环控制回路,将烟道气氧气控制在一个最低值,即可自动将燃烧效率保持在理想状态。



7. 神经网络及其应用 [ 润树 ] 于:2008-01-22 14:04:17
神经网络(Neural Network)也可看作是人工智能的一个分支。如图7.1所示,它模仿生物神经系统的网状结构,对系统的输入信号进行逐级处理而产生输出信号。

       
        图7.1 神经网络系统的概念图示

作为概念的说明,这是一个只有输入X1 … X3,结点G1 … G4,输出Y1和Y2的三级神经网络。显然,更为复杂的系统是输入信号更多,结点和结点级数增加,输出信号也增多。无论简单还是复杂,神经网络与传统的信号处理系统的区别是在输入和输出之间加入了结点。网络中的连线是表示点与点之间具有乘法关系的加权系数。可以这样来理解它们之间的关系,这就是,中间结点是各输入的加权之和,而输出又是各结点的加权之和。用数学式表示出来就是:

G(k) = Sum [ M(i) * X(i)],k = 1 … 4;i = 1 … 3

Y(j)= Sum [ N(k)* G(k)],j = 1,2;k = 1 … 4

从数学上来说,这里的输入与结点之间和结点与输出之间都是线性关系。但经过中间结点的线性转换,输入与输出之间就可能不是线性关系了。因此我们可以说,神经网络把本来是非线性的输入输出函数,通过中间结点,转换成了线性函数来处里。而对于线性函数,我们可以方便地利用数理统计的方法来改变各加权系数,对某个目标函数,比如以函数表示的输出值与实际观测的输出值之间的平方差达到最小值。这就是用神经网络来建立输出与输入模型的优化法。

如果将这种方法用于一个实时过程,其输出(观察值)是不断变化的,那么我们还可以将观察到的输出误差反馈到输入级,使原来建立好的模型系数能够得到修正,形成一个具有自我学习的系统,或称自适应系统。当然,在实时过程中,输入与输出之间还存在动态关系,神经网络系统通常用純滞后和一阶滞后时间常数来描述这种动态关系,并且对其进行优化。

像其它人工智能的应用一样,神经网络系统需要很强的计算功能,因此在上世纪90年代初才开始得到普遍的应用。在过程工业领域,地处德州奥斯汀的Pavilion Technology 公司以Process Insight 软件产品一炮走红,很热火了一段时间。它们那时的口号是从过程数据里淘金(gold mining from process data)。在ISA的年度贸易展时,支起一个大棚,在荷枪警卫的保护下,把一锭二十几磅的纯金拿出来展示,认每个参观者抱着它照相,引诱人心。照过相后,参观这就看他们演示用自己的软件怎样从一大堆杂乱无章的历史数据中,用神经网络模型来预测过程输出值与观察值天衣无缝的拟合。此后,他们很卖了一些软件,主要用于过程中成分分析的软测量。由于在线分析仪表的高价格高维护费,此种软测量以过程中的其它变量,像温度,压力等作为输入信号,用神经网络来计算过程中的成分值。当然,既然可以建立过程的实验模型,用神经网络来直接进行过程控制也就顺理成章了。因此,Pavilion公司也有自己的模型预估控制和实时优化应用产品。

过程控制软件开发的领头羊Aspen Tech看神经网络如此热门,当然也不甘寂寞,于是也在市面上去买来一家公司,打出自己的神经网络产品,名之为Aspen IQ,专门用于软测量。下面我们就来看一个它的应用实例。

在第5章里,我们举了一个用数理模型来计算某化学反应器中酸组分不成功的例子。其失败原因主要是模型中缺乏过程的动态因子。Aspen IQ对每个输入信号都加入了純滞后和一阶滞后时间常数,因此用同样的过程数据,获得了一个较好的预估模型。

   
    图7.2 Aspen IQ的建模面板

图7.2是Aspen IQ的建模面板,这是基于图像和表格的人机界面。在输入原始数据文件后,可以对数据进行一些过滤处理,去除某些不合理的数据。然后是选择输入变量,可以人为地选择, 也可以让软件根据各变量的灵敏度分析来自动选择,这一步很关键。我的经验是,使用者对过程的认识通常要较人工智能正确一些,因此人为选择一般要优于自动选择。对于本例,我选择用反应塔的某塔板温度和塔压差作为输入变量,而不选择塔底的反应器温度。这是因为,反应器里面有好多种组分,温度不能反应某单一组分的变化。但是塔底酸组分的变化,却会影响到被蒸发到塔板上的酸,从而使该塔板的温度发生变化。这里选择塔压差作为输入变量的原因是,即使塔板组分没有改变,塔板温度也会随压力而变化,因此必须对温度进行压力补偿。在对所建模型没有良好预计的情况下,可以运行程序对不同变量的组合所获得的模型结果进行比较来确定一个较好的组合。一个需要注意的问题是,不要单纯为了提高模型精度而加入过多的输入变量。对于神经网络,增加变量通常都会改善模型精度,但有些输入变量可能是线性相关的(比如两个邻近塔板的温度),有些则与输出变量完全没有或只有很低的相关性,其次是对测量仪表可靠性的要求也增高。

接下来是运行程序来寻找输入变量与输出变量之间的动态关系。在本例中,找到塔板温度与反应器酸组分之间的纯滞后是43分钟,一阶滞后时间常数是9分钟。这就是说,反应器酸组分改变以后,并不会马上引起塔板温度变化,而是要等蒸发到塔板上的酸积聚到一定程度以后,才会引起温度变化,当然,这里面也包括感温元件的灵敏度和时间滞后。

以上步骤完成后,就可以运行建模程序。Aspen IQ提供4种方法建模,即线性偏最小二乘法(linear partial least square),模糊非线性最小二乘法,偏最小二乘法与神经网络混合法,纯神经网络法。可以尝试用所有的方法来建模,然后加以比较。但一般地说,偏最小二乘法与神经网络混合法的使用较为普遍。

图7.3是本例模型的结果,图7.4是模型预估值与测量值的比较。这不是一个很理想的模型,但结果还算是差强人意。

     
      图7.3 模型结果

     
      图7.4 模型预估与测量值的比较



8. 化工控制的实时监视和数据分析 [ 润树 ] 于:2008-02-01 16:46:57
现代的化工过程,都配有数字化的自动控制系统,即DCS或PLC等,这些系统本身有自己的历史数据库。操作人员可以从屏幕上观察各变量的实时数值,也可对它们进行不同时段的趋势跟踪,来监视过程的生产和控制效果,并采取相应的调整措施。对于过程的操作人员来说,有这样一个系统就足够了。但是,从网络安全的角度考虑,这样的计算机网络(process control network, PCN)与工厂和公司的通用计算机网络(LAN)是互不相通的,工程师和管理人员一般不能从自己的办公室计算机进入这个系统,加之它的历史数据库容量有限,不能满足某些需要。这样,就出现了专门提供过程历史数据库,并具有图形显示,数据计算和分析功能的过程信息系统。这样的系统一般不在PCN上,而是通过防火墙进入PCN来获取数据并与LAN连接,这样使用者就可以从办公室计算机上安全进入了。它提供的历史数据,跨度可达数年,甚至更长。在这个领域起步早的是Oil Systems开发的PI(process information)目前在过程工业领域获得广泛应用,另外有Aspen Tech的IP/21,Honeywell的PHD等。

过程信息系统对不同部门的工作人员功用是不一样的。总的来说,它是为所有相关人员提供一个即使身在办公室也如同亲临生产现场的平台,使他们可以便利地了解过程的生产和控制现状以及历史状况,提高工作效率。现在比较大的过程工业公司,在生产设施遍布全球的同时,也设有全球性的技术中心。过程信息系统在这些公司充分利用全球性的技术资源方面,也起了十分重要的作用。

图8.1是用PI来监视某生产装置中两个萃取塔操作和控制的流程图,上面有实时的过程变量值显示,也有下面两个小的历史趋势跟踪图,点击可放大。点击有设备标号的按键,可连接到相应的流程图。另外,PI也提供与MS Excel相容数据接口,可将实时或历史数据直接下载到Excel进行分析和处理。

   
    图8.1 一个PI的典型图形和历史趋势跟踪显示

具体到过程控制工程师来说,过程信息系统主要有两种功用。一是通过对过程控制的实时观察去改善控制系统,比如由于过程的变化而引起控制品质变差需进行控制器参数整定等,或者向现场操作人员提供改善操作条件的建议,比如改变控制器的设定点,调整流量比值系数等。二是在接到问题报告后,对历史数据进行分析,找出问题的根源,提出改进之道。这方面情况要复杂一些,下面我们就通过实例来加以说明。

有一个蒸馏塔T64,其作用是将进料中的水和有机物分离,使塔底的水可以循环使用,而塔顶的有机物被送至焚化炉焚毁。在正常操作情况下,该塔是统过控制第五块塔板的温度来保证水和有机物的分离要求的。但该装置的生产人员报告说,经常会出现两种极端的现象,要么过多的水被蒸馏到塔顶随有机物进入焚化炉,影响到焚化炉的正常操作,要么过多的有机物留在了塔底的水里面,使其不能符合循环水的品质要求。从这个现象的描述,可以合理推断与控制系统有关。图8.2是用PI的历史趋势跟踪将有关变量在200天是时间范围类显示出来的结果。

   
    图8.2 T64的200天历史趋势显示

其中的深蓝色变量(FI05578)就是塔顶有机物的流量。可以看到,它频繁地出现偏离正常状态很多的高峰值。从这个图我们很难分析其产生的原因,但是我们可以将其局部放大,如图8.3所示的两个多小时来看。

   
    图8.2 T64的170分钟趋势显示

现在进一步说明一下其它各个变量。绿色(FI05524)是上一个塔的塔底流量,与从另一个设备来的物料(粉红色,FI005567)混合后作为T64的进料。黄色(TI05580)是T64的再沸器蒸汽,浅蓝色(TI06815)是T64塔板5温度。从这里我们可以看到,这些变量在进入中间一段的较大变化之前是基本稳定的,唯一有大的变化的是粉红色变量,即塔的进口流量之一。经分析,我们可以这样来解释所有变量的变化:当塔的一个进料流量(粉红色)从其正常值(约35GPM)突然降到零时,再沸器蒸汽并没有马上随之降低,这就打破了热量平衡),因此多余热量将水蒸发到塔顶(深蓝线上升)。过了约30分钟后,塔板5温度开始上升,此时蒸汽流量被急剧降低,之后又迅速提高,引起其它变量发生振荡,在进料流量回到正常值后才稳定下来。

从蒸汽流量的变化特征我们还可以判断,蒸汽和塔板温度的控制回路并非处于设计的自动控制状态,否则其变化曲线应该是平滑的(排出信号采样周期太长的条件下)。经了解,这是由于进料流量变化太频繁(从图8.2的深蓝变量可以证实),使温度控制回路的控制效果不彰,操作工于是干脆将这个回路置于手动控制,这样就产生了我们看到的近乎开关控制(bang-bang control)的现象。在找到问题的根源后,我们设计了进料流量与再沸器蒸汽流量之间的前馈控制,也就是当进料流量变化后,系统适时地自动改变蒸汽流量来达到新的热量平衡,而不是像原来设计的那样完全依赖于有很长时间滞后的温度反馈控制,获得了良好的控制效果。


除了以上介绍的针对常规控制系统(DCS,PLC)的过程信息系统外,在模型预估控制等得到广泛应用以后,又出现了专门对此种控制系统进行远程监视的产品。比如Aspen Tech的Production Control Webview (PCW)就是针对其模型预估控制器DMCplus而开发的此类软件,可以通过因特网对控制器进行监视和参数调节。图8.4是它的一个显示图表。

   
    图8.4 Aspen Tech PCW 图表显示

9.有机化工的过程及其控制 [ 润树 ] 于:2008-02-11 18:10:26
有机化工的碳氢化合物原料,主要来自于石油。从炼油厂的蒸馏,触媒裂解或蒸汽裂解等过程,可以得到有机化工的基本原料,像甲烷,乙烯,丙烯,丁烯,苯,甲苯,和乙苯等。将这些原料进行深加工,可生产出满足人们日常生活需要的不同产品。

所谓有机化工过程,是指利用化学反应和物理分离的方法,对不同链级的碳氢化合物进行处理,从而获得所需产品的工业生产单元。我们这里主要介绍其中反应和分离这两大类过程以及它们的控制方法。

9.1  反应过程及其控制

有机化工生产中的化学反应,按原理分,有裂解,聚合,取代反应等,按反应器类型分有连续搅拌,均匀流动,间歇,半间歇式等。无论采取何种形式的反应,它们都必须遵从物料平衡和能量平衡这两条基本原理。反应过程的控制系统的设计和应用,就是要满足这两个要求。

比如现代大规模生产乙酸(acetic acid)的方法之一,是让甲醇与一氧化碳在高压和触媒的作用下进行碳化反应,其综合反应式是:

CH4O + CO = C2H4O2 + 热量

从物料平衡的角度来说,一个分子的甲醇与一个分子的一氧化碳反应生成一个分子的乙酸,或32公斤的甲醇与28公斤的一氧化碳反应生成60公斤的乙酸。因此,理想的控制方法是,按照这个反应式的物料比例来控制进入反应器的甲醇和一氧化碳的流量。但由于流量的测量精度和其它原因,这样做并不能保证该反应达到物料平衡。两个物料流量的比例控制只是静态前馈控制,必须有一个反馈变量来证实反应确实达到了物料平衡。如何选择这个反馈变量就要从反应器的工作原理入手。甲醇是以液体的方式进入反应器的,常规控制下,操作工按产量要求来设定其流量。比例控制回路据此去控制一氧化碳气体的流量。反应是在气液两相之间进行的。因此,反应器中压力的大小,即可间接指示一氧化碳的过量或不足。多了,未完全反应的一氧化碳就会引起压力升高,少了,则相反。了解了这一点,就可以设计一个反应器压力与一氧化碳流量之间的串级反馈控制系统,来达到物料平衡的控制目的。

同时我们也看到,这是一个放热反应,由反应所产生的热量必须连续不断地去除才能保证反应的正常进行,否则反应器温度会越来越高。该反应器有一个借助于泵而形成的自循环系统(pumparound),在这个回路中,生成物通过数个热交换器被冷凝水冷却而达到去除反应热量的目的。反应器内的温度,是一个能够很好地反映过程是否达到了热量平衡的反馈变量,可以被方便的用来与循环流量形成一个串级控制回路。

从这个例子我们可以看到,压力和温度是用来作为保证过程物料和热量平衡的被控变量。实际上,化工过程中对其它变量的控制,包括流量,液位,成分,重度等,都是为了这个目的。比如我们在“2.3 自编动态仿真一节”,举了一个乙基丙酸酯过程的例子,其中的回收塔的液位控制就是为了使两个反应物达到物料平衡。又如在“5.1 化工过程的数理控制”一节,介绍了用反应塔塔板6的温度作为反映反应物之一的酸的物料平衡。

以上这些都是连续搅拌式合成放热反应过程,现在我们来看一个均匀流动式裂解吸热反应过程。

如图9.1所示,这是一个将乙酸在高温炉中裂解,生成烯酮(ketene)和水的反应过程,其后续反应是烯酮再与乙酸合成,生成双酐(acetic anhydride)。过程原理是,液体乙酸在进入裂解炉之前被汽化,然后在炉体内被预热至约400摄氏度,再与触媒混合进入反应段,在温度升至约700摄氏度的过程中被裂解成烯酮和水。这个过程是在一两秒钟的短时间内完成的。从炉管里出来的生成物必须迅速冷却,使其中的水蒸汽能够以液态析出,否则将产生逆反应,降低乙酸的转换率。气态的烯酮进入吸收反应塔与乙酸进一步反应生成双酐粗成品。这个过程的常规控制并不复杂,有乙酸和触媒的比例控制,预热段和反应段的温度控制,烟道气里的氧气控制等。而先进控制的目标是,通过改变乙酸流量控制的设定值,触媒与乙酸的比值,温度控制的设定值,空气和燃料气的比值等等,来达成高产量,高转换率和热效率等全局性的生产指标。

   

在有机化工业中类似的裂解炉很多,比如将天然气(主要成分甲烷)裂解生成综合气(氢气和一氧化碳),将乙烷裂解生成乙烯,将石脑油裂解生成乙烯,丙烯等等。虽然这些裂解炉的过程有差异,它们的常规控制系统都是相似的。

有机化工反应过程的控制系统,常常还涉及防燃防爆的安全控制指标。由于这些指标和控制变量具有确定的对应关系,只要能保证测量和计算的准确可靠,控制起来是不难的。


9.2 分离过程及其控制 [ 润树 ] 于:2008-02-14 15:27:12
从反应过程得到的物料,除了所需的产品外,通常还有未完全反应的反应物以及由反应产生的副产品。分离过程就是要将这些化合物加以分离,从而获得最终的产品,同时也回收反应物并对副产品进行相应的处理。分离过程的设备主要有闪蒸器,吸收塔,萃取塔,以及各种形式的蒸馏塔/精馏塔。很多情况下,一个完整的分离过程是由这些设备的组合来完成的。

闪蒸器(flash tank)

如果化学反应是在高压下进行的,可以让其液态产品进入闪蒸器,通过降压来获得一定程度的分离。比如9.1中提到的乙酸生产过程,其反应后的第一步分离就是闪蒸。此降压过程将物料的高压机械能转换成热能,使物料中某些较低沸点的化合物从液态变为气态,而较高沸点的化合物仍停留在液态。当然这个分离是不完全的,气态中有高沸点物,液态中也有低沸点物,它们的分离程度取决于各化合物在对应的压力和温度下的分离系数。气态产品将进入下一个设备得到进一步分离,而液态物料被循环回反应器。闪蒸器的被控变量是压力,通过改变气态物料的流量来控制。有些闪蒸器还有辅助的加热器,通过提供外部热能来获得更多的气态产品。在这种情况下,也可调节加热器热量流(蒸器,加热油等)来控制闪蒸器的温度。


吸收塔(absorber)

如果由化学反应而获得的粗产品是气态物料,通常是用吸收塔来进行第一步的分离。吸收塔可以是塔版式的,也可以是填料式的。其过程是,气态物料从塔底进入,在与从塔顶进入的吸收液接触的过程中被吸收而转化为液态。9.1中的双酐生产过程,有两个比较特殊的吸收塔,从裂解炉获得的气态烯酮产品在吸收塔中不但被乙酸吸收,而且两个化合物同时也发生组合反应生成双酐产品。与吸收塔相配的是提馏塔,它的任务是从吸收液中分离出反应产品,而吸收母液也可以送回吸收塔循环使用。

吸收塔的控制要点是气液间的流量比例控制需恰到好处。吸收液少了,不能将产品完全吸收;多了,将使后续的蒸馏过程消耗更多的热量。因此在两者的流量比例控制外,还要加一个反馈控制系统。最好的反馈变量是塔底粗产品的成分,该变量通常是由不同种类的分析仪来测量。但是如果被分析的物料是二元组合,如上面提到的双酐吸收塔,其成分是双酐产品和乙酸,也可以通过特殊的流量仪表来测其重度,然后将重度换算成成分。这样可以大大降低测量仪表的设备和维护成本。

萃取塔(extractor)

有机化学反应的生成物中常常有水。将水从产品中分离出来,往往借助于萃取过程。其原理是,水和有机产品的混合物料从萃取塔的顶部进入,在与从塔底进入的萃取液(有机溶剂)接触的过程中,水从塔底析出。萃取塔的控制要点与吸收塔类似,但由于这是液-液之间的传质过程,其动态时间要远大于吸收塔的气-液传质。由于萃取塔一般都充满了液体,更加延缓了控制系统的动态响应。


精馏塔(distillation column)

分离过程中更具挑战性的还是精馏塔的控制。精馏塔的种类很多,功能各异,其典型特征是,塔底有一个再沸器,塔底的部分液相物料在其热量的作用被汽化并向塔的上部传递;塔顶有一个冷凝器,塔顶的气象物料被冷却为液相并部分回流。被分离的液体物料从塔中间的某块塔板(或填料段)进入精馏塔。

进料点以下的塔段被称为提馏段,液相物料在向塔底传递的过程中,依据各塔板上不同的分离系数,与上升的气相物料进行传质作用并达到平衡态。这样的过程在每块塔板上逐次进行,结果是越靠近塔底,液相中的高沸点(重主分)化合物的成分就越高。

进料点以上的塔段被称为精馏段,气相物料在向塔顶传递的过程中,与向下流动的液相进行传质作用,结果是越靠近塔顶,气相中低沸点(轻主分)的成分越高。

这个传质过程的综合结果是,在塔顶获得轻组分产品,塔底获得重组分产品,达成分离目标。但是,由于反应过程中生成的副产品可能有很多种,它们的沸点有些低于有些高于主产品,因此要获得高精度的主产品,常常需要多个精馏塔才能完成。其中,某塔去除低端副产品,某塔去除高端副产品。

精馏塔的常规控制系统

一般概念

对于不同的精馏塔,控制系统的设计往往也是不同的,要具体问题具体分析。但一般地说,几乎所有的控制系统都是为了达到物料和热量平衡的目的而设计的。常规控制系统总是将被控变量(controlled variable, CV)和调节变量(manipulated variable, MV)配对,因此有多少CV,就必须有多少MV。一个典型的精馏塔,其CV通常包括塔压(PC),塔底温度(TC)和液位(LC),塔顶温度(TC)和回流罐液位(LC)。相应地,MV有塔顶冷凝器的冷凝量(condensation, C),塔顶馏出物(distillate, D),塔顶回流(reflux,R),塔底馏出物(bottoms, B),和塔底再沸器热量(heating , H)。图9.2.1是这些CV和MV的标示说明。

   
    图9.2.1 一个典型精馏塔和它的CV(蓝色)及MV(红色)标示

理论上说,这五个MV和五个CV的配对,可以产生5!=120种组合的控制策略。但从实用的角度出发,常用的组合也就十来种。另外,不管采取哪一种组合,改变其中任何一个MV,都将以不同的动态时间影响到其它的CV(这就是我们常说的偶合现象)因此,如果所有五个CV都置于闭环控制,这个塔可能会经常处于波动状态。这个问题在有模型预估控制系统应用的情况下,可得到较好的解决,而在常规控制下,通常是将指示分离效果的一个变量,如塔顶或塔底温度,置于开环控制,即由操作工来手动改变有自由度的那个MV的设定值。表9.2.1 列出了七种CV和MV配对的控制策略*。

    表9.2.1 七种CV和MV配对的控制策略
   
   

*(取自Henry Kisters《Distillation Operation》一书)。

塔压通常是由冷凝量来控制的。如果塔压升高,说明塔里面的气相物料过多,增加冷凝量能将这些气相物料转换成液相物料。改变再沸器热量也能直接影响塔里气相物料的多寡,但不是很常用的选择。塔压的稳定,对于一个精馏塔的操作来说是非常重要的。

塔顶和塔底液位直接关系进入和馏出的物料之间的平衡,而塔的进料量通常是由其它因数决定的,因此分别选择塔底和塔顶的馏出物料流量来控制这两个液位是很容易理解的。但在某些特殊条件下,比如塔底馏出物流量太小,其流量值的改变对液位影响不大(灵敏度低),因此选择用再沸器热量来控制塔底液位会更有效。

塔顶或塔底的温度控制都是为了获得满意的分离效果,这是因为,在塔压固定的条件下,温度常常可以反应组分的变化,控制了温度,也就相当于控制了组分。当然如果有可靠的在线分析仪来测量组分就更好了。在塔顶或塔底产品纯度很高的情况下,相应的温度就不能有效的反应其产品质量(测量灵敏度底),这时通常是选择一块灵敏塔板的温度,来间接控制产品质量。如果塔压处于经常变化的状态(比如由负荷变化引起),还必须对控制温度进行塔压补偿,否则,由其反映的组分是不准确的。

控制策略的选择

在选择一种控制策略前,最好对以下问题有所了解:

是塔顶还是塔底的产品质量更重要?
哪一个产品的流量更大?
主要干扰源是什么,进料流量,组分,冷凝介质,还是热介质?
这个塔有反向响应现象吗(如再沸器热量增加反而引起塔底液位上升)?
产品流量与塔内的气液物料流量的比值是多大?
回流量与进料和塔顶产品的比值是多大?
该塔有热量综合利用的系统吗(比如塔底高温产品被用来对进料预热)?

下面我们就表中四种常用的控制策略作一个简单的分析。

图9.2.2所示策略的特点是,由于再沸器热量被用来控制提馏段的某塔板温度,对于塔底产品的质量控制是很有利的。它也能有效地对进料流量和组分的变化作出补偿,因为被控塔板温度能很快反映这些干扰所带来的变化。其缺点是,由于回流量是手动控制的,在冷凝介质的温度发生变化(比如冷却水温度随环境温度影响而改变)对过程产生干扰时,其自动响应有赖于塔压对这个干扰的反应,这通常是很迟缓的。塔顶产品流量也会处于经常的波动之中。

   

    图9.2.2 精馏塔常规控制策略之一


图9.2.3所示策略的特点与上例差不多是相反,它对塔顶产品的质量控制是有利的,对再沸器热介质温度变化的干扰却较差(如果不是蒸汽而是加热油的话),塔顶和塔底的产品流量都会波动。如果该塔塔底液位对再沸器热量有反向响应(即假液位)的现象,则不用担心,因为它的热量输入不随液位变化。

   
    图9.2.3 精馏塔常规控制策略之二

图9.2.4所示策略因回流量与回流罐液位形成串级控制,对于来自冷凝介质的干扰能很快作出响应,但由于塔板温度与塔顶馏出物之间的串级控制动态响应较慢,对产品质量控制的效果不会很好。

   

    图9.2.4 精馏塔常规控制策略之三

图9.2.5所示策略适用于塔底产品流量很小的过程,抗热介质干扰也很好。但如果存在假液位现象,这个策略就根本不能用,因为液位和加热量之间会形成一个正反馈的回路。顺便说一下,如果塔底物料在加热时会形成泡沫,就很可能引发假液位现象。

   

    图9.2.5 精馏塔常规控制策略之四

液泛(flooding)

我们还注意到,每个塔都有一个DP测量,这是塔压差,常被用来警示液泛的现象。一个塔的设计和操作,有其负荷的上限。负荷增大,每块塔板上积累的液相物料增多,就会使整体的塔压差也增大。如果超过上限,就可能引起液泛,使塔内气-液两相之间的传质过程不能正常进行,严重影响分离效果。在这种情况下,一般是通过降低进料流量来缓解。当然液泛也可能由其它因数造成,比如过量的气象物料引起传质通道的堵塞,上下不能通达,物料在塔板上越积越多。这时要考虑降低再沸器热量来减少气象物流;也可能由过量的回流造成,解决之道当然就是减少回流。

在上面图示的这个典型精馏塔的基础上,为了特殊的分离要求,设计上可以产生无数的变化。例如,当底端和高端副产品在进料中占有相当比例时,可从塔的中间某块塔板提取产品,而从塔顶和塔底分别得到底端和高端副产品。又如,进料中有水,在蒸馏时与其它有机物形成共沸,为了满足共沸所需的组分要求,就需要增加能对塔底水的组分进行控制的操作变量,要么在塔顶回流水(进料中水不足的条件下),要么在塔底循环有机物(进料中水过多的条件下)。在这些情况下,都需要对控制系统的设计进行相应的改变。

精馏塔的先进控制

精馏塔控制的挑战还是在成分控制,不但有技术上,也有经济上的原因,既牵涉到产品质量,又对能源的消耗有很大的影响。上面我们提到,在常规控制下,通常是将再沸器热量或塔顶回流置于手动控制。为了满足产品质量的要求,它们经常是处于过量设置的状况,消耗额外的能源。

多变量模型预估控制系统(MPC)的应用,常能改善精馏塔的质量控制,降低能耗。关于MPC,已有专门的一章,这里再举一个精馏塔的控制实例。

图9.2.6是一个正丁醇的产品分离塔。其进料中有约85%的正丁醇,14的异丁醇和其它轻组分,1%的重组分。由于两个同分异构的丁醇沸点和分配系数接近,很难分离,因此用了100块塔板。正丁醇产品从第六块塔板上以气相的形式抽出,被冷却后进入中间产品储罐。塔顶是异丁醇,轻组分和约15%的正丁醇。塔底是重组分和少量的正丁醇。

   
    图9.2.6 正丁醇的产品塔

它的常规控制系统是这样设计的:塔顶的回流罐液位与回流量(R)组成串级控制,塔底液位与塔板抽出产品流量也是串级控制。塔顶产品流量(D),再沸器流量(H)和塔底产品流量(B)都是手动控制。塔压处于自动控制。

先对这个设计的策略作一个说明。操作工根据进料流量和组分来设定塔顶产品流量。比如说,进料是每分钟100加仑(gpm),那么塔顶产品流量D的设定可根据下式算出:

D = 100*15%(进料中的异丁醇,塔底的异丁醇少到忽略不计) + D*15%(塔顶中的正丁醇)
D = 15/0.85 = 17.6 gpm

由于塔顶馏出物是卡死的,如果有过量的正丁醇被蒸发到塔顶,一定时间范围内将使塔板抽出产品流量降低,但回流罐液位将升高,其串级控制将使这些过量的正丁醇回流入塔中。这些正丁醇的回流将使塔底的液位上升,其串级控制回路将增大塔板抽出的产品流量,使过程重新达到物料平衡。

问题是,开初为什么会有过量的正丁醇被蒸发到塔顶呢?是由过量的再沸器蒸汽流量设定引起的。那么它的设定依据又是什么呢?是为了保证从塔板抽出的产品中的异丁醇浓度低于0.025%的指标。这么低的浓度,用在线气相色谱仪也是难以保证可靠精度的。因此,选择了对第31块塔板的物料成分进行分析,精验表明,只要这里的异丁醇浓度能保持在0.25%以下,那末最终产品的指标就能得到保证。这样做对控制系统本来是有利的,因为可以预知产品的质量,但由于再沸器蒸汽这个调节变量被置于手动控制,从色谱仪分析出的浓度不能得到有效利用。如果进料流量变化了,操作工还要根据经验工式计算蒸汽流量的设定。结果是,为了保证产品指标,蒸汽流量常常是过量设定,造成能源浪费。

应用MPC后,这几个手动设定的流量都由MPC自动调节(上图中的红色标号的变量是MV,绿色标号的变量是CV),减少了操作工的工作量,使蒸汽消耗降低了约10%,产品质量和塔顶正丁烷的浓度控制也得到很大改善,如图9.2.7所示。这是由Aspen Tech的IP/21过程信息系统所显示的历史数据,其中红线是塔板31的异丁醇浓度,蓝线是塔顶的正丁醇浓度。前半段是30天的常规控制,后半段是30天的MPC控制。

   
    图9.2.7 正丁醇产品塔的MPC控制与常规控制的比较


结束语:一个工程师的自白 [ 润树 ] 于:2008-02-19 16:22:55
这个系列,到此就结束了。从化工过程控制的技术上来说,我实践过的,差不多就这些了。但做为一个工程师,我还有一点额外的话要说。

在学习上,有一句大家都知道的话,就是“兴趣是最好的老师”。我以为,这是对的。我从大学进入自动控制的专业学习开始到现在,二十几年,兴趣一直在引导着我的学习和实践。但兴趣并非天生的。就我的职业来说,有两方面的知识很重要,一是自动控制,二是化学工程。在大学时,我主要对前者感兴趣,重在理论方面。而对后者的兴趣,是工作以后逐渐培养起来的。实践告诉我,不懂得化工,就做不好化工自动控制。从这一点来说,化工自动化这个专业在中国某些大学里的设置,有其独到的一面(虽然可能也是受苏联的影响)。在美国,做这一行的有来自电工或机械系的学生,更多的则来自化工系,前者对自动控制的理论懂得多一些,后者长于化学工程,但在两者的结合上一般不是很好。在中国学化工自动化专业的人,来美国后大多做的比较好,在这一行的比例也较高,和这个专业设置应该是有关系的。西欧诸国在化工自动化人材的培养和使用上,似乎也不太好。在很多化工厂,甚至没有过程控制工程师这个位子的设置。搞控制的,大多是电气或仪表工程师/技工,他们中多数人的化工过程知识是很有限的。

当然,要做好一个化工控制工程师,光有兴趣和良好的知识结构是不够的,还需要有一个好的工作作风。这方面没有现成的教科书,要在实践中去逐渐摸索建立起来。工程师的职业特点是将科学技术的理论付诸实现。在这个实现过程中,经验起着十分重要的作用。对于化工过程,操作工最具丰富的经验,因为他们一直在控制和观察过程。对于观察到的现象,他们可能不能用理论给以正确的解释,但这个现象本身,要得到工程师的足够重视。因此,工程师要有深入实际,多和操作工打交道,在向他们学习的同时,也要善于思考,帮助他们解决观察到的问题。由理论的实践所带来的结果,是对工程师工作正确与否的检验,而这个检验又是如此经常的在进行着,任何不实的工作作风都是要失败的。

同时,化工生产的操作和控制是由团队的互相配合来完成的。一个好的控制设想和方案要得到实现,需要得到整个团队,包括管理层的支持配合。为此,控制工程师除了要从技术上对自己的设想和方案进行耐心细致地解释说明外,某些公关工作也是不可避免的。这后一项,比较难以掌握。对此,作为一个在美国工作了近十八年的化工过程控制师,我常有无力感。

或者,不如归去。

好的,这就归去。

  【bbs_返老还痛】说: 2009-5-9 5:26:55  
   [size=2][color=blue]路过,顶上大家学习![/color][/size]














---------------------------------------------------------------------------------------------------------------------------------------
[size=2][color=silver]个性签名:[url=http://www.9vu9.cn/][color=silver]DNF外挂[/color][/url][url=http://www.sdk9.cn/][color=silver]QQ三国外挂[/color][/url][url=http://www.wlkji.cn/][color=silver]地下城与勇士外挂[/color][/url][url=http://www.f90f.cn/][color=silver]问道外挂[/color][/url][url=http://www.854s.cn/][color=silver]永恒之塔外挂[/color][/url][/color][/size]

  【bbs_guest】说: 2009-5-11 0:24:31  
   楼主  你是不是从书上抄下来的  不要老是图几几 的   
  要上图  谢谢 了   
你很强大 

  【bbs_zhaoke025】说: 2009-6-9 6:09:24  
   版主你好,能不能发考试信息啊

  【bbs_shcfntio】说: 2009-8-23 8:51:50  
   生活中多观察

观察,关注多了
就能体会到 楼主还是对的啦

  【bbs_haoyun5zai9】说: 2009-10-29 17:06:29  
   通过4种"E"型电磁铁的优缺点,比较了滑阀式阀芯等4种阀芯结构,以响应速度和流量作为目标参数,分析了几种典型的电磁阀结构,结论是环状多极式"E"型电磁铁和锥阀式阀芯为电控喷油系统用高速强力大流量电磁阀[url]http://www.samsonshanghai.com/diancifa.html[/url] 较理想的结构形式。



  回复内容:
  

       登录 | 注册



用户名:
密 码:
    注册

广告招商电话:010-51661970

    推荐供应商
    与本产品相关的动态
    与本品牌相关的新闻动态
    与本行业相关的动态


自动化网电话:010-51661970【工作日9:00-17:30】
自动化网©版权所有 京ICP证020186号
电信业务审批[2002]字第340号函
京公网安备110108002661号
京ICP备11042658号-1