原油冶炼中主精馏塔装置的渐近辨识及分析

发布时间：2022-02-11 11:40

　　原油冶炼过程的精馏塔装置属于典型的强耦合多变量化工对象,对其进行控制需要准确、合理的数学模型,辨识模型的精确程度与控制效果和经济效益直接相关。出于安全和效率考虑,对原油精馏过程的测试需要在闭环条件下进行,渐近辨识方法在测试过程中能够同时改变多路操作变量并根据频域方法给出模型。本文基于渐近辨识理论,采用先升阶再降阶的解决方案,根据ARMAX模型描述精馏塔装置,取得符合要求的辨识模型。由于新观测数据能够降低过程建模中的不确定性,以输出误差为指标考察了新的测量数据对改善辨识模型精度的影响,分析测试数据信息量与有效估计之间的联系,量化分析新观测数据的引入对降低模型参数不确定性的影响。 

【文章来源】：华东理工大学学报(自然科学版). 2017,43(03)北大核心CSCD

【文章页数】：7 页

【部分图文】：

图１输出变量谱密度分析Ｆｉｇ．１Ｓｐｅｃｔｒａｌｄｅｎｓｉｔｙａｎａｌｙｓｉｓｏｆｏｕｔｐｕｔｖａｒｉａｂｌｅｓ

４的时延范围选择为［０∶２∶４０］，即［０２４６…４０］；输出变量２的时延范围选择为［５０∶５∶１１０］，即［５０５５６０…１１０］。在选择时延的过程中，假设ＡＲＸ模型阶次为４０，选择输出误差作为衡量时延合适程度的指标。为简洁起见，对于一个给定输出，对所有输入均采用同样的时延。本文考虑的主精馏塔装置有４组被控变量，将其分解为４个多输入单输出（ＭＩＳＯ）过程，选择输出误差较低点对应的时延作为４组ＭＩＳＯ过程的时延估计值，结果如图２所示。图２横轴表示时延值，纵轴则是按照输出误差准则计算得出的误差值。从图２得出可能的时延值有多种情况。根据这些情况开展的后续实验结果表明，较为合适的时延估计值为［４，１００，１２，１０］。图２时延估计Ｆｉｇ．２Ｔｉｍｅｄｅｌａｙｅｓｔｉｍａｔｉｏｎ２．３阶次选择在时延确定后，首先采用计算复杂度较低的线性ＡＲＸ模型对４组多输入、单输出（ＭＩＳＯ）过程进行描述，针对每组输出变量，估计其对应的ＭＩＳＯ过程的数学模型，在一定范围内选择使误差准则最小的阶次。为便于讨论，针对每组ＭＩＳＯ模型，在４００

模型阶次更高。采用ＦＯＥ准则，将最高阶次设定为ｎ＝５０。逐渐增高ＡＲＸ模型阶次，检测相关的ＦＯＥ变化情况，得到图３。由图３可见，当阶次逐渐升高，ＦＯＥ会不断下降，对于输出变量３和输出变量４，模型阶次超过１０后ＦＯＥ下降并不明显。权衡模型的复杂程度和准确性等因素后，将描述４组ＭＩＳＯ过程的高阶ＡＲＸ模型阶次依次选择为４５、３８、６和４。模型结构确定后再降阶得到可应用的等价模型，同时根据参数估计计算出理论模型参数。图３ＦＯＥ随ＡＲＸ模型阶次变化情况Ｆｉｇ．３ＦＯＥｃｈａｎｇｅｓｗｉｔｈｔｈｅｏｒｄｅｒｏｆｔｈｅＡＲＸｍｏｄｅ２．４参数估计参数估计的目的是得到无偏的最小方差的模型估计值，良好的参数估计方法在闭环测试中应保持一致性，并取得最小方差，而且在数值上稳定可靠。描述４个ＭＩＳＯ过程的高阶ＡＲＸ经过降阶得到４组低阶ＡＲＭＡＸ模型，每组模型具有７组输入变量，意味着式（１３）中多项式Ｂ（ｑ）存在７个分量。用时序数据来估计ＡＲＭＡＸ模型阶次和多项式参数，同时给出均方误差（ＭＳＥ）和拟合程度。ＭＳＥ的值越小，说明预测模型描述实验数据具有更好的精确度。描述４组ＭＩＳＯ过程的ＡＲＭＡＸ模型参数估计结果如表１所示。表１中参数ｎｂ实际具有７个分量，表示ＭＩＳＯ过程的ＡＲＭＡＸ模型有７组输入。前面的假设认为７个分量相同，如ｎｂ＝３则说明分量为ｎｂ＝｛３３３３３３３｝。为说明估计模型的稳定性，同时对降阶前的高阶ＡＲＸ模型和降阶后的Ａ


本文编号：3620211