低温空分热交换非线性系统建模与节能控制方法的研究

The cryogenic air separation is the dominant process for supplying large quantities of nitrogen, argon, and oxygen to chemical, petroleum and manufacturing customers. The mechanism models for a cryogenic air separation process have the characteristics of complex structures, nonlinearity and hard to determine the model parameters. Combining the mechanism knowledge and taking the load change problem into account, this project aims to establish the dynamic mathematical models and to provide new control methods for cryogenic air separation processes, so as to improve the productivity and reduce the energy cost. The main contents include: (1) combining the information of cryogenic air separation mechanism and the observation data, present new identification methods based on the Harmens state-space model and the multiple regression statistical methods; (2) present new identification methods for nonlinear systems to solve the problems of the load change operation and the unknown disturbances, using the dynamic compensation technique, and study their convergence properties by the stochastic process theory; (3) according to the nonlinear characteristics of the air separation, explore new adaptive control schemes and discuss the stability performance of the proposed methods, so as to improve control performances and save energy; (4) develop a functional simulation and modeling and control software package to verify the effectiveness of established model and control strategy. This project is a basic research of application. The proposed integrated mechanism and statistical modeling methods have a significant value on improving the control accuracy of nonlinear air separation systems and energy saving.

低温精馏空气分离过程装置结构复杂，机理模型呈现非线性特征，模型参数求解困难。本项目融合空分机理模型信息，考虑空分装置变负荷控制的要求，研究空分非线性动态系统建模与控制新方法，以提高效率、减小能耗。主要研究内容包括（1）基于Harmens状态方程结合多元非线性回归统计方法，融合空分过程机理信息，利用过程观测数据，提出空分非线性系统辨识建模新方法。（2）针对空分装置变负荷特性，利用动态补偿技术，研究和提出能抑制干扰的非线性系统辨识建模新方法，利用随机过程理论分析提出辨识方法的收敛性能。（3）根据空分非线性系统特点，设计新型的自适应控制策略，研究提出控制方法的稳定性，提高控制效果达到节能的目的。（4）开发实用仿真辨识建模软件和控制软件，验证所建立空分系统模型以及控制方案的有效性。本项目属于应用基础研究，提出的融合机理与统计信息辨识建模方法，对于提高空分非线性系统的控制精度、节约能耗具有重要意义。

低温精馏空气分离过程机理模型的多变量和非线性特性使得先进控制理论在空分装置变负荷控制过程中的应用受到了较大限制。本项目对与之相关的非线性模型参数辨识方法，多变量模型的参数辨识方法以及非线性系统的自适应控制方法进行了研究。主要研究成果包括（1）研究了基于关键项分离原理和模型分解技术的多新息随机梯度辨识方法及递推最小二乘参数估计算法在辨识输入非线性模型参数的性能；（2）针对输出非线性系统，研究了牛顿迭代辨识方法以及多新息辨识方法在辨识输出非线性模型参数的性能；（3）针对单输入多输出系统研究了基于FIR近似和梯度搜索的参数辨识方法；（4）针对多输入单输出系统研究了基于正交匹配追踪的参数与时滞联合估计算法；（5）针对输入非线性系统研究了基于神经网络的多模型自适应控制策略。.研究结果表明，关键项分离和模型分解技术能够有效简化辨识模型并提升辨识算法的计算效率；多新息辨识方法可显著提升新息辨识算法的收敛速度；基于FIR近似和梯度搜索估计的算法可以快速、有效的辨识一类单输入多输出模型的参数并能推广应用到多输入多输出模型的参数辨识上；基于正交匹配追踪的算法可以同时辨识出一类多输入单输出系统的阶次，时延和参数；通过引入一个神经网络控制器，可以在保证系统稳定性前提下实现一类输入非线性系统的多模型自适应控制并提升控制效能。项目资助项目组成员和研究生发表了6篇SCI收录的期刊论文，3篇EI收录的会议论文，研究工作达到了预期目标。

内容获取失败，请点击重试