一种基于经验模态分解动态优化的催化剂混合反应控制装置制造方法及图纸

本发明专利技术公开了一种基于经验模态分解动态优化的催化剂混合反应控制装置，所述装置由管式反应器、混合比率传感器、模数转换器、现场总线网络、分散控制系统(DCS)、主控室混合比率与产品浓度状态显示、混合比率控制阀门端的数模转换器、混合比率控制阀门构成。在管式反应器中，DCS通过执行内部经验模态分解动态优化算法得到最佳催化剂混合比率控制策略，并转换为混合比率控制阀门的开度指令，通过现场总线网络发送给数模转换器，使混合比率控制阀门作出相应动作，混合比率传感器实时采集反应器内物料成分浓度并回送给DCS，使控制室工程师随时掌握生产过程。本发明专利技术能够最大化目标产品的浓度，实现生产过程的经济化。

A catalyst mixed reaction control device based on dynamic optimization of empirical mode decomposition

【技术实现步骤摘要】
一种基于经验模态分解动态优化的催化剂混合反应控制装置
本专利技术涉及管式反应器生产控制领域，主要是一种基于经验模态分解动态优化的催化剂混合反应控制装置。能够对管式反应器内的催化剂混合比率进行自动控制，以提高目标产品的浓度。
技术介绍
催化剂混合反应系统广泛应用于石油化工、精细化工、农药等工业生产中。对于管长固定的管式反应器，当原料配额比、浓度等物料参数确定以后，在充分搅拌的条件下，影响产品产量的关键因素就是催化剂混合比率。由于不同产品的生产工艺要求不同，所以按生产工艺要求对管式反应器内的催化剂混合比率自动地进行最优控制是催化剂混合反应系统挖潜增效的关键。当前国内管式反应器的控制方法中很少采用动态优化理论及对应方法，控制器中的参数往往凭已有经验设定。采用动态优化方法后的管式反应器装置的产品浓度可以进一步提高，实现挖潜增效。
技术实现思路
为了提高催化剂混合反应器目标产品的浓度，本专利技术提供了一种基于经验模态分解动态优化的催化剂混合反应控制装置。本专利技术的目的是通过以下技术方案来实现的：一种基于经验模态分解动态优化的催化剂混合反应控制装置，能够对管式反应器内催化剂混合比率自动控制，以提高目标产品的生产浓度。由管式反应器、混合比率传感器、模数转换器、现场总线网络、分散控制系统(DCS)、主控室混合比率与产品浓度状态显示、混合比率控制阀门端的数模转换器、混合比率控制阀门构成。所述控制装置的运行过程包括：步骤1)：控制室工程师指定管式反应器的长度、催化剂混合比率限制、反应器反应物的初始浓度状态、催化剂的初始混合比率信息，设定需要提高浓度的目标产品；步骤2)：DCS执行内部经验模态分解动态优化算法，获得使目标产品浓度最大的催化剂混合比率控制策略；步骤3)：DCS将得到的催化剂混合比率控制策略转换为混合比率控制阀门的开度指令，通过现场总线网络发送给混合比率控制阀门端的数模转换器，混合比率控制阀门根据收到的开度指令执行相应动作；步骤4)：混合比率传感器实时采集反应器反应物浓度，经过模数转换器后用现场总线网络回送给DCS，并在主控室内显示，使控制室工程师随时掌握生产过程。所述的DCS，包括信息采集模块、初始化模块、动态优化求解模块、动态优化收敛性判断模块、经验模态分解模块、参数更新模块、控制指令输出模块。其中信息采集模块包括管式反应器管长采集、初始浓度和混合比率限制采集、目标产品参数采集三个子模块；动态优化求解模块包括微分代数方程组(Ordinarydifferentialequations，简称ODE)求解模块、梯度求解模块、非线性规划(Nonlinearprogramming，简称NLP)问题求解模块三个子模块；NLP问题求解模块包括寻优方向求解、寻优步长求解、寻优校正、NLP收敛性判断四个子模块。该管式反应器中目标产品的生产过程可以描述为：其中t表示管长；u(t)表示催化剂的混合比率；x(t)是表示管式反应器中随管长变化的产品浓度，是其一阶导数；F[u(t),x(t),t]是根据浓度守恒、能量守恒关系建立的微分方程组；G[u(t),x(t),t]是根据热力学平衡关系建立的代数方程组。要使管式反应器中目标产品的浓度最高，定义x3(t)为该目标产品随管长变化的浓度，则该问题的动态优化数学模型表达式为：其中t0表示管长的起始端，tf表示管长的末端，x0表示管式反应器中各反应物的初始浓度，φ[u(t)]表示由控制变量即催化剂的混合比率u(t)决定的控制目标。本专利技术解决其技术问题所采用的技术方案是：在分散控制系统(DCS)中集成了一种基于经验模态分解动态优化方法，并以此为基础构建了一套控制装置。所述装置的完整结构包括管式反应器21、混合比率传感器22、模数转换器23、现场总线网络24、DCS25、主控室催化剂混合比率与产品浓度状态显示26、混合比率控制阀门端的数模转换器27、混合比率控制阀门28。所述系统的运行过程如下：步骤1)：控制室工程师指定管式反应器的长度、催化剂混合比率限制、反应器反应物的初始浓度状态、催化剂的初始混合比率信息，设定需要提高浓度的目标产品；步骤2)：DCS执行内部经验模态分解动态优化算法，获得使目标产品浓度最大的催化剂混合比率控制策略；步骤3)：DCS将得到的催化剂混合比率控制策略转换为混合比率控制阀门的开度指令，通过现场总线网络发送给混合比率控制阀门端的数模转换器，混合比率控制阀门根据收到的开度指令执行相应动作；步骤4)：混合比率传感器实时采集反应器物料浓度，经过模数转换器后用现场总线网络回送给DCS，并在主控室内显示，使控制室工程师随时掌握生产过程。所述的DCS，包括信息采集模块、初始化模块、动态优化求解模块、经验模态分解模块、收敛性判断模块、参数更新模块、控制指令输出模块。其中信息采集模块包括管式反应器管长采集、初始浓度和混合比率限制采集、目标产品参数采集三个子模块；动态优化求解模块包括微分代数方程组(Ordinarydifferentialequations，简称ODE)求解模块、梯度求解模块、非线性规划(Nonlinearprogramming，简称NLP)问题求解模块三个子模块；NLP问题求解模块包括寻优方向求解、寻优步长求解、寻优校正、NLP收敛性判断四个子模块。所述DCS产生混合比率控制阀门开度指令的经验模态分解动态优化算法运行步骤如下：步骤1)：信息采集模块31获取工程师指定的管式反应器的长度、需要优化的目标产品参数以及初始浓度和混合比率限制；步骤2)：初始化模块32开始运行，将经验模态分解迭代次数l和NLP问题求解迭代次数k置零；采用分段常量参数化，设置反应器管长的分段数为NE、对应的控制网格为T(l)和催化剂混合比率控制策略的初始猜测值u(l)，设定NLP问题的计算精度tol1，动态优化求解算法收敛精度tol2，动态优化最大迭代次数lmax；步骤3)：通过动态优化求解模块33获取第l次迭代的的控制策略u(l)和目标函数值φ[u(l)]；步骤4)：如果l＝0，直接转至步骤5)；否则，采用动态优化收敛性判断模块34进行收敛性判断，如果φ[u(l)]与上一次迭代的目标函数值φ[u(l-1)]满足则判断满足收敛条件，将第l次迭代得到的催化剂混合比率控制策略输出至控制指令输出模块37并转换为混合比率控制阀门开度指令输出；如果不满足，则继续执行步骤5)；此外，如果l＝lmax，无论φ[u(l)]是否满足公式(1)，本次迭代得到的催化剂混合比率控制策略都将输出至控制指令输出模块37并转换为混合比率控制阀门开度指令输出；步骤5)：采用经验模态分解模块34对步骤3)中获得的控制策略u(l)进行经验模态分解，得到模态分解趋势项信息，根据得到的趋势项信息重构控制网格及其对应的参数化向量步骤6)：迭代次数l加1，结合重构后的控制网格和参数化向量更新参数为将更新后的参数输入值动态优化求解模块，开始下一次迭代。所述的动态优化求解模块，采用如下步骤实现：步骤1)：结合初始化模块32或参数更新模块36提供的参数信息，采用ODE求解模块38获取本次迭代的状态信息x(k)(t)和目标函数值J(k)。步骤2)：通过梯度求解模块39获取本次迭代目标函数梯度信息dJ(k)；步骤3)：NLP问题求解模块40利用步骤1)本文档来自技高网...

【技术保护点】
一种基于经验模态分解动态优化的催化剂混合反应控制装置，能够对管式反应器内催化剂混合比率自动控制，以提高目标产品的生产浓度。其特征在于：所述装置由管式反应器、混合比率传感器、模数转换器、现场总线网络、分散控制系统(DCS)、主控室混合比率与产品浓度状态显示、混合比率控制阀门端的数模转换器、混合比率控制阀门构成。所述控制装置的运行过程包括：步骤1)：控制室工程师指定管式反应器的长度、催化剂混合比率限制、反应器反应物的初始浓度状态、催化剂的初始混合比率信息，设定需要提高浓度的目标产品；步骤2)：DCS执行内部经验模态分解动态优化算法，获得使目标产品浓度最大的催化剂混合比率控制策略；步骤3)：DCS将得到的催化剂混合比率控制策略转换为混合比率控制阀门的开度指令，通过现场总线网络发送给混合比率控制阀门端的数模转换器，混合比率控制阀门根据收到的开度指令执行相应动作；步骤4)：混合比率传感器实时采集反应器反应物浓度，经过模数转换器后用现场总线网络回送给DCS，并在主控室内显示，使控制室工程师随时掌握生产过程。所述的DCS，包括信息采集模块、初始化模块、动态优化求解模块、动态优化收敛性判断模块、经验模态分解模块、参数更新模块、控制指令输出模块。其中信息采集模块包括管式反应器管长采集、初始浓度和混合比率限制采集、目标产品参数采集三个子模块；动态优化求解模块包括微分代数方程组(Ordinary differential equations，简称ODE)求解模块、梯度求解模块、非线性规划(Nonlinear programming，简称NLP)问题求解模块三个子模块；NLP问题求解模块包括寻优方向求解、寻优步长求解、寻优校正、NLP收敛性判断四个子模块。所述DCS产生混合比率控制阀门开度指令的经验模态分解动态优化算法，运行步骤如下：步骤1)：信息采集模块31获取工程师指定的管式反应器的长度、需要优化的目标产品参数以及反应物初始浓度和混合比率限制；步骤2)：初始化模块32开始运行，将经验模态分解迭代次数l和动态优化求解迭代次数k置零；采用分段常量参数化，设置反应器管长的分段数为NE，其对应的控制网格为T...

【技术特征摘要】
1.一种基于经验模态分解动态优化的催化剂混合反应控制装置，能够对管式反应器内催化剂混合比率自动控制，以提高目标产品的生产浓度。其特征在于：所述装置由管式反应器、混合比率传感器、模数转换器、现场总线网络、分散控制系统(DCS)、主控室混合比率与产品浓度状态显示、混合比率控制阀门端的数模转换器、混合比率控制阀门构成。所述控制装置的运行过程包括：步骤1)：控制室工程师指定管式反应器的长度、催化剂混合比率限制、反应器反应物的初始浓度状态、催化剂的初始混合比率信息，设定需要提高浓度的目标产品；步骤2)：DCS执行内部经验模态分解动态优化算法，获得使目标产品浓度最大的催化剂混合比率控制策略；步骤3)：DCS将得到的催化剂混合比率控制策略转换为混合比率控制阀门的开度指令，通过现场总线网络发送给混合比率控制阀门端的数模转换器，混合比率控制阀门根据收到的开度指令执行相应动作；步骤4)：混合比率传感器实时采集反应器反应物浓度，经过模数转换器后用现场总线网络回送给DCS，并在主控室内显示，使控制室工程师随时掌握生产过程。所述的DCS，包括信息采集模块、初始化模块、动态优化求解模块、动态优化收敛性判断模块、经验模态分解模块、参数更新模块、控制指令输出模块。其中信息采集模块包括管式反应器管长采集、初始浓度和混合比率限制采集、目标产品参数采集三个子模块；动态优化求解模块包括微分代数方程组(Ordinarydifferentialequations，简称ODE)求解模块、梯度求解模块、非线性规划(Nonlinearprogramming，简称NLP)问题求解模块三个子模块；NLP问题求解模块包括寻优方向求解、寻优步长求解、寻优校正、NLP收敛性判断四个子模块。所述DCS产生混合比率控制阀门开度指令的经验模态分解动态优化算法，运行步骤如下：步骤1)：信息采集模块31获取工程师指定的管式反应器的长度、需要优化的目标产品参数以及反应物初始浓度和混合比率限制；步骤2)：初始化模块32开始运行，将经验模态分解迭代次数l和动态优化求解迭代次数k置零；采用分段常量参数化，设置反应器管长的分段数为NE，其对应的控制网格为T(l)，设置催化剂混合比率控制策略的初始猜测值u(l)，设定NLP问题的计算精度tol1，动态优化求解算法收敛精度tol2，动态优化最大迭代次数lmax；步骤3)：通过动态优化求解模块33获取第l次迭代的的控制策略u(l)和目标函数值φ[u(l)]；步骤4)：如果l＝0，直接转至步骤5)；否则，采用动态优化收敛性判断模块34进行收敛性判断，如果φ[u(l)]与上一次迭代的目标函数值φ[u(l-1)]满足则判断满足收敛条件，将第l次迭代得到的催化剂混合比率控制策略输出至控制指令输出模块37并转换为混合比率控制阀门开度指令输出；如果不满足，则继续执行步骤5)；此外，如果l＝lmax，无论φ[u(l)]是否满足公式(1)，本次迭代得到的催化剂混合比率控制策略都将输出至控制指令输出模块37并转换为混合比率控制阀门开度指令输出；步骤5)：采用经验模态分解模块34对步骤3)中获得的控制策略u(l)进行经验模态分解，得到模态分解趋势项信息，根据得到的趋势项信息重构控制网格并得到其对应的参数化向量步骤6)：迭代次数l加1，结合重构后的控制网格和参数化向量更新参数为将更新后的参数值输入动态优化求解模块，开始下一次迭代。所述的动态优化求解模块，采用如下步骤实现：步骤1)：结合初始化模块32或参数更新模块36提供的参数信息，采用ODE求解模块38获取第k次迭代的状态信息x(k)(t)和目标函数值J(k)。步骤2)：通过梯度求解模块39获取本次迭代目标函数梯度信息dJ(k)；步骤3)：NLP问题求解模块40利用步骤1)和2)中获得的目标函数值和梯度信息，求解寻优方向和寻优步长，并进行寻优修正，获得比u(k-1)更优的控制策略u(k)；步骤4)：NLP问题求解模块40运行，通过NLP收敛性判断模块进行收敛性判断，如果J(k)与上一次迭代的目标函数值J(k-1)的绝对值之差小于精度tol1，则判断收敛性满足，u(l)＝u(k)，φ[u(l)]＝J(k)，将本次迭代得到的控制策略u(l)和目标函数φ[u(l)]输出至动态优化收敛性判断模块34；如果收敛性不满足，则继续执行步骤5)；步骤5)：NLP问题求解迭代次数k加1，利用步骤3)中得到的控制策略u(k)采用ODE求解模块38重新求取状态信息x(k)(t)和目标函数值J(k)，采用梯度求解模块39重新求解dJ(k)，执行步骤3)。所述的ODE求解模块，采用的是四级五阶龙格库塔方法，求解公式为：其中，t表示管长，ti表示龙格库塔方法选择的积分节点，积分步长h为0.001，x(k)(ti)表示管式反应器反应物在第k次迭代中第ti节点的状态信息，...

【专利技术属性】
技术研发人员：刘兴高，刘平，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33