关键词:
萃取精馏
动态控制
自适应神经模糊推理系统
遗传算法
粒子群算法
摘要:
苯和异丙醇是化工过程中重要的化学原料,常与水形成普通精馏难以分离的三元共沸物,从工业废水中高效回收苯和异丙醇是实现资源综合利用的重要课题。现在有多种分离技术来处理共沸物,而萃取精馏是实现苯、异丙醇和水有效分离的最常用方法。萃取精馏利用萃取剂来改变原有组分间的相对挥发度,从而实现共沸物的有效分离。萃取精馏是一个高效、经济且环保的分离过程。然而,由于萃取剂的存在、组分难以在线检测及变量间强耦合性等问题,萃取精馏过程依然存在萃取剂回收利用率不高、产品纯度难以保证、控制过程不稳定等问题。本文针对苯/异丙醇/水的萃取精馏过程,基于PID控制与自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System,ANFIS),进行了动态控制方案的设计与优化,主要内容包括:通过分析三塔萃取精馏存在的管路问题,研究了切合实际管路要求的三塔萃取精馏过程。在此基础上,利用灵敏度判据法来确定各个精馏塔的温度灵敏板,提出了基于PID控制的传统温度控制方案和双温度控制方案,保证了三塔萃取精馏的稳定运行。为了验证控制方案的可行性和有效性,分别为两种控制方案引入进料流量与组分扰动,并通过平方误差积分对动态特性进行评价。结果表明,传统温度控制方案的控制结构相对简单,成本较低,能有效处理±10%进料扰动。双温度控制方案依据多个温度控制,能精准地控制精馏塔内部温度分布,解决±20%的进料扰动,具有更好的鲁棒性和稳定性。为了解决萃取精馏存在的组分难以在线检测及变量间强耦合性等问题,本文在双温度控制方案的基础上,利用ANFIS代替组分控制器设计了ANFIS-PID组合控制方案。该方案将容易测量的精馏塔变量作为ANFIS的输入量,而不选择组分作为被控量,避免了对产物浓度的实时检测。与传统温度控制方案和双温度控制方案相比,本文提出的ANFIS-PID组合控制方案不仅能有效地处理进料扰动的影响,而且具有响应时间短、超调量小等优势。针对ANFIS内部算法容易陷入局部最优,ANFIS控制方案存在局限性的问题,利用模糊C均值聚类的方式构建了初始模糊推理系统,分别采用遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)来训练ANFIS模型的网络参数,提高了ANFIS模型的收敛速度和预测精度,保证了控制方案的有效性和准确性。并在此基础上,分析了聚类数对ANFIS系统预测精度的影响。以三塔萃取精馏分离苯/异丙醇/水为例,将改进后的ANFIS-PID控制方案与双温度控制方案、ANFIS-PID控制方案进行了对比。结果表明,所提出的GA-ANFIS-PID和PSO-ANFIS-PID控制方案表现出了很好的控制效果,合适的聚类数能显著提升ANFIS的预测能力和控制能力,尤其是PSO-ANFIS-PID控制方案,在稳定时间、超调量、控制精度等性能指标方面都要优于其他控制方案。本文的研究为苯/异丙醇/水萃取精馏分离过程提供了可行动态控制方案,对其工业化应用提供了有益参考,对萃取精馏过程控制与优化具有一定的借鉴意义。