一、重整产品液收率软测量（论文文献综述）
刘禹含,曹萃文[1]（2020）在《基于LightGBM的催化重整装置产品预测及操作优化相关性分析》文中认为基于Aspen HYSYS软件建立了与某炼油厂有限实际生产数据相吻合的连续催化重整装置的机理模型。考虑多种生产可能性,扩展数据范围得到完整的装置产品预测数据集;与常用的BP神经网络作对比,采用训练速度快、预测精度高、适合非线性过程建模的LightGBM决策树模型,以该催化重整装置的4个反应器的温度和循环氢流量为特征变量,分别以戊烷、二甲苯、C6、重整汽油、氢气的流量和氢气纯度为目标建立了6个单目标数据驱动产品预测模型。通过对特征变量和目标之间的相关性分析,进行10折交叉验证,得到了特性变量的重要度排序,从而针对不同生产目标找出影响最大的操作变量。结果表明,使用LightGBM建立模型的预测准确度比BP神经网络的预测准确度有大幅度提升。
黄锦[2]（2020）在《等离子体裂解煤制乙炔过程软测量方法研究》文中指出煤在我国化工行业的蓬勃发展中扮演着重要的角色。煤化工的发展有效缓解了我国化工产业对石油和天然气的依赖程度。乙炔是一种重要的基础化工原料,传统工业级制取乙炔的方法有水解电石法和甲烷氧化法,但是这些方法成本高、污染严重、流程长,难以取得良好经济效益。而等离子体裂解煤制乙炔工艺具有清洁高效的优点,随着这项工艺技术的不断发展,煤制乙炔已经逐步具备替换传统工艺的趋势。然而煤制乙炔过程机理未知、工段耦合严重、时间滞后和结焦严重等问题尚未得到很好解决,导致目前现场不能长周期稳定运行。实现反应过程关键质量参数的实时测量是解决这些问题的首要任务,而目前对煤制乙炔的研究大部分还停留在化工工艺优化、机理探索研究阶段。本文从软测量建模角度切入,对两个关键性能指标进行实时预测,包括乙炔浓度和结焦厚度,提出采用数据驱动的软测量建模方法对乙炔浓度进行实时预测,采用混合机理和数据驱动的方法对结焦厚度进行预测,取得较高预测精度,为后续全流程管控的研究奠定重要基础,论文主要的工作和创新点如下:（1）对于等离子体裂解煤制乙炔研究现状和软测量算法进行综述,针对现场测量问题,提出本文的研究内容。对反应过程的乙炔生成机理进行详细分析探讨,确定乙炔浓度软测量建模的辅助变量,提出采用改进的梯度提升集成树模型XGBOOST对乙炔浓度进行建模,该方法非线性表达能力强、建树依赖规则、可实现自动特征筛选,可有效降低模型的预测偏差。最后通过实验表明该方法具有良好预测效果。（2）针对传统建模策略未能充分利用现场大量无标签数据且未考虑过程动态特性问题,提出一种半监督学习式的改进LSTM模型,通过序列建模的方式有效解决该问题。同时引入卷积单元和多层结构对原始信息深度提取,借助注意力机制解决LSTM长期建模效果差的问题。基于现场数据,验证所提方法可以满足现场预测的需求。（3）对结焦机理进行详尽的分析论述,并结合现场反应装置的特点提出一种基于机理模型的测量方式对结焦厚度进行一次预测,机理建模依赖流体动力学模型。考虑机理模型是理想化的,未考虑其他结焦影响因素,引入数据驱动的小样本建模模型SVR对机理模型预测偏差进行二次校正,得到混合策略的软测量模型。通过实验表明混合建模策略的有效性。
赵超,陈肇泉,王斌,王延峰,陈晓彦[3]（2019）在《基于互信息和IGSA优化ELM的重整芳烃收率软测量》文中指出芳烃收率是催化重整生产过程中一个重要的产品质量指标。针对芳烃收率难以在线测量的问题,提出一种基于互信息（MI）和改进引力搜索算法（IGSA）优化极限学习机（ELM）的芳烃收率软测量建模方法。首先利用MI技术对输入变量进行特征提取及降维处理,确定软测量模型的辅助变量;其次通过引入序列二次规划法（SQP）和混沌变异策略,构建一种具有良好全局寻优性能的改进引力搜索算法,并利用该算法优化极限学习机的隐层阈值及输入权值参数,优化目标同时兼顾模型输出均方根误差和输出矩阵条件数的最小化,建立起基于IGSA优化ELM的芳烃收率软测量模型;最后应用该模型对某炼化企业催化重整装置的芳烃收率进行预报研究,结果表明,该软测量模型具有较高的预测精度和可靠性能。
王锡磊[4]（2018）在《FCC催化剂定碳量软测量混合建模研究》文中进行了进一步梳理目前我国主要采用的催化裂化生产技术是流化裂化催化（Fluid Catalytic Cracking,FCC）,实现对FCC中催化剂定碳量的快速精确测量在保证安全稳定的生产环境、提高催化裂化工艺产量和延长催化剂使用寿命等方面有着非常重大的意义。本文在现有催化裂化生产工艺的研究基础上,以增产丙烯的催化裂化工艺（MIP-CGP）的反应-再生装置为研究对象,进行了针对催化剂定碳量的软测量建模工作。提出了FCC催化剂定碳量软测量混合模型建模方法,实现了对FCC中催化剂定碳量快速准确的软测量模型,有效克服了现有的一些软测量建模方法在石油化工业应用中泛化能力不足、鲁棒性较弱的问题。首先,本文提出了一种FCC催化剂定碳量的软测量经验建模算法。为了建立准确的软测量模型,本文结合生产工艺和机理分析辅助选取了软测量模型的主导变量和辅助变量;然后在此基础上建立了改进的连续深度置信网络结构进行数据样本特征的组合选取;最后以启发式算法优化的最小二乘支持向量回归机作为回归层模型进行拟合预测。本文以平均百分比误差和均方误差作为模型测量精度的验证指标。接着,为了进一步提高催化剂定碳量软测量模型的测量精度和泛化能力,本文在经验模型上深入探索,提出了软测量串联型混合模型建模方法。本文在经验模型的基础上对FCC反应-再生系统进行机理分析,建立基于假组分理论的反应-再生系统机理模型,然后通过串联组合的方式实现软测量混合模型建模,实现了对经验模型的测量精度和外推性的有效改善。通过与经验模型进行比较,串联型混合模型在测量性能上有显着的提高。最后,为了提高炼厂数字化水平,配合数字化炼厂的建设,本文针对流化催化裂化反应-再生系统开发了生产数据关键工艺指标监测平台,并在监测平台上实现了FCC催化剂定碳量的软测量功能。生产数据关键工艺指标监测平台采用B/S架构设计,基于.NET框架实现功能开发,具有兼容性好、拓展性强的优点;平台提供了针对生产工艺中关键生产数据的监测功能,并且进行了软测量模型的功能实现,具备为企业生产控制提供数据指导的能力。
戴坤成[5]（2016）在《连续催化重整过程软测量建模及优化方法研究》文中研究说明催化重整是主要的原油二次加工过程之一,用于生产高辛烷值汽油和芳烃化工原料。随着工业过程对生产安全性、稳定性和经济性的要求不断提高,过程控制和优化技术已经石化工业领域的应用研究的热点之一。由于催化重整过程涉及到复杂的生化反应过程,存在严重的大时滞、强耦合和多扰动等过程特性,对其实施过程控制和优化面临很大的挑战。本文围绕催化重整过程关键质量变量的软测量建模和过程操作优化进行了以下几方面的研究:重整产品辛烷值（Research Octane Number,RON）和芳烃收率是重整产品重要的质量指标,对这些参数的实时监测对催化重整过程实施先进控制和优化具有重要意义。为此提出一种结合核主元分析方法和加权最小二乘支持向量机的催化重整产品质量软测量建模方法。通过与RBF、LSSVM以及WLSSVM模型的预测结果及性能评价指标的比较可以看出,基于KPCA-WLSSVM的重整产品质量软测量方法比另外三种模型效果要好,表明了 KPCA-WLSSVM模型在催化重整装置辛烷值软测量中的有效性和优越性。对重整过程操作条件进行优化是提高装置经济效益的重要手段,在结合云模型和基本差分进化算法的基础上提出一种云模型自适应差分进化算法,通过15个典型测试函数的优化测试,表明CADE算法的有效性。最后,以连续重整装置芳烃收率最大化为优化目标,采用CADE、GA、PSO以及DE算法对重整过程操作条件进行优化,结果表明本文提出的CADE算法相比另外三种优化算法重整过程操作条件优化方面具有较高的寻优精度和收敛速度。
刘思成,李悦,杨秀,王娟,张蒙蒙[6]（2015）在《芳烃抽提过程收率软测量技术应用》文中认为为了预测芳烃抽提过程收率对生产计划的制定准确性的目的。采用遗传算法和粒子群算法优化BP神经网络方法,并运用改进的遗传算法和粒子群算法进行网络训练,分别建立了芳烃抽提过程的芳烃收率建立软测量模型,并结合实际生产工艺,选取16个过程变量。并对收率分类建立相应软测量模型进行仿真研究。获得该两种模型的性能优于单纯的BP神经网络模型,且都能够较准确预测芳烃收率和较高精度的结果。为实际生产计划的制定提供参考的依据并具有良好的应用前景。
汪佳[7]（2013）在《催化重整装置的能量系统优化研究》文中认为催化重整是石油炼制工业中重要的二次加工过程之一，主要提供高辛烷值汽油调合组分和芳烃，并副产氢气，其装置能耗在炼油厂总能耗中占有较大的比重。因此，降低催化重整装置的能耗，对于实现企业的节能降耗和提高经济效益具有重要意义。能量系统优化技术是近年来较热门的成熟的节能技术，流程模拟和优化技术作为该技术的重要组成部分，越来越受到石化企业的重视和青睐。本文以某石化60万吨/年连续重整装置为例，在对装置能量系统分析的基础上，对全流程进行准确的模拟，重点对重整过程的操作条件进行优化。具体包括以下几个方面：（1）采用先进的能量系统分析方法对连续重整装置的用能情况进行分析。分析装置的能耗组成和分布，进行用能三环节划分，寻找节能潜力；对换热网络进行夹点分析，找出不合理的换热点，提出解决方案。（2）分析连续重整工艺流程，利用PetroSIM流程模拟软件对装置进行全流程模拟，通过验证，模型与实际数据相一致，可以作为操作优化的机理模型。（3）利用数据接口技术开发MPe接口工具箱，实现在Matlab平台环境下调用PetroSIM的功能，充分结合了Matlab的计算能力和PetroSIM的模拟仿真能力。以LPGRecovery仿真过程为例，阐明了MPe接口工具箱的基本功能和高级应用。在此基础上开发具有针对催化重整遗传算法优化功能的优化器Ref-OPT。（4）进行整个流程操作条件的优化。首先对预分馏塔、脱戊烷塔、脱C6塔、C4/C5分离塔进行操作条件的灵敏度分析，适当降低塔压、减小回流量可以降低能耗。然后考察了重整反应的反应温度、反应压力、氢油比、液时空速对装置的最终产物的收率、性质及能耗的影响。最后以反应器入口温度、反应压力、氢油比为决策变量，重整生成油辛烷值、催化剂结焦含量、加热炉负荷为约束条件，以线性加权的芳烃收率、C5+液收率和重芳烃收率为目标函数，建立多目标优化问题。基于建立的机理模型进行遗传算法优化，并采用外点法构造的罚函数来解决约束问题，最终计算得到了最优点，反应器入口温度为493.1℃，反应压力为290.05kPa，氢油比为2.207mol·mol-1，对实际装置的操作具有指导意义。
梁超[8]（2013）在《催化重整反应器建模技术研究》文中进行了进一步梳理催化重整是石油炼制与化工的关键技术,用于生产高辛烷值汽油调和组分和芳烃,同时可副产大量的氢气。对于复杂的催化重整过程,流程模拟技术的应用能带来显着的经济效益。本文主要研究了催化重整过程的反应机理、重整反应器模型建立以及模型参数估计等内容,针对国内某芳烃型催化重整装置建立了相应的反应器模型,基于所建立的模型对催化重整反应器进行了模拟分析与操作参数优化。具体包括以下几个方面内容：基于催化重整反应机理的研究,利用集总方法,针对芳烃型催化重整装置,提出了一个包含三十八个集总组分、九十九个反应的催化重整反应器模型。该模型的反应网络较全面地考虑了烷烃、环烷烃及芳烃之间的反应关系,覆盖了重整反应过程中的大部分反应。研究了催化重整反应器模型参数估计的方法。由于重整反应模型待估参数过多,为了降低模型参数估计的难度,通过合理假设,将待估参数数量减少至99个,并将复杂的反应网络依据碳原子数划分为C6～C11+六个反应子网络,再采用BFGS算法与SQP算法相结合的分组迭代估计方法以降低参数估计的误差。在确定模型参数之后,使用实际工业数据对模型进行了验证,结果表明模型能够对反应产物组成进行较准确的预测。使用所建立的模型对某炼油厂催化重整装置反应器的产物与温度分布进行了模拟,并分析了反应器温度、氢油比、液时空速以及反应压力对于产品收率的影响,最后对操作参数进行了优化计算。
贺宗江[9]（2012）在《催化重整装置产品质量软测量技术应用》文中研究说明采用机理方法、线性拟合方法和一阶TSK模糊神经网络算法分别对催化重整装置的主要产品质量指标——芳烃收率建立软测量模型,并在国内某大型工业级催化重整装置上进行在线应用。研究结果表明:进料负荷变化不大时3,种模型的在线预测趋势均能较好地跟踪芳烃收率的实际变化;当进料负荷变化较大时,3种模型的预测偏差分别为0.24wt%、0.67wt%和0.95wt%,且只有机理模型能如实地反映芳烃收率的变化。这说明机理模型具有预测精度高及外推性能好等优势,而且机理模型对样本数目要求最少,其预测精度基本不受样本数的影响。
赵凌燕,房韡,邱建章,王锋[10]（2011）在《连续重整装置的先进控制研究与应用》文中研究指明以预测控制和实时优化为代表的先进控制技术可以保证产品质量、提高产率、降低能耗,已经越来越多的应用到石油化工装置上。连续重整装置是炼油企业生产中的重要装置,是生产芳烃或高辛烷值汽油的主要途径。针对连续重整装置常规控制中存在的问题,以及装置操作所期望的控制目标,设计了质量指标软测量与预测控制方案,开发了该装置的先进控制系统,使装置运行平稳性得到显着改善,提高了芳烃产品的收率,并通过优化促进了装置节能降耗。该先进控制系统在实际装置应用中取得了很好的控制和优化效果。
二、重整产品液收率软测量（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、重整产品液收率软测量（论文提纲范文）
（1）基于LightGBM的催化重整装置产品预测及操作优化相关性分析（论文提纲范文）
| 1 基于Aspen HYSYS的催化重整装置模型及装置产品预测数据集的构建 |
| 1.1 基于Aspen HYSYS的催化重整装置建模 |
| 1.2 催化重整装置产品预测数据集的构建 |
| 2 基于LightGBM的催化重整装置数据驱动建模 |
| 2.1 基于LightGBM的模型训练及参数设置 |
| 2.2 基于LightGBM对催化重整装置进行产品预测建模 |
| 2.3 基于LightGBM和BP神经网络模型的产品预测结果 |
| 3 基于LightGBM模型中特征变量与目标变量的相关性分析 |
| 3.1 基于LightGBM模型相关性分析原理 |
| 3.2 基于LightGBM模型的操作优化相关性分析 |
| 4 结 论 |
（2）等离子体裂解煤制乙炔过程软测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 等离子体裂解煤制乙炔研究现状 |
| 1.2.2 煤制乙炔研究现状分析 |
| 1.2.3 软测量研究现状 |
| 1.3 本文的主要创新点与组织结构 |
| 1.3.1 本文的研究内容与组织架构 |
| 1.3.2 本文的创新点 |
| 1.4 本章小结 |
| 2 软测量基本方法介绍 |
| 2.1 引言 |
| 2.2 统计学习模型 |
| 2.2.1 主元回归分析 |
| 2.2.2 偏最小二乘法 |
| 2.2.3 支持向量机 |
| 2.3 集成学习模型 |
| 2.3.1 GBDT |
| 2.3.2 RF |
| 2.4 人工智能法 |
| 2.4.1 ANN |
| 2.4.2 LSTM |
| 2.5 本章小结 |
| 3 基于改进集成模型的乙炔浓度软测量建模研究 |
| 3.1 引言 |
| 3.2 煤制乙炔过程工艺分析 |
| 3.2.1 煤制乙炔工艺流程介绍 |
| 3.2.2 乙炔浓度影响因素分析 |
| 3.3 XGBOOST算法 |
| 3.4 乙炔浓度软测量建模 |
| 3.4.1 数据采集 |
| 3.4.2 数据预处理 |
| 3.4.3 实验验证 |
| 3.5 结果分析 |
| 3.6 本章小结 |
| 4 基于改进LSTM的半监督乙炔浓度软测量建模研究 |
| 4.1 引言 |
| 4.2 改进LSTM软测量算法介绍 |
| 4.3 乙炔浓度半监督软测量建模 |
| 4.3.1 数据序列化 |
| 4.3.2 实验验证 |
| 4.4 结果分析 |
| 4.5 本章小结 |
| 5 煤制乙炔生产过程结焦厚度软测量研究 |
| 5.1 引言 |
| 5.2 结焦工艺机理分析 |
| 5.3 基于混合建模法的结焦厚度测量 |
| 5.3.1 基于流体动力学机理模型的结焦厚度估计 |
| 5.3.2 基于支持向量回归的结焦厚度软测量 |
| 5.3.3 混合机理和数据驱动的结焦厚度测量方法 |
| 5.3.4 实验验证 |
| 5.4 结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 个人简历 |
| 攻读学位期间取得的其他研究成果 |
（3）基于互信息和IGSA优化ELM的重整芳烃收率软测量（论文提纲范文）
| 0 引 言 |
| 1 引力搜索算法 (GSA) |
| 2 基于SQP和混沌变异的改进GSA算法 |
| 2.1 IGSA |
| 1) 早熟收敛判定 |
| 2) SQP算法 |
| 3) 混沌变异策略 |
| 4) 全局记忆性 |
| 2.2 数值仿真 |
| 3 基于MI和IGSA优化ELM的软测量建模 |
| 3.1 MI |
| 3.2 ELM |
| 3.3 基于互信息和IGSA优化ELM的软测量建模 |
| 3.4 MI-IGSA-ELM模型性能验证 |
| 4 实例应用 |
| 4.1 确定输入变量 |
| 4.2 数据采集和预处理 |
| 4.3 模型建立 |
| 4.4 结果分析 |
| 5 结 论 |
（4）FCC催化剂定碳量软测量混合建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 流化催化裂化技术 |
| 1.2.2 软测量技术研究与应用 |
| 1.3 本文研究内容 |
| 第二章 流化催化裂化生产工艺 |
| 2.1 引言 |
| 2.2 FCC生产装置基本结构 |
| 2.3 FCC反应-再生系统及生产工艺 |
| 2.4 催化裂化反应机理分析 |
| 2.5 本章小结 |
| 第三章 FCC催化剂定碳量软测量经验建模 |
| 3.1 引言 |
| 3.1.1 软测量变量选取及数据样本预处理 |
| 3.1.2 软测量模型性能评价指标体系 |
| 3.2 基于改进的最小二乘支持向量回归机的软测量建模 |
| 3.2.1 最小二乘支持向量回归机算法 |
| 3.2.2 改进的LSSVR算法 |
| 3.2.3 验证与分析 |
| 3.3 基于深度置信网络的软测量建模 |
| 3.3.1 深度置信网络模型 |
| 3.3.2 二值型深度置信网络 |
| 3.3.3 连续型深度置信网络 |
| 3.3.4 验证与分析 |
| 3.4 软测量经验模型建模 |
| 3.4.1 算法描述 |
| 3.4.2 模型仿真及分析 |
| 3.5 本章小结 |
| 3.5.1 研究创新小结 |
| 3.5.2 研究内容小结 |
| 第四章 FCC催化剂定碳量软测量混合建模 |
| 4.1 引言 |
| 4.2 基于假组分理论FCC提升管机理建模 |
| 4.3 并联型软测量混合模型建模 |
| 4.4 串联型软测量混合模型建模 |
| 4.5 软测量混合模型验证与分析 |
| 4.6 本章小节 |
| 4.6.1 研究创新小结 |
| 4.6.2 研究内容小结 |
| 第五章 FCC生产数据关键工艺指标监测平台应用 |
| 5.1 引言 |
| 5.2 功能需求分析 |
| 5.3 监测平台架构设计与功能开发 |
| 5.3.1 监测平台软件架构 |
| 5.3.2 KPI监测界面设计 |
| 5.3.3 在线数据显示功能 |
| 5.3.4 历史数据显示功能 |
| 5.3.5 监测平台上FCC定碳量软测量模型的功能实现 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间成果 |
| 攻读硕士学位期间获奖情况 |
（5）连续催化重整过程软测量建模及优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 催化重整过程软测量建模方法 |
| 1.2.1 机理建模 |
| 1.2.2 多元线性回归 |
| 1.2.3 人工神经网络 |
| 1.2.4 支持向量机 |
| 1.2.5 混合建模方法 |
| 1.3 催化重整过程优化 |
| 1.3.1 传统优化方法 |
| 1.3.2 遗传算法 |
| 1.3.3 粒子群优化算法 |
| 1.3.4 差分进化算法 |
| 1.4 研究内容及章节安排 |
| 第二章 催化重整过程模型 |
| 2.1 催化重整工艺 |
| 2.2 集总反应动力学模型 |
| 2.3 重整过程建模 |
| 2.3.1 重整反应器模型 |
| 2.3.2 加热炉模型 |
| 2.3.3 换热器模型 |
| 2.3.4 重整油气分离罐模型 |
| 2.4 本章小结 |
| 第三章 基于KPCA-WLSSVM的重整过程软测量 |
| 3.1 引言 |
| 3.2 KPCA-WLSSVM模型方法 |
| 3.2.1 核主元分析 |
| 3.2.2 最小二乘支持向量机 |
| 3.2.3 加权最小二乘支持向量机 |
| 3.2.4 权值计算 |
| 3.3 CPSO-SA参数优化 |
| 3.4 基于参数优化的KPCA-WLSSVM建模步骤 |
| 3.5 实例分析 |
| 3.5.1 重整产品辛烷值软测量建模 |
| 3.5.2 重整芳烃收率软测量建模 |
| 3.6 本章小结 |
| 第四章 基于CADE的催化重整过程优化 |
| 4.1 引言 |
| 4.2 云自适应差分进化算法 |
| 4.2.1 云理论基础 |
| 4.2.2 标准差分进化算法 |
| 4.2.3 云自适应差分进化算法 |
| 4.3 典型函数优化测试 |
| 4.4 实例分析 |
| 4.4.1 优化问题描述 |
| 4.4.2 结果与讨论 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录A 部分测试函数曲面图 |
| 附录B 不同维数测试函数仿真结果 |
| 附录C 部分测试函数(20维)适应度值收敛曲线 |
| 个人简历 |
（7）催化重整装置的能量系统优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 催化重整工艺概况 |
| 1.2.1 催化重整的发展现状 |
| 1.2.2 催化重整原料及反应 |
| 1.2.3 催化重整工艺环节 |
| 1.3 炼化能量优化技术进展 |
| 1.3.1 流程模拟技术 |
| 1.3.2 过程优化技术 |
| 1.4 催化重整能量系统优化技术的应用 |
| 1.5 本论文的研究内容 |
| 第二章 催化重整装置能量系统分析 |
| 2.1 能量系统分析方法概述 |
| 2.1.1 能量平衡与?分析法 |
| 2.1.2 热（?）经济学 |
| 2.1.3 用能三环节分析 |
| 2.1.4 夹点技术 |
| 2.2 600kt/年连续重整装置的能量系统分析 |
| 2.2.1 装置能耗组成和分布 |
| 2.2.2 用能三环节分析 |
| 2.2.3 夹点分析 |
| 2.3 装置用能改进方向 |
| 2.3.1 减少工艺用能 |
| 2.3.2 提高能量传输与转换效率 |
| 2.3.3 加强能量回收利用 |
| 2.4 本章小结 |
| 第三章 连续重整装置的模拟 |
| 3.1 连续重整装置模拟对象 |
| 3.1.1 装置概况 |
| 3.1.2 工艺特点 |
| 3.1.3 工艺流程说明及工艺流程图 |
| 3.2 连续重整装置建模基础 |
| 3.2.1 模拟软件 PetroSIM |
| 3.2.2 虚拟组分与物性选择 |
| 3.2.3 反应器数学模型 |
| 3.3 催化重整全流程的模拟 |
| 3.3.1 重整反应环节的模拟 |
| 3.3.2 预处理环节的模拟 |
| 3.3.3 产品分馏环节的模拟 |
| 3.4 本章小结 |
| 第四章 Matlab–PetroSIM 接口工具箱及优化器的开发 |
| 4.1 PetroSIM 自动化接口技术 |
| 4.1.1 流程模拟软件数据接口技术简介 |
| 4.1.2 PetroSIM 接口对象 |
| 4.1.3 PetroSIM 对象模型 |
| 4.1.4 PetroSIM 与 Matlab 的数据交互 |
| 4.2 MPe 接口工具箱 |
| 4.2.1 接口工具箱实现及框架结构 |
| 4.2.2 MPe Toolbox 基本功能与应用 |
| 4.2.3 MPe Toolbox 高级应用 |
| 4.3 连续重整反应优化器的开发 |
| 4.4 本章小结 |
| 第五章 带约束条件的遗传算法在连续重整装置优化中的应用 |
| 5.1 操作条件的初步优化 |
| 5.1.1 预分馏塔分析 |
| 5.1.2 脱戊烷塔的分析 |
| 5.1.3 脱 C6 塔的分析 |
| 5.1.4 C4/C5 分离塔的分析 |
| 5.2 重整反应操作条件的分析 |
| 5.2.1 反应温度的影响规律 |
| 5.2.2 反应压力的影响规律 |
| 5.2.3 氢油比的影响规律 |
| 5.2.4 液时空速的影响规律 |
| 5.3 稳态优化问题研究 |
| 5.3.1 目标函数的确定 |
| 5.3.2 优化问题的描述 |
| 5.4 带约束条件的遗传算法在连续重整装置优化中的应用 |
| 5.4.1 解决约束问题的遗传算法 |
| 5.4.2 优化结果与讨论 |
| 5.5 本章小结 |
| 结论 |
| 总结 |
| 问题与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（8）催化重整反应器建模技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 摘要 |
| 1.1 化工过程稳态模拟 |
| 1.1.1 化工过程稳态模拟方法 |
| 1.1.2 化工过程稳态模拟的应用 |
| 1.1.3 化工过程稳态模拟的发展 |
| 1.2 催化重整过程的稳态优化控制 |
| 1.2.1 催化重整建模方法 |
| 1.2.2 催化重整优化控制 |
| 1.3 催化重整集总模型研究现状 |
| 1.4 本论文研究内容 |
| 第二章 催化重整流程简述 |
| 摘要 |
| 2.1 引言 |
| 2.2 催化重整工艺进展 |
| 2.3 催化重整装置概述 |
| 2.4 催化重整过程化学反应 |
| 2.5 重整原料分子重排历程 |
| 2.6 重整催化剂 |
| 2.7 本章小结 |
| 第三章 催化重整反应器建模 |
| 摘要 |
| 3.1 引言 |
| 3.2 重整反应网络建立 |
| 3.3 反应器模型方程 |
| 3.4 反应模型参数估计 |
| 3.5 模型验证 |
| 3.6 本章小结 |
| 第四章 催化重整反应器模型应用 |
| 摘要 |
| 4.1 引言 |
| 4.2 重整反应器模拟计算 |
| 4.2.1 各类组分分布情况 |
| 4.2.2 芳烃组分分布情况 |
| 4.2.3 反应器温度分布 |
| 4.3 反应器温度影响分析 |
| 4.4 反应器压力影响分析 |
| 4.5 进料流量影响分析 |
| 4.6 装置操作参数优化 |
| 4.6.1 芳烃收率优化 |
| 4.6.2 综合指标优化 |
| 4.7 本章小结 |
| 第五章 结论与展望 |
| 参考文献 |
| 附录：缩写、符号清单 |
| 作者简介 |
| 作者在攻读硕士学位期间的科研成果 |
（9）催化重整装置产品质量软测量技术应用（论文提纲范文）
| 1 催化重整的软测量模型 |
| 1.1 催化重整机理建模的软测量模型 |
| 1.2 催化重整数据驱动的软测量模型 |
| 1.2.1 基于混合学习的一阶TSK模糊神经网络模型 |
| 1.2.2 基于部分最小二乘算法的软测量模型 |
| 2 工业应用中的软测量模型方法 |
| 3 结束语 |
（10）连续重整装置的先进控制研究与应用（论文提纲范文）
| 1 引言 |
| 2 装置概况与控制目标 |
| 2.1 预处理单元 |
| 2.2 重整单元 |
| 2.3 抽提单元 |
| 3 先进控制方案 |
| 3.1 软测量方案 |
| 3.2 预测控制方案 |
| 4 应用案例 |
| 5 结论 |
四、重整产品液收率软测量（论文参考文献）
- [1]基于LightGBM的催化重整装置产品预测及操作优化相关性分析[J]. 刘禹含,曹萃文. 石油学报(石油加工), 2020(04)
- [2]等离子体裂解煤制乙炔过程软测量方法研究[D]. 黄锦. 浙江大学, 2020(02)
- [3]基于互信息和IGSA优化ELM的重整芳烃收率软测量[J]. 赵超,陈肇泉,王斌,王延峰,陈晓彦. 仪器仪表学报, 2019(03)
- [4]FCC催化剂定碳量软测量混合建模研究[D]. 王锡磊. 上海交通大学, 2018(01)
- [5]连续催化重整过程软测量建模及优化方法研究[D]. 戴坤成. 福州大学, 2016(07)
- [6]芳烃抽提过程收率软测量技术应用[J]. 刘思成,李悦,杨秀,王娟,张蒙蒙. 自动化与仪器仪表, 2015(05)
- [7]催化重整装置的能量系统优化研究[D]. 汪佳. 中国石油大学（华东）, 2013(06)
- [8]催化重整反应器建模技术研究[D]. 梁超. 浙江大学, 2013(10)
- [9]催化重整装置产品质量软测量技术应用[J]. 贺宗江. 化工自动化及仪表, 2012(07)
- [10]连续重整装置的先进控制研究与应用[J]. 赵凌燕,房韡,邱建章,王锋. 中国石油和化工标准与质量, 2011(11)