化工生产中智能优化技术的应用分析.pdf

设备管理与维修2023 翼10（下）0引言随着我国大数据、人工智能、云技术等信息技术的快速发展，众多领域开始向智能化方向发展。而化工企业在生产过程中，存在建模困难、规模庞大、干扰因素多样等困难。基于此，探索、建立有化工产业特色的智能优化技术，在化工生产中应用智能优化技术是技术发展趋势的必然。1相关概念1.1化工生产优化优化是指在一定的约束条件下调整相应操作，使目标指标最大限度地满足要求。国外企业案例证明，科学的优化技术可以极大地增加企业经济效益，使用先进的技术和生产优化能提高产品质量，降低能源损耗，为企业经济带来巨大收益。化工生产是根据特定原料，选择合适的生产工艺，以单元为板块规划设备设施进行操作加工，完成产物制作的过程。现阶段，我国化工企业的生产中也应注重设备产量的提升和工艺流程操作优化。1.2智能优化技术随着科学技术的发展和进步，通过模拟生物的行为特征等方式建立仿生技术。对于优化技术而言，仿生技术也可以对优化控制过程发挥很好的效果。通过仿生技术建立模型，其模型不需要较高的精准度，所以减少了运算过程，加快了优化速度，提高了运算效率。优化控制是实现优化生产工作的重要内容之一，对优化技术应用有着极为重要的意义。传统的优化控制本质属于一种离线优化控制模式，针对多单元操作系统，各单元之间紧密关联，不能考虑全局优化。所以，优化控制的实现要从全局考虑，不断完善优化模型，保证优化结果的高效1。2化工生产中智能优化技术的应用连续生产过程是化工生产中常见的生产方式之一，在生产过程工艺联动性高，进行设备与生产原料的调整后，可以保证生产工艺高效的生产目标产物，其优点是效率高、反应稳定。本文以聚酯生产过程为分析对象，根据其生产需求，选取产品和质量两个方面为优化目标，进行智能优化技术的应用探讨。2.1聚酯生产工艺聚对苯二甲酸乙二酯（PET）属于高分子有机化合物，是合成纤维、塑料薄膜、无纺布等用品的主要原料，在行业内通常称为聚酯。其生产过程是由苯二甲酸（PTA）、催化剂、消光剂、乙二醇（EG）等材料进行酯化、缩聚及纺丝生产等工序组成。浆料是 PTA 固体物料、液体 EG 及 2%的催化剂溶液在常温摘要：面对激烈的市场竞争，化工企业必须通过合理选择原料、寻找高质量产品制造方案、优化设备装置技术等方式、方法提高产品质量、降低生产成本。对在化工生产中的智能优化技术进行分析，旨在提高化工企业生产水平，给企业带来更高的经济收益。关键词：化工生产；智能优化；应用分析中图分类号：TQ08文献标识码：BDOI：10.16621/ki.issn1001-0599.2023.10D.69化工生产中智能优化技术的应用分析方飞1，方永豪2，张平利3（1.江西盛源新材料有限公司，江西赣州341500；2.中原工学院，河南郑州450007；3.濮阳市市政设施管理处，河南濮阳457000）长，如在管道中加入硝酸盐抑制 SRB 生长。3结束语石油管道所处环境非常复杂，在实际中应该根据管道地理位置做出相应防腐措施。未来可借助先进互联网技术实现石油管道防腐。因此在后续中急需解决石油管道防腐模型。该模型需要囊括石油管道腐蚀条件、影响指标等，借助先进大数据技术实现智能防腐。参考文献1侯保荣，闫静，王娅利，等.油气田开采中管道微生物腐蚀防护技术研究现状与趋势 J.石油与天然气化工，2022，51（5）：71-79.2马秀敏，朱桂雨，路东柱，等.我国腐蚀管理体系研究 J.中国工程科学，2022，24（1）：190-197.3史艳华，叶青松，梁平，等.石油化工过程装备的环烷酸腐蚀与防护 J.材料保护，2017，50（3）：68-73，78.4朱华平，陈中华.石油设备用双组分水性环氧防腐底漆的制备 J.电镀与涂饰，2022，41（8）：540-545.5王子荣，郭铮，马玉华，等.含 La2O3奥氏体不锈钢堆焊合金层晶粒细化机制及对其耐腐蚀、磨损性能的影响 J.表面技术，2020，49（12）：274-281，329.6Li X G，Zhang D W，Liu Z Y，et al.Materials science：Share corrosiondata J.Nature，2015（527）：441442.编辑吴建卿图 3石油设备大数据防腐平台骳髊髛设备管理与维修2023 翼10（下）状态下搅拌在一起的配料。配置好后送进酯化釜进行酯化反应：HOOC（C6H4）COOH（固体）寅HOOC（C6H4）COOH（部分溶解）2HOOC（C6H4）COOH+HOCH2CH2OH寅HOOC（C6H4）-COOCH2CH2OOC（C6H4）COOH+2H2O酯化过程将 EG 进行蒸发，促进反应正向进行，反应后物料进行第二次酯化反应，在加热、搅拌的情况下进行反应，到达一定程度后取出目标材料。在缩聚反应阶段，对苯二甲酸乙二酯与对苯二甲乙酯（BHET）发生化学反应，在反应釜中经过多次聚合，释放 EG 形成线性高聚物 PET，其反应式为：nH3COOC（C6H4）COOCH2CH2OH寅 HOOC（C6H4）-COOCH2CH2C6H4）COOn+（n-1）HOCH2CH2OH在整体生产阶段，特性黏度对聚酯产品质量有着重要的意义。特性黏度的测量难度比较困难，测量滞后时间较大，不能较好地进行具体控制。2.2建立聚酯生产缩聚过程数学模型建立预报聚酯黏度数学模型，方便在不同操作条件下，发现聚酯产品特性黏度规律。结合实际情况，建立相关操作参数范围，具体参数包括反应温度 T403、夹套温度 TH401、真空度 P401、进料泵转速 PP401、出料泵转速 PP501、液位 L401 等。缩聚达到所需平均分子质量要求标准的真空度。真空度的大小影响分子排除，与反应效率有着密不可分的关系。选取 P401为输入信号。反应温度是反应进行过程的标准，影响黏度值大小。在聚酯反应过程中，缩聚反应的釜内温度与夹套温度十分接近，所以选温度时选用 T403 为输入信号2。根据聚酯生产过程中的反应参数，对反应温度、真空度、进料泵转速、出料泵转速等因素建立神经网络模型（图 1）。其复合神经网络函数关系为：SHj（t）=n1i移wi，jinxi（t）+wjdOHj（t-1）+wjtOHj（t）=SHj（t）Bj（k）=1+n2i=1仪b（xi（t）y（k）=mj移wjoutOHj（K）Bj（k）扇墒设设设设设设设设设设设缮设设设设设设设设设设设其中，n1为对角递归神经网络输入层神经元数，n2为 B 样条子网的输入层神经元数。二者内插节点数相同，都为 l。根据建立神经网络模型进行误差预报算法训练。选用不同的随机数初始化权值，制定合适的数据。根据输入信号计算 y（k），不间断地采样提取数据对神经网络进行训练，提高模型准确率3。2.3缩聚过程寻优对初始化种群操作变量进行系统化处理，采用编码的方式进行编制。根据非劣分层粒子群多目标优化算法及优化模型进行计算寻优。通过寻优结果计算，非劣分层粒子群多目标优化算法能够优化聚酯生产缩聚阶段的生产操作，提高产品产量，并更好的规划了特性黏度。3化工生产中智能优化技术的应用分析化工生产优化规模体系庞大、技术要求高、计算体系复杂，在智能优化技术方面没有建立完整的技术体系，还需要大量人才不断探索研究。对于化工行业而言，设计生产工艺水平直接决定企业未来发展前景，决定企业在该行业的地位。为提高模型的精准度，可以采用迭代优化控制结构来进行优化（图 2）。设计与生产工艺流程智能化可以提高工艺安全，帮助企业获得更好的经济效益。所以，各企业要不断的进行创新工艺流程、完善生产过程，实现优化技术智能化、高效化才能让企业在激烈的市场竞争中屹立不倒4。4结论化工生产中智能优化技术的应用是当前的研究热点。在智能优化技术的建设中，模型建立要结合工业生产工艺，越复杂的生产工艺，建立的模型越复杂。针对此种情况，传统的寻优方法由于计算体系的增大，计算可能出现错误，运算时间也随之大幅增加，影响优化技术的运行成本与效率。采用非劣分层粒子群多目标优化算法可以为聚酯生产提供最优的操作条件，为实际生产提供参考。参考文献1纪永.基于仿生群智能优化 RBF 神经网络的气动机械手稳定运动控制方法 J.液压气动与密封，2023，43（5）：14-19.2李晓宇.基于神经网络的氯乙烯精馏过程软测量建模研究 D.沈阳：沈阳化工大学，2021.3范峥，田润芝，林亮，等.利用基于 PSO 算法的径向基人工神经网络优化重催干气脱硫 J.化工进展，2021，40（6）：3107-3118.4田鹏.智能算法在化工动态优化中的应用研究 D .南京：江苏大学，2020.编辑张韵图 1聚酯特性黏度复合神经网络模型图 2迭代优化控制结构骳髊髜