精细化工过程控制技术的重要发展趋势.doc

1、8精细化工过程控制技术的重要发展趋势摘要: 分析了精细化工生产过程的特点及其控制需求，阐明了精细化工过程控制技术的现状与主要发展趋势，包括精细化工过程的集成控制、自动批量生产控制、优化控制、生产工况和生产质量的综合性统计过程控制以及生产过程的综合性安全保护控制等。重点论述了精细化工过程控制技术领域应着重研究的两项重要课题，一为统计过程控制技术，研究和开发适合精细化工过程间歇生产特点的多变量统计控制方法，即多向、非线性、多尺度、多种分布、自适应统计过程控制方法，提高精细化工过程的工况监控和质量控制水平； 二为研究和应用防护层分析与设计、非正常工况管理等综合性安全保护控制工程技术，提高精细化工过程

2、的安全控制水平。关键词: 精细化工过程；集成控制； 批量生产控制； 优化控制； 统计过程控制Abstract: Analysis of the fine chemical production process characteristics and control requirements, to clarify the current situation and major trends of the fine chemical process control technology, including integrated control of the process of fine ch

3、emicals, automatic mass production control, optimal control, production conditions and production quality comprehensive statistical process control and production process of a comprehensive security control. Focuses on the fine chemical process control technology should focus on two important subjec

4、t of research in the field of statistical process control technology, research and development for multivariate statistical characteristics of batch production of fine chemical process control, multi-directional, non-linear multi-scale, multi-distribution, adaptive statistical process control method

5、s to improve the working conditions of the fine chemical process monitoring and quality control; two control engineering research and application of protective layer analysis and design, non-normal conditions, such as comprehensive security protection technology to improve the level of security cont

6、rol of the fine chemical processKeywords: Integrated control of the fine chemical process; mass control; optimal control; statistical process control引言精细化工生产过程是以高新技术为基础，以市场需求为导向，以产品具有特定功能附加价值高小批量多品种系列化为特点的化工生产过程近年来，精细化工生产过程在化学工业中所占的比重越来越大1-2，但由于其规模小间歇批量生产过程特性复杂等特点，因此相对于石油石化和基础化工等大型化工生产过程，国内精细化工生产过程的

7、综合自动化水平普遍较低，影响到国内精细化工行业的技术水平和经济效益3-4。因此研究精细化工生产过程的特点及其控制技术的现状和发展趋势，提高精细化工过程的综合自动化水平，对推动精细化工生产的发展很有必要，具有重要意义和技术价值。在此，本文将简要论述精细化工过程的集成控制自动批量生产控制和优化控制等控制技术的现状和发展，并对统计过程控制和安全保护控制这2项精细化工过程综合性控制策略的关键技术研究和应用方法进行重点分析与讨论。1 集成控制传统上，精细化工过程大多为小批量间歇性生产，为了节省自动化投资，企业多采用模拟仪表智能化数字仪表等仪表控制，自 动 化 程 度 较低，手动操作多4。随着对精细化工过

8、程自动化程度要求的提高，以及自动化技术的迅速发展，由工业控制计算机各种总线式模板模块和组态监控软件组成的基于的小型计算机控制系统，由于其软硬件资源丰富，使用方便，经济实用，因此在精细化工过程的数据采集和监控中得到广泛应用5。可编程控制器(PLC) 模拟量控制数据通信功能的显著增强，以及触摸屏的显示操作和编程控制功能的发展成熟，使得采用触摸屏为操作界面、PLC为基础控制器的控制系统大量用于精细化工生产单元及过程的控制。随着分散式控制系统(DCS) 和现场总线控制系统(FCS) 性能价格比的提高，中小型DCS和FCS也正在快速进入精细化工领域，如Hollies MACS6，Somatic PCS7

9、 ，JX-300X，Delta V ，Centum CS 3000 ，I/A Series 等DCS和Prefabs ，FF 等 FCS都有成功应用于精细化工生产过程的报道。控制系统的发展及其功能的丰富和完善，为实现精细化工过程的集成控制奠定了基础，集成控制以精细化工生产过程的综合经济技术指标最佳为目标，进行生产过程的顺序控制，离散控制，程序控制，调节控制，优化控制，生产调度和管理的集成，包括批量生产控制、过程优化控制、统计过程控制、安全保护控制、批量生产管理、计划与调度等功能，实现生产过程的管控一体化5.2 自动批量生产控制由于精细化工过程多为间歇生产过程，而间歇过程是一次投料一次产出，产品

10、以批量方式进行生产，因此通常也被称为批量生产过程。周期性生产、产品批量生产和输出是间歇生产过程的共同特点，每批次反应结束后，都会重新进行原料的加入，并按照方案进行各项指标的设定，一直到产品的输出，然后进行再循环投料，在设备运行上主要表现为频繁的开/停车以及通断二位式控制器件的大量使用。间歇生产过程一般都预先设计好生产方案、操作步骤和工艺参数设定轨迹，因此，在传统的精细化工过程控制系统中，按照工艺操作步骤设计的顺序控制策略和按照工艺参数设定轨迹设计的程序控制策略被大量采用。而目前精细化工生产向小批量、多品种方向发展，需要提高生产过程的柔性，因此必须遵循国际间歇过程控制标准ISA SP88 或NA

11、MUR 等，在控制系统上，根据生产品种的不同，设计不同的控制配方，并根据生产计划在控制系统上切换控制配方，实现不同品种精细化学品的自动批量生产控制，达到柔性生产的目标。目前已有多种商品化的控制配方开发与运行软件包括Somatic Batch 和I/A Batch 等 在 多 品 种多功能精细化工生产过程的控制中得到应用，其功能强大，但价格比较昂贵。一种比较经济的方法是，在DCS 上采用顺序控制功能图( SFC)连续控制功能图(CFC) 或结构化编程语言(SCL) 等自行开发批量生产控制配方6，或在PLC 系统上采用梯形图编程自行开发批量生产控制配方。3优化控制精细化工过程等间歇生产过程一般都预

12、先设计好生产程序和温度搅拌速度原料浓度压力等工艺参数，这样做一方面是为了提高生产过程的可重复性，尽量使每批次的生产过程都大致相同，另一方面是确保批次间产品在产量浓度等诸多特性上具有一致性。由于生产过程本身的复杂性及各种干扰影响的不可避免性，特别是自动化程度低时主要靠人工操作和控制，操作人员的经验和熟练程度不同，使实际操作条件及反应过程会与预先设定的方案有所区别，且每一批次的操作中这些外在的干扰都不尽相同，因此导致每批次产品质量有所区别。由于间歇过程无稳定工作点，因此大 多 精 细化工生产过程的生产状态具有动态性，属于非稳态生产操作，反应器内物料状态反应温度和压力等随时间改变 由于线性化稳定工作

13、点不存在，常规PID控制可有效工作的时间和工况范围都较窄，因此难以保证精细化工生产质量的一致性。由于间歇过程中具有显著的批次重复特性，因此可以利用以前批次的结果作为反馈，对下一批次生产进行控制.而迭代学习控制(ILC) ，也称为Run-to-Run ( RtR,R2R ) 或Run-by-Run (RbR)控制，其批次迭代学习优化的思想非常适合间歇过程的优化控制7。它是一种学习控制策略，适合于具有重复运行特性的被控对象，其利用系统先前的控制经验和输出误差来修正当前的控制作用，使被控系统的实际输出轨迹在有限时间区间内尽可能收敛于期望的输入轨迹。采用迭代学习进行优化控制，可以解决精细化工过程工艺参

14、数运行轨迹的优化跟踪控制问题，克服人工操作不同和过程特性变化带来的干扰，得到最优控制 律，与其他反馈控制策略相结合，实现精细化工过程的优化控制。这已在苯乙烯间歇聚合反应终点质量控制、PVC树脂间歇反应釜温度控制和间歇发酵过程的补料控制等很多精细化工过程的控制中得到验证7。迭代学习控制的自学习优化特性，使其在精细化工过程中的应用有着广阔的发展前景。4 综合性统计过程控制目前的精细化工生产过程产品质量控制，一般仅在生产开始重要中间点终点等有限点进行工艺物料的化验分析，操作失误或过程干扰常使工艺过程运行偏离正常工况，这种凭经验操作的方法常难以对生产质量进行有效精确控制。统计过程控制( SPC) ，又

15、称统计质量控制 ( SQC) ，是一种使用数理统计方法的生产过程监控工具。它对生产过程进行分析和评价，根据反馈信息及时发现异常因素出现的征兆，并采取措施消除其影响，使过程维持在受控状7。由于SPC技术的重要作用，近年来精细化工领域SPC方法的研究和应用范围向基于数据驱动的工况监测复杂物性参数的软测量生产阶段和生产终点判断产品质量预测和控制以及故障诊断等方向迅速发展8。4.1关键技术传统的主元分析( PCA) 和偏最小二乘(PLS )等SPC 方法假定生产过程满足如下条件: 各变量都服从相同的正态分布； 过程处于稳态，变量之间是序列不相关的；相关变量之间的关系是线性的；过程参数是恒值参数，不随时

16、间变化。但是，由于精细化工生产过程大多为间歇生产过程，是动态、非线性非平稳工艺过程，传统的PCA 和PLS 等SPC方法不适宜，因此，为了对精细化工生产过程实施SPC ，需要研究解决以下关键技术问题。(1) 非线性动态多向PCA 和PLS方法开发与应用间歇生产过程的监控比连续过程复杂，其测量数据是三维的( 批次 *变量 *时间) ，而不像连续过程是两维的 .采用多向PCA ( MPCA)8和多向PLS (MPLS )9可以将三维矩阵通过切片展开成二维矩阵，从而使得利用PCA 和PLS对间歇过程实施SPC 监控成为可能. 但由于间歇生产过程同时又是非线性、动态非平稳过程，因此须采用神经元网络等非

17、线性模型，并通过计算各变量的自相关系数和确定各变量的时滞常数解决数据动态性问题，进行非线性、动态、多向PCA 和PLS方法的开发与应用研究10。(2) 自适应多变量SPC方法开发与应用。 多变量统计控制的另一个发展方向是自适应、多变量统计控制 。在理想情况下，一个过程的正常操作过程应该是平稳的，即过程的均值和协方差是不变的，但在很多实际过程中，过程变量的均值和协方差在正常运行时也会随时间漂移，这通常是由于设备的磨损和老化。 原材料的变化和传感器的偏移所引起的与过程故障相比，这种偏移是缓慢的，并属于过程正常运行情况，但这种偏移会随时间累积而引起误诊断等。 对于这类正常过程漂移，需要调整过程变量均

18、值和协方差11，通常可采用递归的方法，将新的测量数据以一定的权值包含到待处理的数据矩阵中，通过指数加权移动均值和指数加权移动方差来进行主元分析； 以及采用更新数据的归一化参数和移动时间窗口的方法来适应均值和方差的变化，进行自适应、多变量SPC方法开发与应用。4.2 SPC应用在建立了精细化工过程实时数据库，并 通 过基础过程控制系统(PCS ) 采集和获取大量工艺过程实时数据的基础上，即可运用多变量统计过程控制(MPCS ) 技术进行数据挖掘，对工艺过程的运行状况和生产质量进行在线实时监控，确保工艺过程平稳优质运行。实际中，可应用实时数据库Real DB 或实时智能系统开发平台G2/GDA 等

19、软件中的SPC 模块，计算和绘 制 主 要SPC变 量 的 She wart移 动 平 均图、累积和( CUSUM) 图，应用多变量回归，以及多变量统计分析方法来分析和解释数据，及时发现工艺过程运行中存在的问题，对工艺过程实施统计过程控制。另外，可把 PCA和PLS 等多元统计投影方法融入传统统计过程控制中，研究和开发适用于间歇过程的多变量统计控制方法，即多向、非线性、多尺度、多种分布、自适应SPC 方法，应用它们监控批与批产品质量的变化；从批量生产过程历史数据中求出最佳的温度- 时间轨迹，并监控反应阶段温度的变化；建立合适的SPC 报警限，进行在线SPC报警和在线因果分析等，进行精细化工生产

20、过程运行状况及产品质量的监控。结论精细化工生产过程规模较小、间歇及半连续过程多，流程复杂，操作繁杂，劳动强度大，工艺介质有一定毒性、腐蚀性和易燃易爆性，对生产的安全性要求高，因此其生产过程的控制存在较多困难与问题，加上快速多变的市场需求，对精细化工过程控制技术的研究与应用提出了新的挑战。 在此背景下，本文阐述了生产过程集成控制 、批量生产、控制优化、控制综合性统计过程控制等精细化工过程控制技术的重要发展趋势，并指出了应着重进行研究的两项重要课题，即研究和应用适合精细化工过程间歇生产特点的多向、 非线性、多尺度、多种分布、自适应统计过程控制方法，以及防护层分析与设计、非正常工况管理和应急处置等综

21、合性安全保护控制工程技术，以期提高精细化工过程的工况监控、质量控制和安全控制技术水平。参考文献1 Dominique B， Srinivasan B，Huneker DControl and optimization of batch processes，improvement of processoperation in the production of specialty chemicalsJIEEE Control Systems Magazine，2006，26 ( 6)：34-45 2 刘兴高，徐用懋精细化工发展的关键技术模型化、控制与优化研究J现代化工，2001,21(8):5-

22、113 邹志云，桂新军间歇化工过程先进控制技术的应用与发展评述J石油化工自动化，2009，45(1):1-64 刘鸿强，李立新精细化工和制药过程控制M上海：华东理工大学出版社，2009：1-1215 宋建成间歇过程计算机集成控制系统M北京：化学工业出版社，1999：1-1526 高峰 HOLLiASMACS系统在精细化工间歇式批量生产项目中的应用J自动化博览，2009(11)：65-707 WANG You-Qing，GAO Fu-wrong，Doyle F JSurvey on iterative learning control，repetitive control，and run- to

23、-run control JJournal of Process Control，2009，19 ( 10)：1589-1 6008 Kauri TApplication of latent variable methods to process control and multivariate statistical process control in industry J International Journal of Adaptation and Control Signal Processing ，2005，19 (4)：213-246 9 Koori T，Notices P ，M

24、acgregor J FAnalysis，monitoring and fault diagnosis of batch processes using multilink and multiday PLS J Journal of Process Control ，1995，5 ( 5)：277-284 10 CHEN J ，LIU K C On-line batch process monitoring using dynamic PCA and dynamic PLS models J Chemical Engineering Science ，2002，57 ( 1)：63-75 11 ZHANG Ying-wei，LI Zhi-ming，ZHOUHongStatistical analysis and adaptive technique for dynamical process monitoring JChemical Engineering Research and Design，2010，88 ( 10)： 1 381-1 392