催化裂化故障诊断系统研究
石油化工是我国国民经济的支柱产业之一，在促进经济和社会发展中占据着十分重要的作用和地位。催化裂化装置作为炼厂的核心装置，生产过程连续化程度高、工艺复杂、操作变量及设备种类繁多，发生故障的几率与危险程度高。提高该生产过程的安全性、可靠性和有效性十分重要。
本文分析了各种故障诊断方法的特点，结合催化裂化装置的工艺、设备、运行特点，利用专家系统方法和神经网络方法两者融合的优势，以塔西南石化厂催化裂化装置反应—再生系统为研究对象，开发了TFCCFD系统。
通过分析反应—再生系统可能出现的隐患，对故障、故障征兆以及相应处理措施进行了汇总、分类，归纳出工艺类和设备类两类故障。根据反应—再生系统的历史数据和操作条件，确定了7种工艺类故障与4种设备类故障；并确定了相应的15个工艺类故障征兆参数与8个设备类故障征兆参数。确定应用BP网络模型，设计工艺类故障与设备类故障的网络结构分别为15-12-7和8-8-4。
采用自适应学习速率调整算法，选取S型函数作为激活函数，在保证网络收敛的情况下，学习速率、期望误差分别取较大值0.8和0.01。结果表明，以实际操作数据和仿真培训数据作为输入数据，TFCCFD系统能快速诊断，分析故障原因、判断故障性质并反馈处理措施。工艺类故障和设备类故障两个子网络诊断结果的正确率为75％，误诊率为25％，基本达到了预期要求。
催化裂化装置;故障诊断;人工神经网络;专家系统;网络结构;石油化工
西安石油大学
硕士
化学工艺
倪炳华;黄风林
2010
中文
TE966;TP18
60
2010-12-29（万方平台首次上网日期，不代表论文的发表时间）