导　　师： 邵诚

学科专业： H1101

授予学位： 博士

作　　者： ;

机构地区： 大连理工大学

摘　　要： 膜分离技术兼有分离、浓缩、纯化和精制的功能，是当今循环经济时代最受瞩目的一项高新技术；膜分离技术又具有高效、节能、环保、分子级过滤等特性，是企业实现绿色制造的一个重要手段。为了充分发挥膜分离技术的先进性，给应用膜分离技术企业带来最大的经济效益，在保证膜分离装置安全、稳定运行的基础上，还需要根据不同工艺流程的最佳工艺操作条件，保证膜的分离性能，并达到最高的回收率与纯度，这就为控制理论与控制工程提出了新的课题。本文以膜分离过程的优化控制为研究对象，以理想膜分离过程为目标，分别针对气体和液体膜分离过程的优化和控制方法开展研究，并结合新工艺实施方案中的具体要求，完成了如下主要工作： 1．针对利用TBM中低压气体膜分离技术回收炼厂气中氢气的两段流程控制中原料气入膜温度难以实现稳定控制的问题，提出了模糊自整定PID控制方法，进而实现了包括水冷器出口温度、旋风分离器液位、原料气入膜压力及一段和二段渗透气压力和原料气入膜温度等多个回路的自动控制。通过在镇海炼化的应用表明，该工艺流程设计合理，控制系统安全可靠，并在DCS上开发了基于机理模型的气体膜分离过程模拟系统，为装置的优化操作提供指导，从而为TBM膜在炼油厂的推广应用提供了成功示范。 2．针对气体膜分离过程重要性能参数难以在线检测的问题，建立了基于RBF神经网络的气体膜分离过程MIMO软测量模型，可以通过测量操作温度、原料气压力、渗透气压力、尾气压力、原料气流量和原料气氢浓度，对质量指标渗透气氢浓度和经济目标氢气回收率进行定量预测。仿真结果表明，该模型避免了机理模型的复杂性，而且具有较高的精度，从而为气体膜分离过程的先进控制APC及优�

关 键 词： 膜分离 神经网络 优化控制 工艺流程

领　　域： [化学工程] [自动化与计算机技术] [自动化与计算机技术]