丙烯聚合生产多尺度智能最优熔融指数混合建模研究

作为石油石化行业龙头之一的丙烯聚合生产过程，其熔融指数（MI）预报是生产质量控制的瓶颈和关键。然而目前尚无合适的在线分析仪，往往通过人工取样离线化验分析的方法获得，需要2小时甚至更长的周期，无法满足生产实时控制的要求，给生产质量控制带来了很大困难，既是行业的迫切需求又是学术研究的一个前沿和难点。因此，本课题针对聚丙烯各种MI建模方法的优势和不足，提出一种将多尺度连贯机理建模与连续型FDA等统计方法相结合的MI混合建模策略以弥补机理模型精度不够和统计模型扩展性较差的不足，同时引入群智等优化方法以避免模型参数选择上的随机性和不同研究者所带来的人为因素的影响，进一步提出一种带在线校正（OCS）的混合最优建模策略来进一步提高模型的适用性，探索性进行前瞻性应用研究，来解决以上丙烯聚合生产质量控制应用瓶颈问题，同时为石油石化领域复杂过程建模研究探索一种新方法，是涉及化工、控制等交叉学科的前沿研究。

作为石化行业龙头之一的丙烯聚合生产过程，其熔融指数（MI）预报是确定产品牌号和生产质量控制的瓶颈和关键。然而目前尚无合适的在线分析仪，往往通过人工取样离线化验分析的方法获得，需要2小时甚至更长的周期，不仅昂贵而且常常导致牌号偏离和经济损失，既是行业的迫切需求又是学术研究的一个前沿和难点。课题综合考虑了丙烯聚合过程MI与可直接测量关键变量的本质上的多尺度特性、时序性和连续性，以及机理模型实际应用上扩展性好但预报精度不高、而统计模型预报精度高但扩展性较差的互补特性，提出了多种将多尺度连贯机理建模与连续型FDA等统计方法相结合的MI混合建模策略；进一步引入了PSO、ACO等多种智能优化方法，来避免实际丙烯聚合生产过程变量间所具有的多峰关系特性所导致的统计方法上的随机性影响，得到了多种MI智能最优混合预报模型；进一步，考虑到熔融指数预报模型在工业中实际应用的最大挑战来自于过程的不稳定性而导致的模型失配问题，提出一种基于在线矫正策略的在线最优预报模型，研究了基于IC智能和基于控制变量参数化等动态优化方法的多种在线最优预报求解策略，解决了智能最优混合预报模型在现场运行过程中失配后如何快速矫正的问题，进一步提高了多尺度智能最优混合预报模型在实际生产有色噪声情况下的在线最优预报模型的精度与扩展性。项目成果，已发表录用论文25篇（其中，SCI期刊论文19篇含5篇Top SCI、EI期刊论文6篇）、申请发明专利16项（已全部公开）、出版学术专著1本，获2012年度过程控制领域著名的“张钟俊学生优秀论文提名奖”（全国3名），并获2013年度国家科技进步一等奖（排名第四）。