專利名稱：一種裂解爐裂解反應(yīng)的預(yù)警方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種裂解爐裂解反應(yīng)的預(yù)警方法，尤其是一種乙烯裝置裂解爐裂解反應(yīng)的 預(yù)警方法。
背景技術(shù)：
在流程工業(yè)生產(chǎn)中，由于生產(chǎn)過程復(fù)雜、操作工藝條件經(jīng)常變化，很難直觀的從檢測 變量看出生產(chǎn)過程是否出現(xiàn)異常，往往要等到異常情況持續(xù)了一段時(shí)間，己經(jīng)對產(chǎn)品的質(zhì) 量或系統(tǒng)的穩(wěn)定性產(chǎn)生影響時(shí)，才能發(fā)現(xiàn)異常狀況。目前，流程工業(yè)生產(chǎn)裝置大多采用集 散控制系統(tǒng)(DCS)監(jiān)控或人工操作，DCS —般帶有報(bào)警設(shè)備，當(dāng)生產(chǎn)過程關(guān)鍵參數(shù)超出 報(bào)警限值時(shí)，將會進(jìn)行聲、光報(bào)警或信息提示，但此時(shí)故障己經(jīng)發(fā)生，對生產(chǎn)已造成了一 定的負(fù)面影響；且由于報(bào)警參數(shù)不易修改，系統(tǒng)誤報(bào)警較多，無法消除， 一定程度上影響 操作人員的精神狀態(tài)。如果能在裝置處于從正常工況轉(zhuǎn)向異常工況的過渡期發(fā)現(xiàn)問題，并 發(fā)出警報(bào)，就能及時(shí)找出問題所在并進(jìn)行處理，把損失減到最小。預(yù)警技術(shù)就是在對生產(chǎn) 過程進(jìn)行實(shí)時(shí)分析的情況下，及時(shí)發(fā)現(xiàn)異常工況趨勢并對操作人員進(jìn)行警示，使其以最快 的速度消除裝置發(fā)生或即將發(fā)生的異常狀況，以較大程度地減少設(shè)備在"非正常生產(chǎn)狀況" 下的運(yùn)行，并降低生產(chǎn)事故發(fā)生的概率，不僅保障生產(chǎn)和生產(chǎn)裝置的安全，還可以提高企 業(yè)的經(jīng)濟(jì)效益。
乙烯是化學(xué)工業(yè)的重要基礎(chǔ)原料，其產(chǎn)量成為衡量一個(gè)國家或地區(qū)石油化工發(fā)展的主 要標(biāo)志。乙烯生產(chǎn)的規(guī)模、成本、生產(chǎn)穩(wěn)定性、產(chǎn)品質(zhì)量等都會對整個(gè)石油化工行業(yè)產(chǎn)生 重大影響，因此乙烯裝置就成為關(guān)系全局的核心生產(chǎn)裝置。作為乙烯生產(chǎn)過程的龍頭裝置， 裂解爐運(yùn)行情況的好壞，直接影響乙烯的收率和后續(xù)工序的進(jìn)行，如果在裂解區(qū)沒有產(chǎn)生 合格的裂解氣，那么后續(xù)的精餾精制過程也很難產(chǎn)出合格的乙烯產(chǎn)品。
在生產(chǎn)過程中，當(dāng)原料進(jìn)入到裂解爐輻射段后，由于受到高溫加熱而發(fā)生脫氫、斷鏈 等反應(yīng)，分解成乙烯、丙烯等多種烴類及碳、氫、水、 一氧化碳等多種產(chǎn)物，對裂解反應(yīng) 進(jìn)行在線實(shí)時(shí)分析就可以及時(shí)掌握裂解的程度及生產(chǎn)主要組分的比例，這對提高產(chǎn)出率，
4增加經(jīng)濟(jì)效益是至關(guān)重要的?，F(xiàn)行裂解裝置的生產(chǎn)狀況如前述流程工業(yè)生產(chǎn)類似，缺乏對 裂解深度有效及時(shí)的報(bào)警機(jī)制，雖有專門用來檢測裂解反應(yīng)深度的在線儀表，但是一般都 價(jià)格昂貴，維護(hù)困難，穩(wěn)定性差，且存在20 30分鐘的滯后，無法實(shí)時(shí)反映出裂解反應(yīng)深 度的變化。

發(fā)明內(nèi)容
為了解決上述技術(shù)問題，本發(fā)明提供了一種裂解爐裂解反應(yīng)的預(yù)警方法以達(dá)到以下目 的通過本預(yù)警技術(shù)減少非正常工況，增加企業(yè)經(jīng)濟(jì)效益，減少事故的發(fā)生，其工作原理 是對生產(chǎn)過程進(jìn)行分析，在事故發(fā)生前根據(jù)已經(jīng)有的專家知識，對操作人員提出建議性意 見，指導(dǎo)操作人員進(jìn)行控制操作，穩(wěn)定生產(chǎn)過程，及時(shí)避免損失。
本發(fā)明技術(shù)方案的基本原理如下-
當(dāng)裂解反應(yīng)出現(xiàn)異常時(shí)，與其相關(guān)的裂解爐出口溫度、進(jìn)料流量、稀釋蒸汽流量等變 量也會表現(xiàn)出相應(yīng)的變化，所以通過一些生產(chǎn)過程中的正常和異常歷史數(shù)據(jù)的統(tǒng)計(jì)和分析， 可以建立起裂解反應(yīng)的預(yù)警模型，當(dāng)有新的實(shí)時(shí)數(shù)據(jù)輸入該模型時(shí)，就可預(yù)測出這種工況 屬于正?；蚴钱惓５念悇e，這樣不需要檢測裂解氣中各產(chǎn)物的收率，就可以判定裂解過程 是否正常進(jìn)行，裂解深度是否處于正常范圍。
裂解爐在運(yùn)行狀態(tài)下是一個(gè)復(fù)雜的動力學(xué)系統(tǒng)，特別是在多故障源和非穩(wěn)定狀態(tài)下， 要求預(yù)警模型具有自適應(yīng)和魯棒性，也就是要求模式分類器具有自適應(yīng)地處理由噪聲引起 的模式失真的能力，能夠根據(jù)設(shè)備運(yùn)行參數(shù)的變化調(diào)整分類過程。神經(jīng)網(wǎng)絡(luò)技術(shù)具備這一 優(yōu)勢?；诘r經(jīng)網(wǎng)絡(luò)的預(yù)警技術(shù)，就是在建立被監(jiān)測過程的動態(tài)模型的基礎(chǔ)上，輸入為與 被監(jiān)測變量相關(guān)的容易測量的輔助變量，輸出為系統(tǒng)的工作狀態(tài)，分別用正常數(shù)據(jù)和異常 數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，使模型具有自己判斷工況正常與否的能力，并 能夠預(yù)測出生產(chǎn)過程的異常狀態(tài)。對于乙烯裂解反應(yīng)的預(yù)警，通過歷史數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn) 行訓(xùn)練，建立裂解反應(yīng)的神經(jīng)網(wǎng)絡(luò)預(yù)警模型，該模型可以對工況的變化進(jìn)行實(shí)時(shí)分析，具 有獨(dú)立判斷工作狀況的能力，當(dāng)某因素發(fā)生故障而導(dǎo)致工況異常時(shí)，神經(jīng)網(wǎng)絡(luò)可以及時(shí)做 出反應(yīng)，在該故障還沒有對裂解反應(yīng)造成影響之前發(fā)出預(yù)警，對于故障的早期發(fā)現(xiàn)具有很 大的幫助。
本發(fā)明的方法由以下步驟構(gòu)成。
1、神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)
由于乙烯裂解是一個(gè)復(fù)雜的動態(tài)過程，本發(fā)明采用動態(tài)遞歸網(wǎng)絡(luò)(Ehnan網(wǎng)絡(luò))來建立預(yù)警模型，網(wǎng)絡(luò)的隱層單元采用Tansig函數(shù)作為激勵函數(shù)，輸出層單元采用Logsig函數(shù)作 為激勵函數(shù)。輸入層的節(jié)點(diǎn)數(shù)為1 7，隱含層節(jié)點(diǎn)數(shù)為1 30，每個(gè)單元都有一個(gè)與之相 對應(yīng)的結(jié)構(gòu)單元。網(wǎng)絡(luò)結(jié)構(gòu)的實(shí)施例如圖1所示，該實(shí)施例輸入層7個(gè)節(jié)點(diǎn)，隱含層8個(gè) 節(jié)點(diǎn)，輸出層l個(gè)節(jié)點(diǎn)。
2、神經(jīng)網(wǎng)絡(luò)的輸入、輸出變量
神經(jīng)網(wǎng)絡(luò)輸入的確定實(shí)際上就是特征量的提取，對于特征量的選取，主要考慮它是否 與裝置的運(yùn)行情況有比較明確的因果關(guān)系，即輸入變量是能夠反映出故障的可測量的征兆。 裂解深度是最能夠反映出裂解裝置是否正常運(yùn)行的指標(biāo)，但是由于裂解深度的值不容易直 接測得，因此選擇一些便于測量的、與裂解深度有關(guān)系的變量作為輸入變量。本發(fā)明可選 取的輸入變量范圍為
(1) 裂解爐出口溫度(A， 。C)
(2) 稀釋比(或汽烴比)(jc2) G)裂解爐進(jìn)料負(fù)荷(x3，
(4) 原料油密度(jc4， g/cm3)
(5) 廢熱鍋爐出口溫度(jc5， °C)
(6) 裂解爐出口溫度變化率(x6， X7w)
(7) 裂解爐進(jìn)料負(fù)荷變化率(x7， 77/^w)
具體選取時(shí)，可選取其中l(wèi)個(gè)或多個(gè)操作條件作為輸入變量。 網(wǎng)絡(luò)模型的輸入變量利用式(l)進(jìn)行歸一化處理
",=~5-^~—a) + a， z'二l,2,…，z' (1)
i Ymax — Ymln 、 7， * "—''"'max 、"
(l)式中，X,是第Z'個(gè)輸入變量的實(shí)際測量值，^M為輸入變量個(gè)數(shù)，M,表示第Z個(gè)輸入
變量歸一化后作為神經(jīng)網(wǎng)絡(luò)輸入的值，[x,min ，;C"]表示采集到第/個(gè)輸入變量的變化范圍，
歸一化后輸入變量的變化范圍為[a, 6]。神經(jīng)網(wǎng)絡(luò)的輸出變量/為生產(chǎn)工況，其值為0、 l或2， 0表示工況正常，l表示一般預(yù)
警，2表示嚴(yán)重預(yù)警。
3、 根據(jù)訓(xùn)練樣本集對神經(jīng)網(wǎng)絡(luò)機(jī)型訓(xùn)練
一般來說，訓(xùn)練樣本集不僅應(yīng)全面涵蓋所有故障模式的數(shù)據(jù)，還應(yīng)具有一定的代表性， 同時(shí)必須保證學(xué)習(xí)的有效性。測試樣本集的選擇應(yīng)該滿足"交叉檢驗(yàn)"的原則。
采集到"組代表性的工業(yè)裝置數(shù)據(jù)，其中每組數(shù)據(jù)包含^ ，A,…,;c^,d，經(jīng)歸一化后 為h，^，…，M;jJ，形成訓(xùn)練樣本。對裂解反應(yīng)預(yù)警模型，以l^,，^C2,…,^c"j作為網(wǎng)絡(luò)
的輸入，對應(yīng)的y作為目標(biāo)值，訓(xùn)練網(wǎng)絡(luò)?？刹捎谜`差反向傳播算法(BP算法)對Elman
網(wǎng)絡(luò)中的權(quán)值進(jìn)行訓(xùn)練，當(dāng)達(dá)到一定精度要求時(shí)，停止訓(xùn)練，獲得裂解反應(yīng)過程神經(jīng)網(wǎng)絡(luò) 預(yù)警模型。也可以采用遺傳算法等智能優(yōu)化算法對Elman網(wǎng)絡(luò)中的權(quán)值進(jìn)行學(xué)習(xí)，學(xué)習(xí)的
過程如圖2所示。學(xué)習(xí)時(shí)，計(jì)算訓(xùn)練樣本數(shù)據(jù)中的實(shí)際工況少與神經(jīng)網(wǎng)絡(luò)的輸出y的誤差，
將誤差的倒數(shù)作為優(yōu)化算法的適應(yīng)度函數(shù)，通過優(yōu)化算法的迭代求出適應(yīng)度函數(shù)最大時(shí)的 神經(jīng)網(wǎng)絡(luò)權(quán)值。
4、 利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行工況預(yù)測
訓(xùn)練好的網(wǎng)絡(luò)可以分辨出系統(tǒng)是否處于正常工作狀態(tài)或者預(yù)警的程度。預(yù)測時(shí)，將裂 解過程的相應(yīng)輸入變量代入訓(xùn)練好的網(wǎng)絡(luò)，計(jì)算神經(jīng)網(wǎng)絡(luò)的輸出，選擇合適的分類閾值c。和
~，當(dāng)輸出小于閾值c。時(shí)，判斷過程為正常工況，當(dāng)輸出大于閾值c。且小于閾值^時(shí)，判
斷過程為一般預(yù)警；當(dāng)輸出大于閾值c^時(shí)，判斷過程為嚴(yán)重預(yù)警。
上述方法的流程圖如圖3所示。


圖1是裂解爐熱裂解反應(yīng)過程的預(yù)警模型框圖2是利用優(yōu)化算法對裂解爐熱裂解反應(yīng)過程的預(yù)警模型訓(xùn)練模塊圖； 圖3是利用祌經(jīng)網(wǎng)絡(luò)對裂解反應(yīng)預(yù)警的方法流程圖
具體實(shí)施例方式
通過以下最佳實(shí)施例的說明將有助于理解本發(fā)明，但并不限制本發(fā)明的內(nèi)容。
本實(shí)施例方法的神經(jīng)網(wǎng)絡(luò)采用圖l所示的結(jié)構(gòu)，即輸入層節(jié)點(diǎn)數(shù)為7，隱含層節(jié)點(diǎn)數(shù)為 8，輸出層節(jié)點(diǎn)數(shù)為l。
首先，采集來自現(xiàn)場和實(shí)驗(yàn)裝置的300組裂解爐在不同的裂解爐出口溫度(x,， 。C)、 稀釋比(或汽烴比)(&)、裂解爐進(jìn)料負(fù)荷(A， 77/0、原料油密度(x4， g/cm3)、廢 熱鍋爐出口溫度(x5， 。C)、裂解爐出口溫度變化率(&， 'C/w)、裂解爐進(jìn)料負(fù)荷變化 率(X7, 77^w)下，對應(yīng)裂解裝置工況(0:正常，1: 一般異常，2:嚴(yán)重異常)形成 樣本數(shù)據(jù)。
然后，利用(1)式，對上述各自變量進(jìn)行歸一化處理^的變化范圍[840,860], ;c,的變 化范圍
， ^的變化范圍[22,27]， x4的變化范圍
, x5的變化范圍[400，410]， &的變化范圍[-10,10]， 一的變化范圍[-l，l]，取&=-1， b=l，進(jìn)行歸一化計(jì)算
<formula>formula see original document page 8</formula>"7=^(1-(-1)) + (-1) 1 + 1
以歸一化后的300組樣本數(shù)據(jù)為訓(xùn)練樣本，本實(shí)施例采用BP算法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn) 練模塊圖如圖2所示；當(dāng)神經(jīng)網(wǎng)絡(luò)的輸出/與訓(xùn)練樣本的實(shí)測數(shù)據(jù)y的誤差平方和小于某 閾值(該閾值的選取隨預(yù)警模型的精度要求變化而變化，本實(shí)施例中取O.l)時(shí)，判定網(wǎng)絡(luò) 收斂，得到下列一組權(quán)值《(/=1,2,3)和偏置量^ (/=1,2廣'，8)、 6。。其中《(戶1,2,…，8;
產(chǎn)1,2，…,8)為第/個(gè)結(jié)構(gòu)單元到隱層第j'個(gè)節(jié)點(diǎn)的權(quán)值；《(/=1,2廣'，7;戶1，2，…，8)為輸
入層第'個(gè)節(jié)點(diǎn)到隱層第/個(gè)節(jié)點(diǎn)的權(quán)值；《(/=1,2，'-，8;戶l)為隱層第Z個(gè)節(jié)點(diǎn)到輸出節(jié)
點(diǎn)的權(quán)值。6, (tl，2,…,8)為隱層第'個(gè)節(jié)點(diǎn)的偏置值；6。為輸出節(jié)點(diǎn)的偏置值。裂解爐熱 裂解反應(yīng)過程預(yù)警模型為
xA = /(w7. jce+ w2 議("+ 6)
xc (&) = xA (A — 1)
/(fc) = g(w3 .^(fc) + 6。)
其中，
■^(^> = ki(^) 、2(" ^3(W ^4(A) &5(&) &6(&) &7(&) 、S("] ^(" = hi(" ^2(A) ^3(A) ^4(^0 ^5(A) XA6(" ^7("
5x(A)=[巧sx2 sx3 (A) sx4 (A:) sx5 (A) sjc6 (A) sx7 ("]
2 1
/("是裂解反應(yīng)預(yù)警模型的預(yù)測值，可取分類閾值c。二0.5， cw=1.5,當(dāng)y'("Sc。時(shí)， 當(dāng)前為正常工況；當(dāng)c?！?("S^時(shí)，當(dāng)前為一般預(yù)警；當(dāng)/(0>~時(shí)，當(dāng)前為嚴(yán)重預(yù)警。
本發(fā)明的預(yù)警方法可在集散控制系統(tǒng)或現(xiàn)場總線控制系統(tǒng)中通過編制程序的方法實(shí)現(xiàn)，與一般的裂解氣組分在線測量儀表相比，具有成本低、實(shí)施簡單、無須維護(hù)、實(shí)時(shí)預(yù) 警等優(yōu)勢。
權(quán)利要求
1、一種裂解爐裂解反應(yīng)的預(yù)警方法，其特征在于，(1)選取裂解爐的操作條件作為乙烯裂解反應(yīng)過程神經(jīng)網(wǎng)絡(luò)預(yù)警模型的輸入變量；(2)選取生產(chǎn)工況標(biāo)志位作為模型的輸出變量；(3)利用工業(yè)裂解爐實(shí)際生產(chǎn)數(shù)據(jù)作為訓(xùn)練樣本，建立乙烯裂解爐裂解反應(yīng)過程神經(jīng)網(wǎng)絡(luò)預(yù)警模型，并根據(jù)預(yù)警模型的輸出判斷當(dāng)前工況，及時(shí)發(fā)現(xiàn)異常趨勢，并對操作人員進(jìn)行警示，使其以快速消除裝置的異常狀況，降低生產(chǎn)事故的發(fā)生，提高裝置的經(jīng)濟(jì)效益。
2、 根據(jù)權(quán)利要求1所述的預(yù)警技術(shù)，其特征在于，所述步驟(1)中選取的操作條件為裂解爐出口溫度、稀釋比(或汽烴比)、裂解爐進(jìn)料負(fù)荷、原料油密度、廢熱鍋爐出口溫度、裂解爐出口溫度變化率、裂解爐進(jìn)料負(fù)荷變化率中的一個(gè)或多個(gè)條件的組合。
3、 根據(jù)權(quán)利要求l所述的預(yù)警技術(shù)，其特征在于，所述對乙烯裂解反應(yīng)過程的神經(jīng)網(wǎng)絡(luò)預(yù)警模型，采用動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層的節(jié)點(diǎn)數(shù)為1 7，隱含層節(jié)點(diǎn)數(shù)為1 30，每個(gè)單元都有一個(gè)與之相對應(yīng)的結(jié)構(gòu)單元，輸出層節(jié)點(diǎn)數(shù)為1。
4、 根據(jù)權(quán)利要求3所述的預(yù)警技術(shù)，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型輸入變量經(jīng)歸一化處理-式中，x,是第!'個(gè)輸入變量的實(shí)際測量值，/_為輸入變量個(gè)數(shù)，sx,表示第z'個(gè)輸入變量歸一化后作為神經(jīng)網(wǎng)絡(luò)輸入的值，[;Cin ,:^31表示采集到第''個(gè)輸入變量的變化范圍，歸一化后輸入變量的變化范圍為[fl,6]。
5、根據(jù)權(quán)利要求4所述的預(yù)警技術(shù)，其特征在于，采集到"組代表性的工業(yè)裝置數(shù)據(jù)，其中每組數(shù)據(jù)包含^ ，x2,...,x, ，yj ，經(jīng)歸 一 化后為^ ，^^，…，;a、，:^ ，形成訓(xùn)練樣本，對裂解反應(yīng)預(yù)警模型，以h，^，…,w」作為網(wǎng)絡(luò)的輸入，對應(yīng)的少作為目標(biāo)值，訓(xùn)練網(wǎng)絡(luò)。
6、 根據(jù)權(quán)利要求5所述的預(yù)警技術(shù)，其特征在于，采用誤差反向傳播算法(BP算法)對Elman網(wǎng)絡(luò)中的權(quán)值進(jìn)行訓(xùn)練，當(dāng)神經(jīng)網(wǎng)絡(luò)輸出與訓(xùn)練樣本目標(biāo)值的誤差平方和小于閾值時(shí)，停止訓(xùn)練，獲得裂解反應(yīng)過程神經(jīng)網(wǎng)絡(luò)預(yù)警模型。
7、 根據(jù)權(quán)利要求5所述的預(yù)警技術(shù)，其特征在于，采用遺傳算法等智能優(yōu)化算法對Elman網(wǎng)絡(luò)中的權(quán)值進(jìn)行學(xué)習(xí)，學(xué)習(xí)時(shí)，計(jì)算訓(xùn)練樣本數(shù)據(jù)中的實(shí)際工況少與神經(jīng)網(wǎng)絡(luò)的輸出y的誤差，將誤差的倒數(shù)作為優(yōu)化算法的適應(yīng)度函數(shù)，通過優(yōu)化算法的迭代求出適應(yīng)度函數(shù)最大時(shí)的神經(jīng)網(wǎng)絡(luò)權(quán)值。
8、 根據(jù)權(quán)利要求1所述的預(yù)警技術(shù)，其特征在于，預(yù)測時(shí)，將裂解過程的相應(yīng)輸入變量帶入訓(xùn)練好的網(wǎng)絡(luò)，計(jì)算神經(jīng)網(wǎng)絡(luò)的輸出，選擇合適的分類閾值 和^，當(dāng)輸出小于閾值^時(shí)，判斷過程為正常工況，當(dāng)輸出大于閾值 且小于閾值^時(shí)，判斷過程為一般預(yù)警；當(dāng)輸出大于閾值^時(shí)，判斷過程為嚴(yán)重預(yù)警。
9、 根據(jù)權(quán)利要求2-8中任一所述的預(yù)警技術(shù)，其特征在于，最佳輸入節(jié)點(diǎn)數(shù)為
10、 根據(jù)權(quán)利要求1-8中任一所述的預(yù)警技術(shù)，其特征在于，所述預(yù)警技術(shù)是基于集散控制系統(tǒng)或現(xiàn)場總線控制系統(tǒng)實(shí)現(xiàn)的。
全文摘要
本發(fā)明涉及一種裂解爐裂解反應(yīng)的預(yù)警方法，以預(yù)測裂解反應(yīng)的發(fā)展趨勢，使工作人員可作及時(shí)調(diào)整，減少異常工況時(shí)間，提高生產(chǎn)效率。本發(fā)明通過采集、統(tǒng)計(jì)、分析生產(chǎn)過程中的正常和異常歷史數(shù)據(jù)，對基于神經(jīng)網(wǎng)絡(luò)建立的裂解反應(yīng)預(yù)警模型進(jìn)行訓(xùn)練，完成模型結(jié)構(gòu)和參數(shù)的確立，然后在生產(chǎn)過程中進(jìn)行運(yùn)用、實(shí)現(xiàn)預(yù)警，即當(dāng)有新的實(shí)時(shí)數(shù)據(jù)輸入該模型時(shí)，進(jìn)行工況預(yù)測，判定裂解過程是否正常進(jìn)行，裂解深度是否處于正常范圍，以便工作人員進(jìn)行相應(yīng)調(diào)整。本發(fā)明方法可在集散控制系統(tǒng)或現(xiàn)場總線控制系統(tǒng)中通過編制程序的方法實(shí)現(xiàn)，與一般的裂解氣組分在線測量儀表相比，具有成本低、實(shí)施簡單、無須維護(hù)、實(shí)時(shí)預(yù)警等優(yōu)勢。
文檔編號G06N3/08GK101551663SQ200910050860
公開日2009年10月7日 申請日期2009年5月8日 優(yōu)先權(quán)日2009年5月8日
發(fā)明者劉漫丹, 張靖博, 李紹軍, 黃海燕 申請人:華東理工大學(xué)