二次表在石油樹脂粘度檢測中的應用

范加強

摘要：石油樹脂生產中粘度是一個重要的質量參數，反映石油樹脂產品的質量好壞。本文通過研究石油樹脂生產工藝及分析粘度與外界因素和現場工藝的關系，確定粘度檢測的輔助變量，建立數學模型。發掘現場儀表的二次功能，采集粘度檢測模型需要的輔助變量，通過大量數據結合加權最小二乘回歸法對運算模型進行參數校正。結果表明，通過儀表的二次功能構建數學模型，能夠穩定、快速、精確地實現石油樹脂粘度的在線檢測。

關鍵詞：石油樹脂；粘度；二次表；數學模型；在線檢測

緒論

隨著科學技術的迅猛發展，化工生產的自動化是未來發展的趨勢和方向。目前沒有成熟儀表硬件或無法通過相應硬件實現在線檢測，各廠家采用實驗室離線化驗手段檢測這些質量參數。然而人工化驗分析具有時間滯后性大、采樣周期長、耗費大量人力物力等限制，對于化工生產的指導性大打折扣，遠遠達不到自動化生產的要求。

針對這類控制問題，如石油樹脂粘度檢測，由于樹脂是高分子非牛頓流體，流動受多種因素影響，其粘度無法通過現有儀表硬件在線檢測。通過對石油樹脂生產工藝的研究分析及結合現場環境工況，分析待測變量樹脂粘度與其他輔助變量之間的關系，構建數學模型，間接實現樹脂粘度的在線檢測。既然沒有儀表能夠直接在線檢測樹脂粘度，那么發掘現場儀表的二次功能，檢測與樹脂粘度有關的其他易測變量，再由數學模型將這些變量進行處理運算，計算得出樹脂粘度。

此方法充分利用了現場已有硬件的二次功能，減少現場硬件的大量安裝，并能夠實現石油樹脂粘度的穩定、快速、精確測量。對石油樹脂質量控制及化工生產安全運行有重要意義，進一步實現化工生產的自動化。

1數學模型的構建原理

該數學模型基于軟測量推斷控制系統原理構建，其基本思想是根據某種最優準則，選擇一組與主導變量有密切關系又容易測量的輔助變量，通過構造某種數學關系，來估計主導變量。

數學模型構建步驟為：選取輔助變量，構建數學模型，數據處理，化驗值參數校正，計算得出主導變量。

2樹脂粘度模型構建

通過分析石油樹脂生產工藝和工況情況，選取質量流量、水平差壓、物料溫度為輔助變量。

樹脂流體為非牛頓流體，其粘度n與質量流量Q、水平差壓p、物料溫度T之間存在一定數學關系。

選定輔助變量后，輔助變量的檢測可由現場已有的儀表硬件測量得出，由現場的質量流量計、差壓變送器、介質溫度傳感器將測量的質量流量、水平差壓、物料溫度信號輸入到粘度模型，經模型計算得出樹脂粘度。

收集離線化驗數據對應模型計算值對模型參數進行校正。由于離線數據為人工取樣并于實驗室人工化驗得出。所以存在取樣誤差和讀取誤差以及化驗儀器的噪音波動誤差，甚至由于操作人員誤操作產生較大誤差，這些誤差會對校正結果產生影響，降低模型的準確度，更嚴重的情況是模型根本就不能進行在線估計和預測。針對這一問題，我們要對采樣數據進行預處理，用統計假設校驗剔除含有顯著誤差的數據后，再采用平均濾波的方法去除隨機誤差。

3數學模型的校正

實際生產過程中，存在大量的影響因素，生產裝置操作條件、現場二次儀表檢測精度以及原料特性都會隨時間而變化，所以粘度模型不能一成不變，應對現場生產條件的變化，需要對粘度模型進行在線校正。

數學模型校正部分可分為模型參數校正、模型輸出校正兩部分。

數學模型的輸出校正，可以提高檢測精度，但隨著生產的進行，各影響因素對數學模型計算誤差的積累，檢測精度會逐漸降低。當數學模型計算值偏離實驗室化驗值一定值時，再通過輸出校正的方式也達不到模型校正的結果。這時要重新利用大量實驗室離線數據進行模型參數校正，設置新的模型參數，從而達到穩定、精確、快速的檢測主導變量，指導生產。

4模型運行數據

選取輔助變量，構建粘度模型，將模型計算值與離線化驗值比對，模型計算值與化驗值的曲線吻合，跟蹤趨勢良好。均方差為13.43，相對均方誤差為5.87%。

5結果分析

石油樹脂生產中粘度是反映產品質量的重要參數，但由于技術原因無法由儀表硬件直接在線檢測得出。本文通過開發現場儀表二次功能，以軟測量技術理論為指導，分析主導變量粘度與輔助變量質量流量、水平差壓、物料溫度之間的關系構建數學模型，并通過大量離線數據進行參數校正，得到粘度模型。能夠實現石油樹脂粘度的穩定、精確、快速的測量，為石油樹脂生產提供指導，進一步推動化工生產自動化進程。