[发明专利]精对苯二甲酸生产中氧化母液过滤过程的在线控制方法

说明书

技术领域

本发明属于化学反应在线控制方法，具体是一种精对苯二甲酸生产中氧化母液过滤过程的在线控制方法，本发明涉及采用精对苯二甲酸(PTA)生产中对二甲苯(PX)液相催化氧化工艺的对二甲苯氧化母液过滤过程的在线控制技术。

背景技术

目前，PTA是聚酯工业重要原料，主要用来合成聚酯的中间体苯二甲酸乙二醇酯(PET)。聚酯被广泛应用于加工合成聚酯纤维、涂料、工程塑料，在生产和日常生活中发挥很大的作用。并且三大合成纤维的主要原料增长率最大的就是PTA，约为其它原料的3-4倍。

PTA的合成历史可以追溯到上世纪二十年代。二战以后，开始工业化研究，到目前为止形成三种PTA成熟生产工艺：BP-Amoco生产工艺、Invista生产工艺和Eastman生产工艺。

我国引进了所有成熟工艺的PTA生产装置，但生产能力仍不足以满足目前国内对聚酯需求的增长，并且国际上的需求量也较大，我国现有的出口能力也不足。基于上述情况，一方面国内各大聚酯企业相继进行了PTA生产装置的增产扩容改造，另一方面继续引进和新建PTA装置。随着PTA生产工艺不断改进，规模不断扩大，国内在此项技术的消化吸收、自行设计和改造工业化的PTA生产装置方面已取得很大进展，但依然存在一些迫需解决的问题。

PTA生产中为了实现低生产成本、低环境污染，设置了氧化母液过滤单元。但在实际生产过程中仍存在对苯二甲酸(TA)损耗较高等不足。其中TA粗产品过滤后母液固含量偏高是造成损耗的一个重要原因，因此为了提高TA回收率、降低生产成本和减少固体残渣对环境的污染，建立合理的母液固含量分析模型，实现优化稳定的过滤操作非常必要。

本发明以PTA生产工艺为技术背景建立母液固含量的在线控制模型。实际生产过程中过滤操作通过两台并联的回转真空过滤机实现。过滤机操作中影响滤液固含量的因素主要有：浆料温度、反吹压力、生产负荷、进料量、转速、喷淋量和滤液量等。由于实际生产中工艺过程复杂，通过机理分析或者传统的数学模型进行操作参数优化、在线操作控制比较困难，这里选择人工智能——神经网络模型建立在线控制模型。

神经网络是一种模糊数学模型，可实现任意精度的函数数据逼近。其中误差反向传播(Error Back Propagation)BP神经网络由Rumelhart等人于1985年建立，由一个输入层、一个输出层和若干隐含层所组成。BP神经网络是非常成熟的神经网络模型；它结构简单、可操作性强和能模拟任意的非线性输入、输出关系等优点。目前已广泛应用于模式识别、智能控制、预测和图形识别等领域。本发明即采用改进的标准BP神经网络建立过滤过程的在线控制模型。

BP(Back Propagation)神经网络算法在于利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，就获得了所有其它各层的误差估计。这样就形成了将输出层表现出的误差沿着与输入传送相反的方向逐级向网络的输入层传递的过程。因此，人们特将此算法称为误差反向后传算法，简称BP算法。使用BP算法进行学习的多级非循环网络称为BP网络，属于前向神经网络类型。虽然这种误差估计本身的精度会随着误差本身的“向后传播”而不断降低，但它还是给多层网络的训练提供了比较有效的办法，加之多层前向神经网络能逼近任意非线性函数，在科学技术领域中有广泛的应用，所以，多年来该算法一直受到人们广泛的关注。

BP神经网络算法基本原理为：利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，就获得了所有其他各层的误差估计。

BP神经网络算法学习的过程为：神经网络在外界输入样本的刺激下不断改变网络的连接权值，以使网络的输出不断地接近期望的输出。学习的本质是对各连接权值的动态调整，学习规则即权值调整规则，即在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则。

发明内容

本发明提供一种精对苯二甲酸生产中氧化母液过滤过程的在线控制方法，该方法解决了PTA生产工艺过程复杂，不利于有效控制的技术难题该方法然后利用改进的标准BP神经网络进行模拟计算，建立过滤过程模型，最终实现过滤过程的在线控制。

本发明的技术方案是：

一种精对苯二甲酸生产中氧化母液过滤过程的在线控制方法，包括以下步骤：