Systems. Methods. Technologies 2 (38) 2018

Системы Методы Технологии. А.М. Джамбеков и др Алгоритмы оптимального … 2018 № 2 (38) с. 54-62 61 входных переменных X IN (качества сырья и топливного газа) по начальным значениям X 0 IN и возмущениям ∆X IN (табл. 2). Таблица 2 Правила определения значений входных переменных ∆X IN N ZN Z ZP P X 0 IN N N N N N N ZN ZN N N N N Z Z ZN N N N ZP ZP Z ZN N N P P ZP Z ZN N В табл. 2 использованы обозначения величин входных переменных x in 4 , x in 5 : N — низкое, ZN — ниже среднего, Z — среднее, ZP — выше среднего, P — высокое. Для примера, из табл. 2 можно получить правила: «если начальное качество сырья x 0 in 4 низкое N , и ухуд- шение качества сырья ∆ x in 4 высокое P , то новое значе- ние качества сырья x in 4 низкое N », «если начальное ка- чество топливного газа x 0 in 5 высокое P , и ухудшение качества топливного газа ∆ x in 5 выше среднего ZP , то новое значение качества топливного газа x in 5 ниже среднего ZN ». Задача управления процессом КР при изменении качества сырья и качества топливного газа заключается в определении нового вектора оптимальных управле- ний U + ∆ U в зависимости от изменения вектора вход- ных переменных X IN + ∆ X IN на основе разработанных алгоритмов оптимизации и управления процессом КР на основе экспертной информации. Для возмущений F «ухудшение качества сырья низ- кое N », «ухудшение качества топливного газа ниже среднего ZN » вычислены оптимальные управления: расход сырья Q r = 152 (м 3 /час), расход топливного газа Q fg = 895 (м 3 /час), ОКО J = 0,971. При учете возмущений значение ОКО повышается в среднем на 0,5 % по сравнению с вариантом, при кото- ром отсутствует воздействие возмущений на процесс КР. В целом учет нечетких целей и ограничений при действующих возмущениях позволяет обеспечить эф- фективное управление процессом КР на основе экс- пертной информации. Заключение 1. Выполнена постановка задачи оптимизации про- цесса КР, отличающаяся использованием ОКО. Выбра- ны методы оптимизации и управления процессом КР на основе экспертной информации. 2. Разработан алгоритм оптимизации процесса КР на основе метода Хука – Дживса и метода штрафных функций. На основе алгоритма были рассчитаны управления: расход сырья 160 ( м 3 /ч ), расход топливно- го газа 950 ( м 3 /ч ), ОКО J = 0,960. 3. Разработан алгоритм управления процессом КР на основе экспертной информации. На основе алгорит- ма были вычислены оптимальные управления: расход сырья 162 ( м 3 /ч ), расход топливного газа 970 ( м 3 /ч ), ОКО J = 0,966. 4. Поставлена и решена задача оптимизации про- цесса КР при изменении качества сырья и качества то- пливного газа. Для возмущений F «Ухудшение качест- ва сырья низкое», «Ухудшение качества топливного газа ниже среднего» вычислены уточненные оптималь- ные управления: расход сырья 152 ( м 3 /ч ), расход топ- ливного газа 895 ( м 3 /ч ), ОКО J = 0,971. Литература 1. Smith J.M. Chemical engineering kinetics. McGrawHill, 1981. 676 p. 2. UOP Platforming Process. Operations Handbook. Illinois, USA: UOP. Des Planies, 1997. 390 p. 3. Gumen M.I. Increasing of the Efficiency of the Riforming LG 35 11/300 // Petroleum Processing and Petrochemistry. 2001. № 11. P. 54–57. 4. Perdih A., Perdih F. Chemical Interpretation of Octane Number // Acta Chim. Slov. 2006. № 53. P. 306-315. 5. Mircea C., Agachi, S., Marimoiu V. Simulation and Model Predictive Control of a UOP Fluid Catalytic Cracking // Chemical Engineering and Processing. 2003. Vol. 42. P. 67. 6. Bochkaryov A.V., Fyodorova O.V. Improving the quality of transient processes in the preliminary hydrotreating unit of catalytic reforming facility // Новаянаука: Проблемыиперспек- тивы. 2016. № 115-2. С. 146-148. 7. Ancheyta J. Modeling and simulation of catalytic reactors for petroleum refining. Wiley, 2011. 528 p. 8. Carla I., Pinheiro С., Joana L. Catalytic Cracking (FCC) Process Modeling, Simulation, and Control // Industrial I Engi- neering Chemistry Research. 2012. № 51 (1). P. 1-29. 9. Pashayeva B. Mathematical model of the fluid catalytic cracking for work in testing control systems for the cracking plant // Problems of Cybernetics and Informatics: The Third Interna- tional Conference. September 6-8, 2010, Baku, Azerbaijan. Baku, 2010. Vol. 1. P. 328-331. 10. Литовка Ю.В., Као В.З. Моделирование и оптимиза- ция гальванической ванны с дополнительными катодами // Вестн. Тамб. гос. техн. ун-та. 2016. Т. 22, № 1. С. 68-74. 11. Литовка Ю.В., Као В.З., Соловьёв Д.С. Оптимизация гальванической ванны с дополнительными катодами и бипо- лярными электродами // Вестн. Астрах. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2016. № 2. С. 7-17. 12. Матвейкин В.Г., Дмитриевский Б.С., Попов Н.С., Дмитриева О.В. Интегрированная модель инновационно- производственной системы // Вестн. Тамб. гос. техн. ун-а. 2016. Т. 22, № 4. С. 550-558. 13. Матвейкин В.Г., Дмитриевский Б.С., Шатилова А.А. Филина А.С. Семержинский С.Г. Моделирование динамики производственной системы // Вестн. Тамб. гос. техн. ун-та. 2014. Т. 20, № 3. С. 452-458. 14. Akulinin E.I., Ishin A.A., Skvortsov S.A., Dvoretsky D.S., Dvoretsky S.I. Mathematical modeling of hydrogen production process by pressure swing adsorption method // Advanced Mate- rials and Technologies. 2017. № 2. P. 38-49. 15. Akulinin E.I., Ishin A.A., Skvortsov S.A., Dvoretsky D.S., Dvoretsky S.I. Optimization of adsorption processes with cyclic variable pressure in gas mixture separation // Advanced Materials and Technologies. 2017. № 3. P. 51-60. 16. Джамбеков А.М.,Щербатов И.А., АнтоновО.В., Про- талинский О.М. Расчет эффективности процесса каталитиче- ского риформинга с использованием гибридной модели // Автоматизация, телемеханизация и связь в нефтяной про- мышленности. 2017. № 2. С. 26-33.