第二章 化工系统模块化建模方法
2.1 引言
化工厂的整个流程经常被分为不同的工段，每个工段都是有设备所组成，而设备又可细分为操作单元（如塔段、闪蒸、罐等）。所以，总体来说，化工流程建模所要进行的步骤如图 2.1 所示。
具体将流程模型分解成设备模型，再继续分解为单元模型的分解过程如下图所示。图 2.2 为流程级反应器和吸收塔的串联系统分解成若干子单元的组合，再将其中的吸收塔单元进一步划分成塔板级子单元。
在图 2.1 第四步的建立子设备的数学描述中，许多化工模块被专家事先编码好，存放在模块库当中，方便其他人使用。这些模块图标形式可见，代码内容不可见。初学者不必掌握模块当中所发生的物理化学反应定律，只需要明白模块的功能，便可以方便的使用这些模块。
2.2 石油物系特征化
石油是一种自然资源。是由地下深处开采的，主要成分为各种烃类的液体化学燃料。在实际过程中，通常可以由实沸点蒸馏曲线表征及推断其包括成分、泡点、露点、燃点等在内的众多物理化学性质。本文所使用的对于石油物系的特征化方法，也就是指将石油这种混合物用确定（真）组分和虚拟（假）组分表征，而且这种方法早已获得石油处理界的广泛认可和使用。本文对石油物系的处理主要是将其分为包含可凝组分、不凝气和水蒸气在内的三部分来处理。不凝气是指在精馏过程中一种处于气态的物质，不进行化学反应等，在多数石化系统中均为干气。水蒸气的特点是在塔主段，也就是塔身，是气体形式，只有上升至塔顶，遭到冷凝之后，才会进行气液分离。而可凝组分主要是实沸点曲线经过一系列地数学上的处理和公式上的推导而得到的虚拟组分。
2.2.1 原油的馏分分布
一般手册或者工厂所提供的实沸点数据，也叫 TBP 数据（沸点范围，馏分收率，密度），只提供 500 摄氏度之前的馏分点数据。这就需要我们进行曲线的拟合和宽范围的外延。
第二章 化工系统模块化建模······························7
2.1 引言 ··············································7
2.2 石油物系特征化 ·································8
2.3 机理建模方法 ····································11
2.4 Hammerstein 模型建模··································18
2.5 混合模型结构及建模··································23
第三章 平台的总体结构及·······················27
3.1 引言 ············································27
3.2 层次结构 ·············································27
3.3 面向对象的设计 ··········································30
3.4 功能介绍 ···················································31
第四章 平台的实现······························33
4.1 引言 ·························································33
4.2 平台界面的实现 ··············································33
4.3 建模功能的实现 ·············································35
第五章 初馏系统在平台中的·····································49
5.1 引言 ·······································································49
5.2 初馏系统的工艺流程 ····································49
5.3 初馏系统的仿真设计 ·········································51
第七章 结论及展望
7.1 结论
化工系统对象模型在过程设计、过程控制、人员培训等方面具有决定性作用。它对环境保护、人身安全、经济指标、人员经验等具有指导性的意义。然而，化工对象是复杂的物质、能量和信息系统，其模型构建需要精深的专业知识和娴熟的软件设计与实现能力，是制约仿真器开发质量和速度的瓶颈。目前市面上的仿真器价格昂贵、模型复杂、物性库庞大、模块有限，限制了仿真器的广泛通用型。因此，本文以化工系统建模仿真平台工具建设问题为背景，分别对石油物系特征话、机理模块库、辨识模块、平台总体结构及设计、平台的实现进行了深入的研究及讨论。全文工作如下：
(1) 基于石油物系蒸馏塔所处理的物料的复杂性，本文介绍了石油物系特征化计算方法，并在平台当中实现了此算法。该方法将石油物系分为两大块处理：假组分和真组分。假组分是由实沸点蒸馏曲线计算得来，特征化程序通过实沸点蒸馏曲线的拟合、假组分的划分以及假组分的热力学性质的计算三个步骤得到用于蒸馏塔稳态模拟计算中的假组分的物性参数；真组分的物性则通过 API 技术手册计算得到。此方法适用于可以由实沸点蒸馏曲线表征的大部分石油物系，具有一定的通用性，所采用的物性计算式都具有简单的特定形式，对于加速运算进程具有一定的效果。#p#分页标题#e#
(2) 基于严格的化工机理，建立了化工系统动态建模的基本单元的模块库。该模块库采用流、积的统一表达方式，将流程中的物料百分比、质量、温度、压力等单个变量用统一的数组格式表达，在内存中统一分配地址，使得物料的表达规范，并且使得所有的模块具备统一的接口形式，使得模块库具有良好的可组装特性。模块库的主要内容：物质系统表达及其性质计算模块、石油系统特征化模块、化工基本单元操作模块（管道、管网、泵、压缩机、容器、精馏塔、换热器、闪蒸分离、调节器、逻辑控制单元等）。
(3) 为了弥补机理模块的有限性，推导了多输入多输出 Hammerstein 模型的矩阵格式，并提出了一种改进的新型神经动力学算法。此算法以新型神经动力学算法为基础，解决了其不能同时辨识多组未知参数向量的问题，本文对该改进的算法进行了收敛性分析。然后，推导了基于 Hammerstein 模型的混合模型，并利用其建立实际模型与机理模型之间的偏差模型。由于改进的新型神经动力学方法可以在线的调整Hammerstein 模型参数，所以混合模型可以准确的模拟复杂过程在大范围内的动态行为。并通过实验对上述方法的合理性和有效性进行了验证。
参 考 文 献
[1] Stanis aw Sieniutycz. Complex chemical systems with power production driven by heatand mass transfer[J]. International Journal of Heat and Mass Transfer, 2009, 52(11):2453-2465
[2] Daubet, T.E. and R.P. Danner. Data Compilation Tables of Properties of PureComponents[M]. American Institute of Chemical Engineers, New York, 1985.
[3] Armen Bagdasaryan. Discrete dynamic simulation models and technique for complexcontrol systems[J]. Simulation Modelling Practice and Theory. 2011, 19(4): 1061-1087
[6] Robert K.Cox*, Julie F.Smith, Yiannis Dimitratos. Can simulation technology enable aparadigm shift in process control. Modeling for the rest of us[J]. Computers & ChemicalEngineering. 2006, 30(1): 1542-1552
[7] R.G.E. Franks. Modeling and simulation in chemical engineering[M]. New Yotk: Wiley,1972
[8] B. Drozdowicz, R. Quirós, A. Schiliuk, R. Cerro. /shdxyjslw/ The structure of a real time dynamicsimulator for training[J]. Computers in Industry, 1987, 8(1): 49-63
[9] T. Melli, H. Leone, J. Montagna, O. Ortiz, N. Scenna, A. Vecchietti, R. Cerro. A steadystate process simulator with a DBMS (SIMBAD)[M]. Computers in Industry, 1987, 8(1):13-35
[10] Ligang Zheng, Edward Furimsky. ASPEN simulation of cogeneration plants[J]. EnergyConversion and Management. 2003, 44(11): 1845-1851
