面向輕汽油醚化的BP神經網絡的模型預測控制

程換新，伊飛

（青島科技大學 自動化與電子工程學院，山東 青島266042）

隨著汽車尾氣的排放對環境的污染日益嚴重，世界各國特別是發達國家對汽油質量做出了越來越嚴格的規定。目前國內成品汽油的主要組分是催化裂化輕汽油（Fcc輕汽油），占成品汽油的80%以上，因而催化裂化輕汽油醚化工藝成為國內石化行業降低汽油烯烴含量，提高汽油辛烷值的重要手段之一［1－2］。Fcc輕汽油由蒸餾塔分出C6以及少量的C7輕餾分，這些輕餾分中的叔烯烴經過加氫后，與甲醇反應生成相應的醚類，即輕汽油醚化。醚化工藝流程［3－5］如圖1所示。

筆者提出一種基于BP神經網絡的預測控制算法。根據輕汽油醚化的工藝流程圖，考慮到醚化過程具有重復性的特點，可以采用BP神經網絡來建立輕汽油醚化的預測模型，通過神經網絡的學習訓練方法不斷地提高最終產品的質量。

1 BP神經網絡

1.1 BP神經網絡的構建

筆者構建了一個多輸入單輸出BP神經網絡預測模型，如圖2所示。該模型包括三層：輸入層、隱含層、輸出層。假設BP神經網絡有M個輸入結點、k個隱層結點、N 個輸出結點，每一層的功能定義如下［6］：

a）輸入層。將輸入變量直接輸入下一層：

b）隱含層。其功能如下所示：

式中：xm——輸入層的輸入；Ok——隱含層的輸出；wkm——輸入層結點m與隱含層結點k之間的權值；m——輸入層結點；k——與隱含層結點。

c）輸出層。經過Sigmoid函數變換后，得到輸出：

式中：In——輸出層的輸入；wnk——隱含層結點k與輸出層結點n之間的權值。

圖1 Fcc輕汽油醚化流程示意

圖2 BP神經網絡結構示意