Modares Mechanical Engineering
مهندسی مکانیک مدرس
Modares Mechanical Engineering
Engineering & Technology
http://mme.modares.ac.ir
1
admin
1027-5940
2476-6909
10.22034/mme
fa
jalali
1395
4
1
gregorian
2016
7
1
16
5
online
1
fulltext
fa
طراحی سیستم کنترل پسخور-پیشخور و بهینهسازی عملکرد کوره فرآیندی نفت خام با استفاده از الگوریتم ژنتیک برای مدیریت شرایط غیرعادی
Feedback-Feedforward Control System Design and Optimizing the Performance of Crude Oil Fired Heater Furnace Using Genetic Algorithm for Abnormal Conditions Management
در این تحقیق، طراحی سیستم کنترل پسخور-پیشخور و بهینهسازی عملکرد کوره فرآیندی نفت خام برای بازیابی از شرایط غیرعادی احتمالی، مورد بررسی قرار گرفته است. در ابتدا با توسعه یک مدل تحلیلی غیرخطی دقیق، اثرات تغییرات پارامترهای ورودی و شرایط مختلف عملکردی بر خروجی سیستم تعیین شده است. سپس به منظور حذف اثر اغتشاشات وارده به کوره، یک ساختار کنترلی پیشخور-پسخور برای کنترل احتراق پیشنهاد و با استفاده از الگوریتم ژنتیک (GA) عملکرد کنترلرها، بهینهسازی شده است. همچنین، به منظور افزایش پایداری حرارتی سیستم و حفظ کیفیت محصول خروجی، سیستم کنترل اختلاف دما بر اساس تقسیم بار بین مسیرهای کوره بکار گرفته شده است. به علاوه یک سیستم کنترل نظارتی برای تنظیم مقادیر مطلوب آتشباری، به منظور بازیابی سیستم از شرایط غیرعادی ناشی از خرابی مشعلها، ارائه شده است. با توجه به سناریوهای مختلف خرابی، مقادیر بهینه آتشباری توسط مشعلها، با اعمال الگوریتم ژنتیک به مدل سیستم، بدست آمده است. از شبکه عصبی پرسپترون چند لایه به عنوان هسته مرکزی این کنترلر و میانیابی بین شرایط مختلف استفاده شده است. نتایج بدست آمده در شرایط مختلف، عملکرد مناسب سیستمهای کنترلی طراحی شده را تایید میکند.
In this study, feedback-feedforward control system design and optimizing the performance of crude oil furnace process was investigated in order to be recovered from possible abnormal conditions. First, by developing an accurate nonlinear analytical model, the effects of changes in input parameters and operating conditions on the system’s outputs were determined. Then, in order to eliminate the effects of disturbances on furnace, a feedback- feedforward control system for combustion management was suggested, where its performances were optimized genetic algorithm (GA). In addition, to enhance the thermal stability and to maintain product quality, output difference temperature control system was considered for load distribution between furnace’s streams. Also, in order to recover the furnace from abnormal conditions due to burners’ failures, a supervisory system was designed to change the firing rate setpoints. With respect to different failure scenarios, the optimal burners’ firing rate were captured by applying genetic algorithms to the system model. A multilayer perceptron neural network was employed as the core of the controller to interpolate between different conditions. The obtained results indicate the superior performances of the designed control systems.
کوره فرآیندی,کنترل پیشخور-پسخور,بهینهسازی,شرایط غیرعادی,الگوریتم ژنتیک
Fired-heater furnace,feedback-feedforward control,Optimization,abnormal conditions,Genetic Algorithm
10
18
http://mme.modares.ac.ir/browse.php?a_code=A-15-1000-528&slc_lang=fa&sid=15
Ali
Chaibakhsh
علی
چائی بخش لنگرودی
100319475328460061738
100319475328460061738
Yes
University of Guilan
دانشگاه گیلان
Zohreh
Rostamnezhad
زهر
رستم نژاد
100319475328460061737
100319475328460061737
No
University of Guilan
دانشگاه گیلان
Tahmineh
Adili
تهمینه
عدیلی
100319475328460061736
100319475328460061736
No
University of Guilan
دانشگاه گیلان
Ali
Jamali
علی
جمالی
100319475328460061735
100319475328460061735
No
University of Guilan
دانشگاه گیلان