BP神经元网络在炼油厂低温腐蚀预测模型上应用.pdfVIP

腐蚀与防护 P石油化工设备技术，2013，34(1)·59· etro—Chem icalEquipmentTechnology BP神经元网络在炼油厂低温腐蚀 预测模型上的应用 赵 林 ，李博文 ，郑丽群 ，杨富淋 ，宋以常 ，付 伟 (1．中国科e-院金属研究所 ，辽宁 沈阳 110016；2．中国石油化工股份有限公司北京燕 山分公司，北京 102500) 摘 要 ：将神经元网络建模应用于炼油厂腐蚀速率预测 ，整理分析现场数据 ，对神经元 网络模型进行训 练 ，建立 了低温腐蚀速率预测模 型。采用改进 的 Levenberg--Marquardt算法韧l练模 型 ，较传 统的梯度下 降 法可以更好地完成算法收敛。神经元网络建模后 ，可以将现有的腐蚀数据涵盖在腐蚀模型中，便于腐蚀数据 的管理和查询 ，同时对现场参数变化影响腐蚀速率的情况起到了预测作用 。预测结果与实际值之间的平均 方差为 0．0132，可 以满足现场 需要 。 关键词 ：神经元 网络 Levenberg--Marquardt算法 腐蚀速率 现场数据 炼油厂蒸馏装置的初馏塔顶 、常压塔顶和减 和功能、以及若干基本特征的某些理论抽象简化 压塔顶 (以下简称三顶)的管道是腐蚀发生 的重点 和模拟而构成的一种信息处理系统。已有研究者 部位 ，主要以HCl—H S腐蚀为主。影 响三顶馏 采用神经元网络预测并研究腐蚀规律等n 】。 目 出线腐蚀速率 的主要腐蚀 因素包括 ：温度、压力、 前最为流行的多层前馈神经 网络的学习算法是反 流速 、腐蚀介质 (如 c1、S。)等 ，并在一定程度上 向传播 (BackPropagation)，即BP算法。其学习 反映出腐蚀速率的变化 。而腐蚀速率是液体现场 过程由信号的正向传播与误差的反向传播两个过 腐蚀最重要 的数据之一 ，可以了解现场设备 的运 程组成 ，主要 目的是通过将输 出误差反传 ，将误差 行情况和寿命 ，对现场腐蚀问题及时做 出反馈 ，包 分摊给各层所有单元 ，从而获得各层单元 的误差 括注剂调整 、工艺调整等。 信号 ，进而修正各单元 的权值 。而权值调整的过 程 ，也就是 网络 的学习训练过程。 目前现场采用各种方法对腐蚀速率进行监 虽然 BP算法有着广泛 的应用 ，但其在实际 测 ，如 电感探针、挂片和定点测厚等 ，以了解现场 应用中存在着收敛速度慢 的问题 ，即在建模时需 腐蚀速率的变化。但有时需对现场腐蚀速率变化 经较长时间的运算和分析 ，建立一个简单 的模型 做 出前瞻性预测时 ，可借鉴的办法不多，也没有现 有时需要几天的时间进行循环运算。但若加快收 成 的模型可供参考。 敛速度易产生振荡 ，所 以存在收敛速度不好掌握 基于上述问题及实际生产需要 ，作者进行 了 以及逃离不出局部极小点 “ 的问题 。出现极小 大量研究 ，采用神经元网络方法研究并建立低温 点将使建模计算进入死循环 ，无法得到正确的模 腐蚀预测模型 ，这对于低温防腐及安全生产有重 型结果。因此 ，我们采用修正学习训练率 、增加权