吸收塔是天然气脱硫的重要设备,其脱硫效果直接影响天然气产品气的质量。由于天然气脱硫过程复杂,具有强非线性,不确定性,耦合性等特点,难以建立精确的吸收塔脱硫过程数学模型,使得其控制难度较大。现有的吸收塔脱硫过程控制方案多采用简单回路的比例-积分控制,没有建立各控制参数之间的关联且过多的依靠专家经验,在原料气参数变化较大、环境变化等情况下,控制系统的缓冲性和稳定性较差,对扰动的调节时间较长,进而将导致天然气净化气的质量较差,甚至引发重大安全事故。本文以中国普光气田甲基二乙醇胺(MDEA)脱硫工艺过程为例,在国内外专家学者的研究基础上,采用反向传播(Back Propagation,BP)神经网络建立吸收塔脱硫过程模型,并以该模型为控制对象,进行基于自适应动态规划(Adaptive dynamic programming,ADP)的吸收塔脱硫过程控制方法研究。本文的主要研究内容如下:(1)吸收塔脱硫过程建模。通过分析吸收塔脱硫工艺过程,选取影响脱硫效果的关键参数。利用BP神经网络较强的映射能力,直接训练吸收塔脱硫过程实际生产数据,建立输入与输出之间的关系,从而获得吸收塔脱硫过程模型,该方法克服了吸收塔在复杂工业环境下的建模难题。吸收塔脱硫过程模型的训练过程和测试结果的分析表明,模型能够准确的反应出吸收塔脱硫过程输入与输出的关系,具有较好的适用性和泛化能力。(2)基于执行依赖启发式动态规划(Action-dependent Heuristic dynamic programming,ADHDP)的吸收塔脱硫过程控制策略设计与改进。采用传统ADHDP算法设计了吸收塔脱硫过程控制器,给出了其基本结构以及神经网络实现方案。针对该方法训练时间长,收敛速度较慢等问题,采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法更新优化评价和执行网络的权值,给出了采用UKF算法更新优化权值的具体过程,设计了基于UKF-ADHDP的控制策略。仿真实验验证了UKF-ADHDP控制方法相对于传统ADHDP控制方法优越的控制性能。(3)基于事件触发启发式动态规划(Heuristic dynamic programming,HDP)的吸收塔脱硫过程控制。结合事件触发机制,设计了事件触发HDP控制器,给出了其基本结构及神经网络实现。为事件触发HDP控制器设定了触发阈值,结合吸收塔脱硫工艺过程设计了合理有效的触发条件,并分析了控制系统的的稳定性。仿真实验结果表明,相对与传统HDP控制方法,事件触发HDP控制方法在保证控制系统稳定的同时极大的节约了计算成本。