延迟焦化是一种成熟的减压渣油加工工艺,在炼油行业中占有非常重要的地位。近年来,为了提高延迟焦化装置的生产水平,很多炼油企业实施了先进控制改造,但是由于延迟焦化装置的间歇性操作、非线性、时变和强耦合等特性很难用精确的动力学模型来描述。现有的大多数先进控制策略都是基于线性模型的,不适合强非线性过程的控制,且系统的稳定性和鲁棒性分析很困难,对于内在非线性问题,必须将其参数整定,得以确保在整定操作区域内稳定,从而导致系统控制性能的恶化。本文以辽宁华锦集团乙烯原料工程120万吨/年延迟焦化装置为背景,针对基于线性模型的先进控制策略的不足,介绍了延迟焦化装置中基于非线性模型的先进控制策略;给出了延迟焦化装置控制系统的结构、常规控制策略应用组态及先进控制实现方法。首先,分析了国内外延迟焦化装置控制现状和存在的问题,结合延迟焦化装置生产和控制要求,根据延迟焦化装置工艺过程的特点,介绍了基于神经网络的非线性模型预测控制策略,并将L-M算法应用到非线性预测控制中作为优化算法,并对主分馏塔多变量非线性预测控制器进行了功能设计。其次,将离散过程神经元网络引入到延迟焦化装置软测量中,并针对离散过程神经元网络学习算法收敛速度慢问题,将Fletcher-Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。利用MATLAB软件编程进行仿真,取得了良好的效果。最后,依据控制策略、软测量技术及工程的实际情况,给出了延迟焦化装置现场仪表的选型及控制系统的结构、系统配置、常规控制策略应用组态及先进控制实现方法。