-
公开(公告)号：CN110197199A
公开(公告)日：2019-09-03
申请号：CN201910309296.8
申请日：2019-04-17
Applicant: 广东石油化工学院
Abstract: 本发明公开了一种嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，所述方法包括深度卷积神经网络(Deep Convolution Neural Network，DCNN)重管识别模型的构建、DCNN重管识别模型的重构及炉管温度的边缘计算等步骤，即先利用重管和非重管的特征差异，训练生成DCNN重管识别模型；其次针对嵌入式处理器的特性，将DCNN重管识别模型移植到红外自动测温仪内部的嵌入式处理器；再由DCNN重管识别模型结合红外自动测温仪内部的数据处理算法和温度值计算方法，计算得到重管和非重管的温度，实现红外自动测温仪的边缘计算。该方法能高精准度判别裂解炉重管和非重管，且红外自动测温仪边缘计算功能的实现，在降低工业云服务器的数据处理量的同时提升了数据处理的实时性和高效性。
-
公开(公告)号：CN108072448B
公开(公告)日：2019-07-16
申请号：CN201711328182.5
申请日：2017-12-13
Applicant: 广东石油化工学院
IPC: G01J5/00
Abstract: 本发明涉及一种关于裂解炉炉管外壁温度计量的数据处理方法，本发明通过与申请人此前申请的发明创造相配合，能够对通过每个观火孔同步测到的近500个距离和温度数据组进行合理处理，从而获得所有炉管较真实的外壁温度值，有效克服现有的人工手持炉管测温方法的弊端。本发明也充分考虑了实际测量可能出现的情况（如串管、重管、异常数据等），使得本发明能够灵活应对多种测量场景，适应性强。
-
公开(公告)号：CN105237320A
公开(公告)日：2016-01-13
申请号：CN201510672308.5
申请日：2015-10-19
Applicant: 中国石油化工股份有限公司 , 广东石油化工学院
IPC: C07C7/11 , C07C11/04 , C07C2/66 , C07C15/073
Abstract: 本发明公开了一种利用吸收精制的高压聚乙烯尾气的乙苯制备工艺，包括以下步骤：(1)吸收精制：高压聚乙烯尾气自吸收塔中部进入，与来自吸收塔顶部的吸收剂逆流接触，吸收剂吸收去除C3及C3+组分和丙醛等杂质，获得精制乙烯气体；(2)烷基化合成乙苯：所得精制乙烯气通入乙苯装置中与苯进行烷基化反应合成乙苯。该工艺中，高压聚乙烯尾气通入吸收装置，有效地分离对乙苯制备有重大影响的C3及C3+组分和丙醛等杂质，经过吸收精制所得的气体送入乙苯装置中进行生产乙苯，实现高压聚乙烯尾气在乙苯制备工艺中的利用。
-
公开(公告)号：CN110343541B
公开(公告)日：2021-08-06
申请号：CN201910526431.4
申请日：2019-06-18
Applicant: 广东石油化工学院
IPC: C10G9/20
Abstract: 本发明涉及裂解炉智能监测技术领域，提供一种裂解炉管智能结焦监测边云协同平台及其工作方法。包括边缘层和云端层，所述边缘层包括裂解炉管外表面智能测温装置和/或乙烯DCS/数采装置；所述云端层包括裂解炉安全预警装置、裂解炉管智能结焦诊断与预测装置、混合作业调度装置、多工作流调度装置、虚拟化资源调度装置、虚拟资源优化装置；所述裂解炉管外表面智能测温装置包括炉管重管识别装置和异常数据检测装置。与现有技术相比，本发明的云端层可进行大数据的储存与分析，并提出优化改进意见，并将意见反馈至边缘层。所述工作方法可进行高精度的重管识别，并快速而准确的检测出离群点。
-
公开(公告)号：CN110343541A
公开(公告)日：2019-10-18
申请号：CN201910526431.4
申请日：2019-06-18
Applicant: 广东石油化工学院
IPC: C10G9/20
Abstract: 本发明涉及裂解炉智能监测技术领域，提供一种裂解炉管智能结焦监测边云协同平台及其工作方法。包括边缘层和云端层，所述边缘层包括裂解炉管外表面智能测温装置和/或乙烯DCS/数采装置；所述云端层包括裂解炉安全预警装置、裂解炉管智能结焦诊断与预测装置、混合作业调度装置、多工作流调度装置、虚拟化资源调度装置、虚拟资源优化装置；所述裂解炉管外表面智能测温装置包括炉管重管识别装置和异常数据检测装置。与现有技术相比，本发明的云端层可进行大数据的储存与分析，并提出优化改进意见，并将意见反馈至边缘层。所述工作方法可进行高精度的重管识别，并快速而准确的检测出离群点。
-
Patent Agency Ranking
公开(公告)号：CN105237326B
公开(公告)日：2017-05-24
申请号：CN201510671947.X
申请日：2015-10-19
Applicant: 中国石油化工股份有限公司 , 广东石油化工学院
IPC: C07C15/073 , C07C2/64 , C07C7/13 , C07C11/04 , C08F10/02 , C08F2/38 , B01D53/047
CPC classification number: Y02P20/51
Abstract: 本发明公开了一种利用变压吸附精制的高压聚乙烯尾气的乙苯制备工艺，包括以下步骤：(1) 变压吸附精制：将高压聚乙烯尾气通入变压吸附装置中进行变压吸附处理，变压吸附装置中的吸附床吸附C3及C3+组分和丙醛，获得精制乙烯气体；(2) 烷基化合成乙苯：所得精制乙烯气通入乙苯装置的反应器中与苯烷基化合成乙苯；其中，所述变压吸附装置中的吸附床由13X型分子筛、活性炭和硅胶构成，所述13X型分子筛质量百分比为30%~80%、活性炭质量百分比为10%~50%和硅胶质量百分比为5%~20%。该工艺中，高压聚乙烯尾气通入变压吸附装置，有效地脱除C3及C3+组分、丙醛等杂质，经过变压吸附精制所得的气体送入乙苯装置中进行生产乙苯，实现利用高压聚乙烯尾气回收利用。
-
公开(公告)号：CN109858707B
公开(公告)日：2020-06-02
申请号：CN201910138273.5
申请日：2019-02-25
Applicant: 广东石油化工学院
Abstract: 本发明涉及一种乙烯裂解炉炉管智能结焦诊断方法，更具体地，涉及一种融合人工蜂群(Artificial Bee Colony，ABC)算法、自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System，ANFIS)和结焦时间因子(Coking Time Factor，CTF)的乙烯裂解炉炉管智能结焦诊断方法，基于ABC‑ANFIS‑CTF的乙烯裂解炉炉管智能结焦诊断方法包括炉管结焦相关因素的数据采集和数据处理过程、炉管结焦专家评判规则获取过程、炉管结焦诊断模型训练过程以及炉管结焦诊断与预测过程。所述智能结焦诊断方法利用ABC算法的全局最优性和快速收敛性，优化ANFIS的结构参数，有效提高了训练效率和结焦诊断准确率，并引入结焦时间因子CTF，使所建立的结焦诊断模型在结合CTF情况下，能够很好地判断裂解炉运行周期内的炉管结焦程度和预测炉管结焦的发展趋势，从而起到炉管清焦预警和效能提高的作用。
-
公开(公告)号：CN112452336A
公开(公告)日：2021-03-09
申请号：CN202011249926.6
申请日：2020-11-10
Applicant: 中国石油化工股份有限公司 , 中山大学 , 广东石油化工学院
IPC: B01J23/843 , B01J23/889 , B01J35/10 , C07C45/35 , C07C47/22
Abstract: 本发明公开了一种用于丙烯氧化合成丙烯醛的催化剂及其制备方法。本发明在制备用于丙烯氧化合成丙烯醛的催化剂时，以二氧化碳基聚脲作为致孔剂，二氧化碳基聚脲具有亲水性，且耐酸碱性比较好、化学性质稳定，可以在催化剂浆料中均匀分散，后期可通过高温煅烧除去，不仅不会在催化剂中残留，分解产生的气体还能增加催化剂内部的介孔数量，提高催化剂的催化活性和催化寿命，同时提高丙烯醛的选择性和收率。
-
公开(公告)号：CN110197199B
公开(公告)日：2020-07-28
申请号：CN201910309296.8
申请日：2019-04-17
Applicant: 广东石油化工学院
Abstract: 本发明公开了一种嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，所述方法包括深度卷积神经网络(Deep Convolution Neural Network，DCNN)重管识别模型的构建、DCNN重管识别模型的重构及炉管温度的边缘计算等步骤，即先利用重管和非重管的特征差异，训练生成DCNN重管识别模型；其次针对嵌入式处理器的特性，将DCNN重管识别模型移植到红外自动测温仪内部的嵌入式处理器；再由DCNN重管识别模型结合红外自动测温仪内部的数据处理算法和温度值计算方法，计算得到重管和非重管的温度，实现红外自动测温仪的边缘计算。该方法能高精准度判别裂解炉重管和非重管，且红外自动测温仪边缘计算功能的实现，在降低工业云服务器的数据处理量的同时提升了数据处理的实时性和高效性。
-
公开(公告)号：CN109858707A
公开(公告)日：2019-06-07
申请号：CN201910138273.5
申请日：2019-02-25
Applicant: 广东石油化工学院
Abstract: 本发明涉及一种乙烯裂解炉炉管智能结焦诊断方法，更具体地，涉及一种融合人工蜂群(Artificial Bee Colony，ABC)算法、自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System，ANFIS)和结焦时间因子(Coking Time Factor，CTF)的乙烯裂解炉炉管智能结焦诊断方法，基于ABC-ANFIS-CTF的乙烯裂解炉炉管智能结焦诊断方法包括炉管结焦相关因素的数据采集和数据处理过程、炉管结焦专家评判规则获取过程、炉管结焦诊断模型训练过程以及炉管结焦诊断与预测过程。所述智能结焦诊断方法利用ABC算法的全局最优性和快速收敛性，优化ANFIS的结构参数，有效提高了训练效率和结焦诊断准确率，并引入结焦时间因子CTF，使所建立的结焦诊断模型在结合CTF情况下，能够很好地判断裂解炉运行周期内的炉管结焦程度和预测炉管结焦的发展趋势，从而起到炉管清焦预警和效能提高的作用。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
