用于监测组分混合物的引发特性、特别是排放特性的方法和装置的制造方法

用于监测组分混合物的引发特性、特别是排放特性的方法和装置的制造方法
【专利摘要】本发明涉及一种用于监测具有n种组分的混合物M的特性的方法，所述混合物具有特性x(B，u)，其中u是配方向量，B是这n种组分的特性的矩阵，并且x(u)是该混合物M的k种特性的向量。该混合物还具有代表在其使用过程中由所述混合物排放出的产物的至少一种排放特性R(u)＝R(y(x(u))，z(x(u)))，其中z(x(u))＝y(x(u))?x(u)，y(x(u))是该混合物的特性的向量。该方法监测所述配方u，使得所述得到的混合物M针对每种排放特性Rj，j＝1，...，q，都符合规范Rj＜Rj(u)和/或Rj(u)≤Rj，Rj、Rj分别是所述引发特性Rj的可接受的最小和最大值。所述监测包括估计具有预先确定的特性x(u)的混合物M的排放特性R(u)，R(u)是以下各项的函数：该混合物的预先确定的特性x(u)、与所述预先确定的特性相关联的函数y(x(u))和z(x(u))；并且受制于析取条件，这些析取条件针对每种特性xk根据值xk与mk和Mk之间的一个或多个不等式将选自所述xk、mk、和Mk的至少一个值赋予yk，其中，mk和Mk是预定义的常数，并且xk是针对配方u的特性k的值。
【专利说明】
用于监测组分混合物的引发特性、特别是排放特性的方法和 装置
技术领域
[0001] 本发明涉及用于监测成分混合物的引发特性的方法和装置。
[0002] 这种所谓"引发"特性是从该混合物的特性得到的并且可能不是可直接测量的。这 些引发特性涉及例如在所述混合物的使用过程中产生的排放。
[0003] 它更具体地应用于在线自动调节成分混合物，如例如像石油产品的混合物，其中 所生产的混合物必须符合一组重要的规范或特性。在这些应用中，包括在该混合物中的每 种产品都对所获得的最终混合物的特性的子集或这组特性起作用。 现有技术
[0004] 出于环境原因，某些强制规范涉及混合物在其使用过程中所排放的产物并且旨在 减少这些排放。在石油产品混合物的情况下，这些排放是混合物在发动机中燃烧过程中排 放的。这种类型的规范因此使得有可能减少排放，特别是机动车辆的那些排放。例如，美国 环境保护署(American Environmental Protection Agency)(EPA)制定了具体规范来减少 车辆排放(氮氧化物N0X、挥发性有机化合物VOC以及毒性有机化合物Τ0Χ)。在这项努力中， EPA已经开发了用于相对于参考汽油来根据它的特性预测来自汽油的排放的经验模型。所 有美国炼油厂和出口至美国的炼油厂都用这种以名称"复合排放模型(Comp I ex Emi s s i ons Model)"而为人所知的模型来计算并且证明它们产生的新配方汽油的排放。美国政府的联 邦法规电子法典(e-CFR)的文件e-CFR§80.45中详述了这种复合模型;在本专利申请下文中 它将是以名称80.45EPACM来提及的。80.45EPACM使用混合物的某些特性(氧含量、硫含量、 蒸汽压力等)作为输入变量。
[0005] 80.45EPACM还提供了用于计算输出数据的程序，这些数据是有害的或不希望的化 合物的排放，即：挥发性有机化合物(VOC)的排放，氮氧化物(NO x)的排放以及有毒化合物 (Τ0Χ)如苯、乙醛、甲醛、1，3-丁二烯等的排放。
[0006] 尽管认识到将该复合模型集成到制造混合物的操作模型中将使得有可能减少制 造这些混合物的生产成本，但80.45EPACM特别难以在炼油厂的操作模型内实施或与现有用 于预测所生产混合物品质的模型相组合。此困难来自于该模型的复杂性，该模型根据季节、 地域和汽油种类提供了不同的规范、对众多变量强加规范并且使用相对复杂的N0 x、V0C和 TOX排放计算函数来估计汽油的排放，这些函数是非线性的、非凸的且不可微分的。具体地， 80.45EPACM提供了整个条件清单（随后称为如果清单（IF-list))，该清单对N0 x、V0C和TOX 排放计算函数的输入变量强加析取约束。将此如果清单集成到操作模型中是特别复杂的， 并且涉及使用大量的二元和连续变量。这导致非常复杂的模型，对于允许将它们用于混合 物特性的在线和实时监测而言这些模型的计算时间太长，为几分钟的量级。实际上，这种在 线监测需要量级为一分钟的、或者实际上量级为几秒的周期性配方更新，该更新需要几十 次的调用并且因此是与几分钟的计算时间不相容的。还有可能进行在操作模型中将这些约 束人工集成在输入变量上，但考虑到这些输入操作的冗长时间这也是不可应用于实时在线 监测的。已经做出尝试来简化80.45EPACM，但是它们导致不准确的近似值，太远离该复合模 型的结果。

【发明内容】

[0007] 因此，需要一种程序使得有可能将包括对排放的约束的模型、特别是由EPA建立的 80.45EPACM复合模型集成到在线且实时的混合物优化方法中。
[0008] 为此目的，提出了一种用于监测具有η种成分的混合物M的特性的方法，所述混合 物呈现：
[0009]-表示为X(U)亦或x(B，u)的特性，其中
[0010] x(u) = [xi，· · .Xk]是该混合物M的k种特性的向量，k是正的非零整数，
[0011] u=[ui，. . .un]是配方向量，并且m，i = l，. . .，n，表示该混合物M中的第i种成分的 比例，
[0012] B=[Bi，. . .，Bn]是这η种成分的特性Bi的矩阵，
[0013] -由特性x(B，u)引发的至少一种特性R(u)=R(y(x(u))，z(x(u)))，其中
[0014] z(x(u))=y(x(u)-x(u)
[0015] y(x(u))是该混合物的特性向量
[0016] 并且其中，y(x(u))和z(x(u))是这样的：它们符合析取条件，这些析取条件针对每 种特性Xk将选自xk、mk、Mk中的至少一个值根据所述值Xk与至少一个值mk、Mk之间的一个或多 个不等式来指定给yk=y (Xk)，其中mk、Mk是预定义的常数，并且Xk是针对配方u的特性k的值。
[0017] 与不可通过测量该混合物而测量到的引发特性相反，这些特性X(u)因此是该混合 物直接可测量的特性(但其仍然可以是通过估算来确定的）。
[0018] 向量y (X (u))因此是特性X (u)的函数。它因此对应于混合物M的改变的特性。它例 如是该混合物的目标特性的向量，这些目标特性是预定的并且符合析取条件。具体地，这些 目标特性可以对应于与混合物M相同性质的目标混合物的特性。
[0019] 根据本发明的方法监测所述配方u使得所获得的所述混合物M符合针对每个引发 特性&，j = l，...，q(其中q为正的非零整数）的规范見S 6和/或Rj(U)Jj、写分别 是所述引发特性&的最小和最大容许值，这种监测包括对具有预先确定的特性X(U)的混合 物M的引发特性R(U)的估计，R(U)是以下各项的函数：
[0020]-该混合物的预先确定的特性X(U)
[0021] -与所述预先确定的特性相关联的函数y(x(u))和z(x(u))，所述函数被公式表示 为对于所考虑的每种特性11〇7(11〇和2(11〇是3(11〇1')的函数，其中：
[0022]
[0023]
[0024] r 等于 mk 或 Mk。
[0025] 根据本发明的方法使得有可能监测混合物（如石油产品、酒、水泥、涂料等的混合 物)的特性。换句话说，本发明使得有可能监测其成分是固体和/或液体和/或气体的混合物 的特性。
[0026]该混合物的这些特性x(u)可以是物理、化学、定性和/或定量的特性，并且/或者是 定性地和/或定量地表征的化学化合物。它们尤其取决于成分的特性（由矩阵B定义)和所混 合成分的量（由配方u定义）。
[0027]混合物的这些引发特性R(U)可以是物理、化学、定性和/或定量的特性，并且/或者 是定性地和/或定量地表征的化学化合物。这些引发特性对应于该混合物在其使用过程中 的特定行为。它可能因此在该混合物的使用过程中引起挥发性化合物的排放。换句话说，弓丨 发特性不能通过直接测量该混合物来确定。
[0028]根据本发明的方法因此包括以下步骤：
[0029 ] (A)确定该混合物M的特性X (u)的步骤。这种确定可以通过直接测量该混合物或者 通过确定用于制造该混合物的这些成分的特性并且通过基于B和u的混合规律来进行。这些 成分的特性矩阵B可以具体地通过测量这些成分或通过估计来获得。此矩阵B或特性X(U)可 以因此记录在存储器中。该混合物M的特性被命名为 X(u)亦或x(B，u)。
[0030] (B)估计该混合物M的至少一种引发特性R(U)的步骤，R(U)取决于以下各项：
[0031 ]-该混合物的一组预先确定的特性x(u)，
[0032] -与这些预先确定的特性相关联的函数y(x(u))和z(x(u))，所述函数被公式表示 为使得对于所考虑的每种特性Xk--即该组预先确定的特性X (u)中的每种特性Xk--y (Xk)和Z(Xk)是S(xk，r)的函数，其中：
[0033]
[0034] (2)
[0035] r 等于 mk 或 Mk。
[0036] 换句话说，在此步骤(B)的过程中，根据S(Xk，r)估计出混合物的一组预先确定的 特性x(u)的函数y (x(u))和z (x(u))并且由其推导出对R(U)的估计。
[0037] (C)确定配方u的步骤，使得所获得的所述混合物M的至少一种(例如每一种)先前 估计出的引发特性Rj，j = I，. . .，q(其中q是非零正整数）符合规范< Rj (U)和/或 R.(u)<R. 分别是所述引发特性Rj的最小和最大容许值。 -> · -
[0038] (D)产生对用于分配该混合物M的成分的装置进行控制的至少一个信号的步骤，此 信号是根据前面步骤中确定的配方u产生的。
[0039] (E)将所述至少一个控制信号传输至用于分配这些成分的装置以获得混合物M的 步骤。由此获得了符合涉及引发特性R(U)的规范的混合物M。
[0040] 因此，有可能控制或引导混合物的制造，从而使得其引发特性中的一种或多种特 性符合预先确定的规范。具体地，可以提供的是以预先确定的时间间隔来重复步骤(A)至步 骤(E)。例如，在时刻ti = 0，可以针对借助于配方Uo获得的初始混合物Mi具体实施步骤(A)和 步骤(B)，步骤(C)使得有可能确定出有待在时刻t i+1 = ti+At应用的新配方ui+1。此后使用 借助于配方m+1获得的混合物M 1+1的特性重复步骤(A)至步骤(E)，从而确定出新配方u1+2,并 且以此类推。还可以提供的是对有待应用的配方u和所获得的混合物的特性加以定期重新 初始化。
[0041] 在本发明中提及的引发特性R(U)以通常的方式取决于该混合物的确定特性以及 与这些确定特性相关的函数y(x(u))和z(x(u))，y(x(u))和z(x(u))是这样的：它们符合析 取条件，这些析取条件针对每种特性Xk将选自xk、mk、Mk中的至少一个值根据所述值Xk与至少 一个值mk、Mk之间的一个或多个不等式来指定给yk = y(xk)，其中，mk、Mk是预定义的常数，并 且Xk是对于配方u的特性k的值。换句话说，此函数R(u)是非线性的、不可微分的，并且在现 有技术的已知著作中要求大量约束，由此使将它集成至监测方法中复杂化。
[0042] 这些析取条件可以例如针对特性Xk是按以下方式书写的：
[0043] 如果 xk<mk，那么 yk=mk，并且 Zk = Xk-Hik (3)
[0044] 如果xk 2 mk且Xk < Mk，那么yk = xk，并且z = 0 (4)
[0045] 如果 xk>Mk，那么 yk=Mk，并且 Zk = Xk-Mk (5)
[0046] 根据这些特性，可以应用类型(3)至(5)中的一个、两个或三个析取条件。
[0047] 对于必须符合三个析取条件(3)、（4)、（5)的特性，函数y(a)和Z(Xk)可以被写为：
[0048]
[0049]
[0050] 本发明因此提出了针对每种特性Xk，将这些析取条件以函数y(x(u))和z(x(u))的 形式重整的优势。这种以函数形式的析取条件的重整使得有可能通过将析取条件转化为布 尔变量从而降低就这些估计而言的变量数量来简化引发特性R的估计。具体地，这些函数y (x(u))和z(x(u))可以直接导入计算排放特性R的值的函数中。这种重整因此使得有可能简 化对排放特性R的估计而不使其改变，由此使得有可能增加数据处理的速度，从而使得能够 在线集成。
[0051] 换句话说，根据本发明的方法使得有可能以简单的方式用公式表示析取约束并且 将服从这些析取约束的变量导入函数中，从而由此允许将这些变量更简单地考虑在内。因 此，应注意的是如在根据本发明的方法中定义的引发特性的估计适用于使用析取约束的任 何模型，不论是否涉及适当谈及的混合物或除取决于成分的特性的混合物之外的量和呈现 的引发特性。有利地并且以非限制性的方式，这些引发特性R^T以是基于模型、特别是由美 国环境保护署(EPA)定义的复合模型来确定的，该混合物M是烃类的混合物，例如汽油。
[0052] 有利地并且以非限制性的方式，在所述引发特性R(U)的估计中，函数S(xk，r)可以 通过Sigmoid函数SC(xk，r)来近似：
[0053] SC(xk，r，a) =0·5 · (l+tanh(a · (xk-r)) (8)
[0054] 其中，a是针对特性Xk预先确定的系数当xk = r时对应于曲线SC(xk，r)的斜率。
[0055] 这样的近似使得有可能使函数y(x(u))和z(x(u))可微分。每种引发特性R可以然 后变成连续并且可微分的函数，从而由此通过简化对它到设定点值的发散性或收敛性的监 测来使得有可能便于对这种特性的在线监测。
[0056] 具体地，系数3可以选择成使得除了区间1-5<11{<^+5上之外5以11{，1') = 5^，1·)， 其中，S被选择成使得2δ小于确定特性&中的误差。因此，有可能考虑确定特性处的精度，精 度对应于例如器具的测量误差或估计值的精度。
[0057] 特别地，通过选择小于或等于δ，有利地小于或等于δ/5，优选地小于或等于δ/7，例 如等于V7的系数a可以获得足够的计算精确度。
[0058]有利并且以非限制性的方式，根据本发明的方法可以提供的是当且仅当以下条件 成立时，具有配方U的混合物M符合规范in: U SI β ：
[0059]
(9)
[0060] 其中，如果.,则[β, > ft,] 二I ,并且在其他情况下，[S .:> β Μ)。 ' . > 4 ν' V
[0061] 作为一种变体，根据本发明的方法可以提供的是当且仅当以下条件成立时具有配 方u的混合物M符合规范匕< Rj(U):
[0062]
("
[0063] 其中，如果Rj<&，则[Rj〈匕]=1，并且在其他情况下，[Rj<匕]=0。
[0064] 根据又另一个i体，根据i发明的方法可以提供的是当且仅当以下条件成立时具 有配方u的混合物M符合规范S 和Rj(u) 2?:
[0065；
[0066]其中：
[0067] 如果/?,>€ ,顺/V>沿产】，并且在其他情况下，内 > 而
[0068]如果Rj<士，则[Rj<^] = 1，并且在其他情况下，[Rj<^] = 0。
[0069]具体地,Rj(U)是通所述使用函数S(xk，r)的估计来??定的。
[0070]此函数F(u)(9,9'，9"），其使用了由拉格朗日乘子启发的技术，使得有可能以简单 的方式验证是否符合约束β S氛和/或仏< Rj(U)。的确，当且仅当F(U) >0时违反了至 少一种约束β (U) ? /?和/或匕<&(u))。函数F(U)的使用因此使得有可能进一步简化监测 并且因此简化处理时间。
[0071]特别地，当不符合约束fiju) 和/或Rj(U) 2匕时，函数F(U)的公式能够将惩罚 1- ,> _ 考虑在内。
[0072]因此，根据下式将项π引入函数F(u)(9)中：
[0073]
(__
[0074] 使得有可能当引发特性^不符合规范丨K时将与引发特性相关联的惩罚考 .1 . ·、 虑在内，此项^于是是代表惩罚的非零正参数。
[0075] 将此项^引入函数F(u)(9)中还使得有可能在F(UJ)的计算中不去考虑引发特性 Rj,例如当针对任何配方都系统性地满足规范i?.(K) 时。为了不考虑这样的引发特性 ) -1 Rj，选择:r = 〇就确实足够了。
[0076] 出于简化该过程的目的，也可以通过Sigmoid函数」
）来近似函数F(U)的 项g :5义]:
[0077]
[0078] 其中，a是针对排放特性Rj预先确定的系，当/? 时对应于曲线5'(7Κ7, j的
斜率。
[0079] 在这种情况下，还可以用除了区间 二【R. > S j的方式来确定a，其中，δ被选择成使得2δ小于确定特性Rj的误差，例如可接受的 误差。
[0080] 类似地，作为一种变体，当特性&不符合规范^SRj(U)时代表惩罚的参i可以是 与该特性相关联的。在这种情况下，当且仅当以下条件成立时具有配方u的混合物M符合规 ^Rj < Rj(u)：
[0081]
Π〇')
[0082] 如果针对一种特性该约束总是实现，则这个相关联的项可以选择成等于零。
[0083] 类似地，当特性^不符合规范f:.丨>)S (和士 < Rj(U)时函数F(U) (9"）可以将代表 与该特性相关联的惩罚的参数考虑在内。该函数F(U)于是可以写为：
[0084]
[0085] 注意分别与各约束气(:1() ^SRj(U)相关联的项％、$，可以是相同 的或不同的。
[0086] 如在先前的情况下，也可以通过Sigmoid函数SC(RjJj)来近似函数F(U)的项[Rj< Rj]:
[0087]
[0088] 其中，a'是针对排放特性Rj预先确定的系数当Rj=匕时对应于曲线SC(RjJ j)的斜 率。
[0089]在这种情况下，还可以用除了区间匕-δ<Ι^<&-δ之外使得SCXRj，士）= [&<&] 的方式来确定a，其中，δ被选择成使得2δ小于确定特性Rj的误差，例如可接受的误差。
[0090] 有利地并且以非限制性的方式，以上所定义的函数F(U)(9、9'、9"）SF(U，3i)(l〇、 10'、10"）可以用在优化用于制造混合物的配方u的步骤过程中，从而使得优化问题的解决 得以简化并且因此减少用于解决此问题所需的时间。
[0091] 根据本发明的方法因此可以包括优化配方u的步骤，在该步骤过程中寻求将对配 方u的一组约束、对特性X的一组约束以及对引发特性R j的一组约束考虑在内的优化问题的 解，所述优化问题被定义为：
[0092]
( H
[0093] 其中
[0094] F(U)是由关系式（9)、（9'）或（9"）如以上定义的并且可选地以由关系式（11)或 (11'）定义的Sigmoid函数SCd A 来加以修改，
[0095] F(U，3i)是由关系式（1〇)、（1〇'）或（10"）如以上定义的并且可选地以由关系式（11) 或（1Γ)定义的Sigmoid函数SCYi?,，I?. j来加以修改，
[0096] .? _S: ?(:;代表对这些配方的约束，其中，卿和Uiu分别是针对整组约束IU配方 "·W _ u的最小值和最大值，
[0097]
戈表对混合物的特性X的约束，其中，￡(LP)和 分别是针对整组约束￡ ii.…的特性X的最小值和最大值，其中p:所跟踪的 V :尸 >. ..V - ' (监测的或考虑的)特性的数量。
[0098] 此优化步骤为搜索对优化问题（12)的解Uo而使用函数F(Uo)的值及其导数的值、或 函数F(uQ，3i)的值及其导数的值;所述导数值是通过基于对如根据本发明所定义的R( u)的 估计来表达所述导数而确定的，其中，函数S(xk，r)是通过Sigmoid函数SC(xk，r) (8)来近似 的;所述函数F(Uq)或F(Uq，π)的值是基于对所述引发特性R(u)的所述估计来确定的，其中， 函数S(xk，r)可选地通过Sigmoid函数SC(xk，r)(8)来近似。
[0099]当存在最优解UO时，此优化问题（12)是可解决的，对于该最优解，F(UO)= 0或F(U0， 3Τ) =0〇
[0100] R(U)的函数表达式使得有可能确定函数F(U)或函数F(u，3T)的梯度并且因此简化 该问题(12)的解决。
[0101]应注意的是R(u)函数表达式可能并不解决用于确定值F(Uo)或F(u〇,3i)的问题 (12)，其中，函数S(xk，r)通过Sigmoid函数SC(xk，r) (8)来近似。然后，确定F(Uq)或F(uq，jt) 是通过使用由关系式(1)和(2)定义的符号函数S(Xk，r)来进行的。
[0102] 因此，此问题（12)将约束赋予这些配方、该混合物的特性和该混合物的排放特性。
[0103] 对配方u的约束可以选自：
[0104] -调整和监测(RS)约束，最小值uRS = 0,并且最大值\..二1 ,
[0105] -由混合装置的容量强加的液压约束(H)，最小值uh，并且最大值, 一 r>. J
[0106] -由用于制造混合物的这些成分的可用体积强加的可用性约束(D)，最小值，并 且最大值u。5
[0107] -就约束H和D而言的交叉约束（HD)，最小值HHD = max(HH，HD)，并且最大值
[0108] 因此，对配方u的一组约束的选择可以由符号IUe {RS，H，D，HD}指示，
[0109]
(⑶
[0110]对混合物的特性的约束可以具有以下形式：
[0111]
(14)
[0112] 其中：
[0113] -C、；；，分别是该混合物的特性X(U)必须符合的最小和最大值;这继承了例如由制 造商选择的或由标准强加的规范，
[0114] 2、；，分别是该混合物的特性X(U)必须符合的并且对应于例如函数R(U)的有效 域的最小和最大值。例如，这些值可以对应于析取条件的值m、M。例如，它们可以对应于 80.45EPACM复合模型的有效域的这些极限。
[0115] 因此，等式（14)使得有可能将在同一时刻通常存在的对特性的约束(例如管理约 束)连同附加的约束(例如由该混合物的特性引发的，诸如对混合物的排放的这些约束)考 虑在内。在应用80.45EPACM模型的示例中，定义了这些附加的约束（见附图的描述中的表 1)〇
[0116] 通常是以这些约束的子集来起作用的。典型地，当并非所有约束是可满足的时，寻 求的是仅满足硬性约束。
[0117] 因此，对特性的一组约束可以由特性的两组标弓
5指明，"L"针 对较低的约束并且"U"针对较高的约束。这些当前约束可以因此被写为以下形式：
[0118]
(15)
[0119] 有利地并且以非限制性的方式，本发明的监测方法的可以因此包括：
[0120] (a)定义混合物的示例的步骤，其中定义的是：
[0121 ]-这η种成分的特性矩阵B，
[0122] -对这些配方u的一组约束IU，使得Xt S； ? S，其中Η?υ、?,。分别是所述组 IU的最小、最大值，
[0123] -这些特性X的最小值Lp和最大值Up的组~％ ￡ U…巧，其中P:所跟踪的特 性的数量，
[0124] -可选地，针对特性Rj的惩罚向量；和/或^. '
[0125] (b)可选地，搜索可行混合物以便简化步骤(c)的步骤，在该步骤过程中我们针对 心￡他,，..為}求解
[0126]
(16)
[0127] 和/或
[0128]
(】6，）
[0129] 其中，函数R(u)的值及其导数的值用于搜索优化问题（16、16'）的解u;所述导数值 是通过基于对如根据本发明所定义的所述引发特性R(U)的估计来表达所述导数而确定的， 其中，函数S(xk，r)通过Sigmoid函数SC(xk，r)(8)来近似;所述函数R(U)的值是基于对所述 引发特性R(U)的所述估计来确定的，其中，函数S(xk，r)可选地通过Sigmoid函数SC(xk，r) (8)来近似，
[0130] (c)根据本发明的优化步骤，在该优化步骤过程中寻求对以上定义的优化问题 (12)的最优解U 0:
[0131]
[0132] 并且，如果F(u〇)>0或F(UQ，3T)>〇,则重复这些先前的步骤，同时对定义混合物示 例的该步骤的这些组约束和/或这些成分进行修改，
[0133] 否则，应用所述最佳配方uo。
[0134] 步骤(a)使得有可能定义混合物示例。换句话说，这个步骤例如是根据可用的成 分、所使用的装置、用于估计引发特性R所使用的模型等定义了哪些特性必须被监测并且被 监测到何种程度。
[0135] 任选的步骤(b)使得有可能确定满足对配方u、特性X和特性R的约束的可行混合物 的空间。
[0136] 在此步骤(b)的过程中，可选地有可能验证是否)玄I ，并且，如果情 ^ · 'i: 乂 ·:<:)·+. 况就是如此，就强加 G 其中，Umax-argmaxRj(u)，u满足这组约束（16)。换句话说， umax是对Rj赋予最大值的配方向量u。这使得有可能不在步骤（c)中考虑总是满足关系式 i.:u_ .f的特性Rj，因此使得求解步骤(C)的问题更简单。
[0137] 类似地，作为一种变体或者组合，在步骤(b)中，有可能验证是否士 SRj(Umin)，并 且，如果情况就是如此，就强加.
满足这组约束（16 '）。换 句话说，umin是对Rj赋予最小值的配方向量u。
[0138] 步骤(c)此后使得有可能可选地在这一可行混合物的空间中确定出优化问题（12) 的最优配方uo,并且然后验证此最优配方Uo是否符合涉及排放特性R的规范，如果F(Uo)=O 或F( UQ，JT) = 〇就是这种情况。
[0139] 如果情况就是如此，就可以使用这种最佳配方Uo来生产混合物。
[0140] 如果情况不是如此，换句话说，如果F(u〇)>0或F(Uq，3t)>〇,则重复步骤( a)至步骤 (c)同时修改定义混合物示例的步骤(a)的这些组约束和/或成分。
[0141] 如果该最佳配方uo符合涉及引发特性R的这些特性的规范，换句话说，如果F(Uq) = 0或F(uQ，3i)=〇,该方法可以包括以下附加步骤(d)，其中：
[0142] -计算至少一个值?"!!。），其中，F1是将如混合物的成本或品质等附加约束考虑在 内的函数，
[0143] -找到第二优化问题的最优解(S'Τ?
[0144]
(17)
[0145] 其中，a和b是Fi(Uo)和F2 (UQ)的预先确定的权重，具体地由用户选择。以下详述函 数Fi的示例。
[0146] 在此步骤中，函数F(W)的值及其导数的值或函数F(U^3I)的值及其导数的值用于 搜索对优化问题（17)的解u%所述导数值是通过基于对所述引发特性RU)的估计来确定 的，其中，函数S(xk，r)通过Sigmoid函数SC(xk，r)(8)来近似;所述函数F(U ili)或F(u%3t)的值 是基于对所述引发特性R(U)的所述估计而确定的，其中，函数S(xk，r)可选地通过Sigmoid 函数SC(xk，r)(8)来近似。
[0147] -如果F(I^3I)=O,则应用配方U'否则在]找到点Ul，使得F(m，3i)=〇,并 且应用U1。
[0148] 此步骤(d)因此使得有可能通过函数F1来考虑附加的约束。
[0149] 这些函数Fi是例如：
[0150] -成本函数Fi(u) = cTu，其中，cT是该混合物的成分的成本向量，
[0151] -指明混合物的超品质（over-quality)的函数F2(u)= I |x(u)-xQ| I，其中，xQ是预 先确定的理想目标混合物的特性的向量。
[0152] 根据本发明的方法可以用于监测（具体地用于优化)石油产品的混合物，但是它还 可以应用于如酒、水泥、涂料等的产品混合物。
[0153] 根据本发明的方法可以因此是一种监测方法，其中：
[0154] -该混合物M是烃类的混合物，例如汽油，
[0155] -所述混合物的这些特性X至少选自氧含量、硫含量、蒸气压力、在200°F下的馏分， 在300°F下的馏分、芳族化合物含量、苯含量、烯烃含量、甲基乙基苯含量、乙基叔丁基醚含 量、叔戊基乙基醚含量，
[0156] -该混合物的这些引发特性&选自挥发性有机化合物的排放(V)、氮氧化物的排放 (N)以及有毒化合物的排放(T)。
[0157] 这些引发特性Rj然后可以例如是基于由美国环境保护署（EPA)在文件e_CFR§ 80.45中针对新配方和常规汽油定义的80.45EPACM复合模型来确定的。将注意到的是在此 文件中，仅针对所谓的新配方和常规汽油给出了引发特性的规范。然而，本发明可以通过对 弓丨发特性的约束的适当选择而应用于80.45EPACM的所谓的新配方汽油以外的汽油。以相同 的方式，可以针对烃类的其他配制品（柴油、喷气燃料等）定义与80.45EPACM中针对新配方 汽油提出的那些相类似的函数和约束并且通过根据本发明的方法来实施。因此，本发明不 限于应用80.45EPACM模型。可以使用其他模型和/或可以使用对特性的其他约束。
[0158] 混合物的这些特性X可以具体地例如通过一组在线分析器具体地以周期性方式 (通过以采样环路分流出产品）来进行测量。
[0159] 涉及的测量设备可以专门用于给定特性(定硫仪、密度计、蒸汽压力等）。这种测量 设备还可以使得有可能基于同一产品样品获取若干种不同特性的测量值(近红外光谱类型 的分析器）。
[0160] 在不存在测量设备时，可以使用计算的（模拟的或推理)估计来确定该混合物的某 些特性。此计算能够通过实施特定于所考虑的每种特性的特定转化定律(混合定律)来将针 对混合物的每种成分测量到的特性的值与在该混合物中并入的比率(按体积计或按质量 计)相组合。
[0161] 在对应于在给送混合物的中间容器中有可用的混合物成分的情况下，可以在实验 室中分析(从容器中取样后)混合物的每种成分测量到的特性的值。
[0162] 对于在不穿过中间容器的情况下到达混合器(混合物收集器）的混合物成分，还可 以利用通过在线分析器在所考虑的流束上例如以周期性方式提供的在线测量来作为测量 数据供模型某些输入的推导计算。
[0163] 最后，当特性的可变性可忽略不计时，还可以根据情况分配标准值。
[0164] 此外提出了一种计算机程序产品，该计算机程序产品包括指令，以用于当处理器 执行这些指令时执行上文描述的方法的步骤。该程序可以例如存储在硬盘类型的记忆载体 上、可以被下载等。
[0165] 本发明还涉及一种用于监测具有η种成分的混合物M的特性的系统，所述系统连接 至用于将成分分配到用于使成分混合的单元的装置，该系统包括：
[0166] -用于确定所述混合物的特性x(B，u)的装置，表示为x(B，u)亦或x(u)，其中：
[0167] x(u) = [xi，. . .Xk]是该混合物M的k种特性的向量，k是非零正整数，
[0168] u=[ui，. . .un]是配方向量，并且m，i = l，. . .，n，表示该混合物M中的第i种成分的 比例，
[0169] Β=[Βι，· · ·，Bn]是η种成分的特征的矩阵，
[0170]-一种管理系统，包括：
[0171] -用于接收所述特性x(B，u)的装置
[0172] -用于存储由该接收装置提供的特性的值的存储装置，以及至少一个用于确定由 特性x(B，u)所引发的混合物特性R(u)=R(y( X(U))，Z(X(u)))的模型，其中
[0173] z(x(u))=y(x(u))-x(u)
[0174] y(x(u))是该混合物的特性向量
[0175] 并且其中，y(x(u))和z(x(u))是这样的，它们符合析取条件，这些析取条件针对每 种特性Xk将选自xk、mk、Mk中的至少一个值根据所述值Xk与至少一个值mk、Mk之间的一个或多 个不等式来指定给yk，其中，m k、Mk是预定义的常数，并且Xk是针对配方u的特性k的值，
[0176]-处理装置被设计为用于：
[0177] -确定混合物M的配方u，使得该混合物针对每种特性Rj，j = l，. . .，p(其中p为非零 正整数)都符合规范& <吣⑷和/或心.$) 也、分别是所述引发特性的可容许的 最小和最大值，这是通过使用对混合物M的所述引发特性R(U)的估计来实现的，该混合物M 的特性X(U)是通过该确定装置提供的，所述估计针对该混合物的一组确定特性使用函数y (X(U))和Z (X(U))的公式，使得针对所考虑的每种特性Xk，y (Xk)和Z (Xk)是S(xk，r)的函数，
其中：
[0178]
[0179] (2)
[0180] r 等于 mk 或 Mk，
[0181] -然后生成用于分配装置的至少一个控制信号，
[0182] -用于将该至少一个控制信号传输至用于分配成分的装置的装置。
[0183] 这种监测系统特别能够实施根据本发明的、根据以上详述的特征中的一个或多个 特征的方法。
[0184] 在根据本发明的系统中，该处理装置可以特别地被设计为用于：
[0185] -具体是在读取存储装置中所存储的模型之后，估计混合物M的至少一种特性R (U)，该混合物M的特性X(u)是通过该确定装置提供的并被存储下来，R(U)取决于：
[0186] -该混合物的一组预先确定的特性x(u)，
[0187] -与这些预先确定的特性相关联的函数y(x(u))和z(x(u))，所述函数被重构为使 得对于所考虑的每种特性Xk--即该组预先确定的特性X (u)中的每种特性Xk--y (Xk)和z (Xk)是S(xk，r)的函数，其中：
[0188]
[0189] (2)
[0190] r 等于 mk 或 Mk，
[0191] -确定混合物M的配方u，使得对于至少一种（特别地每一种）特性Rj，j = l，...，p (其中P为非零正整数)而言该混合物符合和/或S.(K) 分别是所述 一 .··： λ 一 J 引发特性可容许的最小和最大值。
[0192] 特别地，为了估计至少一种特性R(U)，该处理装置可以被设计为用于：
[0193] -根据上文通过等式（1)和（2)定义的S(xk，r)来确定混合物的一组预先确定的特 性x(u)的函数y(x(u))和z(x(u))，
[0194] -在读取存储装置中所存储的模型后，由其推导出R(U)的估计，
[0195]-确定混合物的配方u，使得对于至少一种引发特性Rj，j = l，...，p(其中p为非零 正整数)而言混合物符合规范Rj ^Rj(U)和/或分别是所述引发特性可 一 .Λ >. 一 / 容许的最小和最大值。
[0196]用于确定该混合物的特性的装置可以是以上描述的那些装置。
[0197] 该管理系统可以是例如微处理器的处理器、微控制器或其他类型。
[0198] 该接收装置可以例如包括输入脚线、输入端口或类似物。
[0199] 该存储装置可以是一种随机存取存储器或RAM、EEPR0M(电可擦除可编程只读存储 器）、或类似物。这些存储装置可以例如存储模型，例如由EPA建立的80.45EPACM复合模型， 和在此模型中使用的所有常数，换句话说此模型的这些不同函数以及通过根据本发明的估 计所获得的它们的导数的表达式。
[0200] 该处理装置可以是，例如，一种处理器核心或CPU(中央处理单元）。
[0201 ]该传输装置可以例如包括输出脚线、输出端口等。
[0202] 特别地，该处理装置可以被设计为通过实施如以上所定义的根据本发明的方法来 确定配方u，并且特别是实施根据本发明的优化步骤和/或以上描述的根据本发明的方法的 步骤(a)至步骤(c)或步骤(a)至步骤(d)。
[0203] 本发明最后涉及一种用于混合η种成分的单元，该单元包括用于将η种成分分配到 至少一个混合物收集器的装置以及根据本发明的监测系统。此混合单元更特别地旨在用于 制备烃类的混合物，如汽油。
[0204]附图简要说明
[0205] 现在借助于示例并且通过参照非限制性附图式描述本发明，在附图中：
[0206] -图1表示根据本发明的实施例的混合单元100的图解，
[0207] -图2表示根据本发明方法的实施例的逻辑图
[0208] -图3示意性地表示计算函数N=NOx(X)、V = V0C(x)和T = TOX(X)的步骤，
[0209] -图4表示针对特性OXY的函数SC(t，r，a) (A)及其一阶导数(B)。
[0210] 附图详细说明
[0211] 在图1中表示了从成分或基础成分(base)生产混合物M的混合单元10)。这些成分 被容纳在容器101、102、103中，为表示方便起见其数量已经被限制为三个。这些有待混合的 成分行进穿过输送路径104、105、106到达配备有混合物收集器或者混合器108的主路径 107,该主路径将该混合物传导至目的地容器109。在图1中用标记110指代的装置使得有可 能控制这些成分在各输送路径上的流速。这就必须有例如控制阀门的流速调节器。
[0212] 用于确定特性的装置111，或连续测量的装置，使得有可能以重复的方式在混合物 生产过程中测量代表该混合物特性的参数。这些装置111例如由与位于主路径107上的混合 器108相连的在线分析器构成。
[0213] 在石油产品混合物的情况下，这些分析器测量例如该混合物的硫含量(定硫仪）、 辛烧值(辛烧机(octane engine))、十六烧值(十六烧机(cetane engine))等。
[0214] 该装置还包括管理系统112以用于管理进入该混合物的基础成分的比例(配方u)。 此管理系统112包括与确定装置111相链接的接收装置113、储存装置114、处理装置115、和 与控制成分流速的装置110相链接的传输装置116。
[0215] 存储装置114使得有可能存储由该接收装置提供的这些特性的值，和至少一个用 于确定混合物的引发特性的模型，该至少一个模型包括针对该混合物的多种不同特性的设 定值或目标值。
[0216] 处理装置115使得有可能确定基础成分的比例配方u，该配方将被传输给控制装置 110,例如根据下文参考图2描述的、针对烃类的混合物阐述的步骤。
[0217] 处理装置115使用记录在存储装置114中的数据来确定混合物配方u。具体地，存储 装置可以包括80.45EPACM的复合模型的规范，以及监测所必需的多种不同函数。
[0218] 图2代表一种用于监测混合物M(具体是具有多种烃类的混合物）的方法的逻辑图， 对其所希望的是引发特性&不超过预先确定的阈值，换言之满足不等式^ 〇
[0219]特别考虑了引发特性{N，V，T}，其中N为NOx的排放、V为挥发性有机化合物排 放、并且T为有毒排放。
[0220] 考虑配方向量UERM吏得Ui(i = l，...，n)表示在混合物X中基础成分Bi的体积百 分比。X的这些特性是基础成分B=[Bi，. . .，Bn]和配方u的特征的函数，x = x(B，u)。
[0221] 在第一步骤20的过程中，定义了一个混合物的例子，其中定义的是：
[0222]-具有η种成分的特性的矩阵B，
[0223] -对配方u的一组IU约束使得U SUfK., ，其中URNti .分别为所述组IU的 最小值、最大值，
[0224] -特性X的、具有多个最小值Lp和多个最大值Up的一组￡^% S P]:，其中所 跟踪特性的数量P 2 12，
[0225] -可选地针对一种或多种特性R的惩罚向量π。
[0226] 这些不同的信息项是作为混合单元、基础成分等的函数来例如记录在该存储装置 114中的。
[0227] 特别地，该存储装置含有80.45EPACM复合模型的规范以及如以上在本发明的概述 中通过引入y和z来修改的80.45EPACM函数N0x(u)、V0C(u#PT0X(u)。
[0228] 在第二步骤21的过程中，对可行的混合物进行搜索。为此目的，寻求的是针对RjE {N，V，T}解出：
[0229]
(16)
[0230]此步骤实施对特性R的估计，所述估计基于80.45EPACM、根据本发明借助于符号函 数S(xk，r)修改的函数NOx(U)、V0C(u)和TOX(u)来确定并且被记录在该存储装置114中。更 确切地，在具体的实施例中，此步骤计算对应于80.45EPACM函数NOx(u)、V0C(u)和TOX(u)的 直^(1〇,并且还实施了对该特性R的导数值的确定，导数是如在梯度计算的示例2中详述 的、通过借助于在本发明的概述中定义的Si gmo i d函数SC (Xk，r)来表达特性R来计算出的。 然而，本发明不限于此实施例并且计算这些值Rj(U)还可以是通过在本发明的概述中定义 的、将以Sigmoid函数SC(xk，r)近似的函数S(xk，r)集成至80.45EPACM函数N0x(u)、V0C(u)和 T0X( u)中地对其加以修改来进行的。
[0231] 此问题（16)的解决可以是通过处理装置115来实现的。
[0232] 具体地，有可能在步骤22中验证是否，换句话说函数F(U，Ji)是 否消失：
[0233]
[0234] 在此情况下，在该函数中& =S。[0235] 在步骤(b)中确定的可行混合物的空间中，优化问题（12):
[0236] (12)
[0237] 此问题此后在步骤23的过程中觯決开且获得/优化配方uo。
[0238] 问题（12)的解决还实施了类似于在梯度计算的示例2中呈现的一种梯度计算，这 种梯度计算是通过借助于在本发明的概述中定义的Sigmoid函数SC(xk，r)来表达特性R实 现的。此外，如参照问题（16)所阐述的，可以使用通过将函数S( Xk，r)或在本发明的概述中 定义的Sigmoid函数SC(xk，r)集成到其中来加以修改的80.45EPACM函数NOx(u)、V0C(u)和 TOX(u)来计算这些值Rj(u)。
[0239] 在步骤24的过程中，验证是否F(Uq，3t)>〇。如果情况就是如此，我们返回至步骤20 并且改变混合物和/或成分的示例。如果情况并非如此，则在步骤25的过程中，我们计算值 F1(UO)和F2(UO),其中函数?1和?2分别是已经在本发明的概述中做出解释的成本函数?"!!） = C1U和指明超品质的函数F2(U)= I |x(U)-XQ| I。
[0240]接下来，在步骤26的过程中，寻求对优化问题（16)的最优解(S'T%f):
[0241]
U.7) 12345 其中，a和13是&(11〇)(该混合物的成本)和F2(Uo)(该混合物的超品质）的权重。 2 在步骤27的过程中，验证是否F(u'3i)=〇。如果是，则应用所找到的优化配方u'否 贝IJ的话，在步骤28的过程中，在]u〇，in中找到一个点m使得F(U 1J)=O并且应用Ul。 3 这组步骤20至28可以是由处理装置115使用记录在该存储装置114中的数据来实 施的。 4 以可微分函数的形式考虑析取条件使得有可能使用具有3GB内存的hUd?C〇re? i5CPU、2.4GHZ 32位计算机使用Matlab的fmincon对于问题（12)获得量级为0.0025s的处理 时间，由此使得有可能在制造混合物的过程中在线使用根据本发明的监测方法。根据本发 明的方法和装置因此使得有可能在线监测混合物的排放特性以及混合物如汽油的传统调 节特性。 5 出于以下阐明的原因，这种在线监测使用现有方法是不可能的。
[0247] 这些现有方法事实上是根据混合物的特性x而非通过使用成分B根据生产此混合 物的配方u来计算排放R(R = N0X，V0C，T0X)的值。因此，R不是Bu而是复合函数R(x(B，u))。此 函数R被定义为：
[0248] 1.在这些特性X的空间的域X中；
[0249] 2.出于计算排放的需要，该域X是分区
[0250] X=XiUX2U ... UXn;
[0251 ] 3.这些子集Xi，i = 1，...，N是凸的。它们的内部具有空交集；
[0252] 4.函数R(x)在X上是连续的，但在Xi，i = l，...，N的边界上是不可微分的。
[0253]划分的数量N可以较大。举例而言，针对特性数目（X的维度），n = 20,并且每种特性 两个阈值m，M，每个区间被分成3部分并且我们将具有N=3n ? 101()。
[0254] 因此，目前的计算以两个步骤进行：
[0255] -步骤1:找到Xi，i = l，. . .，N使得xEXi。可选地将X转化为yeXj，并且取决于Xi通 过以下逻辑测试来计算Z = y-x。
[0256] -步骤2:计算，R(x) =fj(y，z)。
[0257] 步骤 1
[0258]关于步骤1，应当注意的是，直接法将要求验证N个二进制段，N可能较大。目前的方 法通过验证析取约束的可满足性来进行步骤1。以指明的方式，目前的程序可导致大量的变 量，例如15至20个二进制变量，50至100个连续变量，100至200个混合约束，或者确实几百左 右的线性/双线性约束。
[0259] 本发明使得有可能将X转化成yeXi并通过进行例如以下各项来计算z = y_z:
[0260] 2次逻辑测试(S(xk，mk)，S(xk，Mk))，k= 1，· · ·，n
[0261] 8次加法/减法(参见等式(6)和(7))
[0262] 5次乘法(参见等式(6)和(7))
[0263] 因此，根据本发明的方法的步骤1的就计算时间而言的复杂性为0(η)，η是X的维 度。这与目前方法的满足混合约束的复杂性相比要快得多。
[0264] 步骤 2
[0265] 关于步骤2,目前的方法不直接进行对排放RU)的调节。这些方法寻求使得X(U)与 参考汽油xb(基线-参考)之间的归一化的欧几里得距离最小化。这依赖于未经证实的假设： [0266] "如果目前的混合物X(U)是接近于xb，那么R(x(u))肯定接近于R(xb)"
[0267] 此外，目前的方法不能进行对R(u) =R(x(u))的直接调节，因为它们仅仅计算函数 RU)，该函数是不可微分的（参见前面）。
[0268] 在本发明中，引入了Sigmoid函数以获得函数P(U)，使得：
[0269] -对于x(u)"远"离Xi，i = l，· · ·，N的边界而言，p(u)=R(x(u));
[0270] -仅在围绕Xi，i = l，. . .，N的边界的"细长的"区域上，P(U)与R(x(u))不同。这个区 的厚度是通过向量X的特性的测量ε的精度来监测的。此层中P(U)矣R(x(u))的质量是0 (ε) 在实践中可忽略不计；
[0271] -P(U)是可微分的。其在任何配方点u的梯度是可计算的。因此，就像针对混合物的 任何常规特性一样易于在线对P(U)进行调节。
[0272] 因此，本发明提供了相对于目前方法的以下优点：
[0273] -计算时间上的增益；
[0274] -在线调节P(U)的可能性，其除了在一组质量0(〇上之外等于R(u)。
[0275] 示例
[0276] 示例1:根据80.45EPACM模型应用于烃类的混合物
[0277] 针对烃类的混合物M考虑了排放特性RjE {N，V，T}，其中N为NOx排放、V为挥发性有 机化合物排放并且T为有毒排放。
[0278] 目标汽油（具有特性向量X)是从一组基础成分产品（基础成分或成分)制造的，该 目标汽油的特征为它们的特性B1, ...，BneRp，其中P是这种汽油的特性的数目。在目标汽油 的这些特性中可以列举出：
[0279] OXY:氧含量(按质量计％ )
[0280] SUL:硫含量(按质量计ppm)
[0281] RVP:蒸气压力(雷德(Reid)程序)或雷德蒸气压力（以PSI计），
[0282] E200:在200°F下的馏分（按体积计％)，
[0283] E300:在300°F下的馏分（按体积计％)，
[0284] ARO:芳族化合物含量(按体积计％ )
[0285] BEN:苯含量(按体积计％ )
[0286] OLE:烯烃含量(按体积计％ )
[0287] MTB:甲基乙基苯含量(按氧气体积计％ )
[0288] ETB:乙基叔丁基醚含量(按氧气体积计％ )，
[0289] TAM叔戊基乙基醚含量(按氧气体积计％ )
[0290] ΕΤΗ:乙醇含量(按氧气体积计％)。
[0291] 对于这些汽油还可以计算和监测其他特性，但以上清单给出了进入80.45EPACM模 型的NOx(x)、V0C(x)和ΤΟΧ(χ)计算中的特性。
[0292] 配方是向量UeRn，使得Ul(i = l，. . .，n)表示在该混合物X中基础成分仏的体积百 分比。X的这些特性是基础成分B= [Bi，. . .，Bn]和配方u的特征的函数，x = x(B，u)。在足够短 的临时范围内（这是本示例的应用的情况)可以认为对于监测而言B是常数并且仅u是可变 的。
[0293] 针对混合物M，认为液压和操作约束对配方强加了最小约束u和最大约束? ,通过 - 7 不等式表达为：
[0294] 'if S U < M (18)
[0295] 此外，为了使混合物合规，对这些特性的最小约束^和最大约束^由80.45EPACM所 强加。它们由如下不等式表达：
[0296] Cgx= ν(?? <c (I
[0297] 注意到的是，当汽油x不满足这些约束或对于给定的配方f而言并不是最优化的 时候，于是就有可能通过按照以下形式的函数进行优化来对其加以修改：
[0298] F(u) =a · I I u_u。I I+b · I I x(u)-x。I I (20)
[0299] 其中，u°是由使用者预先定义的参考配方，并且x°是使超品质最小化的"理想"目标 汽油。这可以是在参考图2描述的步骤(26)过程中实施的。
[0300] 排放计算涉及额外的阶段。取决于季节(夏季，冬季），地域(1，2)和汽油的类型(新 配方的:RFG或常规的:CFG)，选定参考汽油的特征(随后表示为xb)和如下面的表1中对混合 物X的最小/最大边界(注意在本专利申请中xb表示的参考汽油在80.45EPACM中表示为b)。
[0301] 此外，在表1 中，OXY 的值是 OXY = ETB+MTB+ETH+TAM。
[0302] 在表1中给出的值对应于本发明的概述的不等式(14)和(19)的值
[0303] 弄1 .参考汽沛和80.4FSFPACM的#小/#女茹
[0305]在80.45EPACM中对排放N、V、T的估计进一步使用了表2中呈现的对于标准或高排 放源的系数：
[0306]表2.根据排放源和排放的系数。
[0308] 表3下文最终提供了根据季节和地域的参考排放。这个表的值用作目前的汽油X (U)的排放所不能超过的硬性边界。例如，在夏季，对于地域2,我们必须使得：
[0309] N0x(u)<1340.0；V0C(u)<1399.I；T0X(u)<85.61 (21)
[0310] 表3-参考排放。
[0312] 举例而言，在80.45EPACM中，函数NOx(u)(参见图3B)取决于特性X:混合物的OXY、 SUL、RVP、E200、E300、AR0、0LE。取决于季节或取决于E300、SUL、0LE、AR0的值的范围（参见下 文的表4)产生了两个的向量:y和z。
[0313]向量y(被称为"边缘目标"）是其特性由80.45EPACM模型和"如果清单"（参见下文） 的条件固定的汽油的特性的向量。
[0314] 向量z(被称为"德尔塔目标"）是表达上文的向量y与在过程中具有配方的混合物 的特性的向量X之间的差的向量。
[0315] 这些向量y和z根据表4的边界取特定的值。因此，它们必须与析取条件清单相符， 该清单被称为"如果清单"，在表5中给出。
[0310] 注意到的是，相对于80.45EPACM的注释，y的值对应于80.45EPACM具有标引"et"的 值(例如E300et = y(E300)) ^ "德尔塔目标"的值对应于80.45EPACM的值Δ AR0、Δ E300等 (例如 AARO = Z(ARO))。
[0317]表4
[0321] 类似地，在80.45EPACM中，函数VOC(u)以及TOX(u)取决于该混合物的一系列预先 确定的特性。
[0322]函数VOX(U)被表达为y(x(u))，b(x(u))，z(x(u))的函数(参见图3A)，其中函数y和 z是以上所定义的那些并且其中函数b(x(u))是80.45EPACM提供的参考汽油的特性的向量。
[0323] 函数TOX(u)被表达为仅具有向量y的函数(参见图3C)。
[0324] 注意针对这些不同的污染物NOx(U)、V0C(u)和TOX(U)固定了与表5中呈现的那些 相类似的特定如果清单。
[0325] 图3示意性地表示了对函数NOx(U)、V0C(u)和TOX(U)，以及决定它们的函数进行计 算的步骤。
[0326] 具体地：
[0327]-图3(A)表示了计算排放特性R = V = VOX(U)的步骤，
[0328]-图3(B)表示了计算排放特性R = N=NOX(U)的步骤，
[0329] -图3 (C)表示了计算排放特性R = T = TOX (u)的步骤。
[0330] 在表5的如果清单中所表达的用于决定函数NOx(U)的条件可以针对一种特性Xk以 如下方式写为：
[0331 ]如果 xk<mk，那么 yk=mk，并且 Zk = Xk-Hik (3)
[0332] 如果xk 2 mk和Xk < Mk，那么yk = xk，并且z = 0 (4)
[0333] 如果 xk>Mk，那么 yk=Mk，并且 Zk = Xk-Mk (5)
[0334] 边界mk，Mk，取表4中所指明的值。
[0335] 根据本发明，y和z是根据符号函数表达的以便通过按已经定义的以下函数的形式 对它们进行公式化表达来将这些析取条件(3)、（4) (5)整合到y和z中：
[0336] y(xk) = (l_S(xk，mk)) · m+S(xk，mk) · (l_S(xk，Mk)) · x+S(xk，Mk) · Mk (6)
[0337] z(xk) = (l_S(xk，mk)) · (xk_mk)+S(xk，Mk) · (Xk-Mk) (7)
[0338] 让y和z由此分别根据(6)和(7)来重构公式，NOx(u)的计算于是包括下文描述的中 间计算步骤。
[0339]注意，在下面的公式中，所指明的特性(0ΧΥ、SUL等）涉及该公式的输入变量(y或 z) 〇
[0340] 第一步
[0341] ni(y) = (0.0018571 · 0ΧΥ) + (0.0006921 · SUL) + (0.0090744 · RVP)
[0342] +(〇·0009310 · E200) + (0·0008460 · E300) + (0·0083632 · ARO)
[0343] +(-0.002774 · 0LE) + (-6.63 · 10-7，SUL2) + (-0.000119
[0344] · AR02) + (0.0003665 · OLE2)
[0345] n2(y) = (-0.00913 · 0XY) + (0.000252 · SUL) + (-〇.01397 · RVP)
[0346] +(0.000931 · E200) + (-0.00401 · E300) + (0.007097 · ARO)
[0347] +(-0.00276 · 0LE) + (0.0003665 · 0LE) + (-7.995 · 10-5
[0348] . ARO2)
[0349] 还计算了 ni(xb)和 n2(xb)。
[0350] 之后计算$y) = /神-竭和//i J = /如， 。
[0351] FN(y,z) = l+z(SUL) · (-0.00000133 · y(SUL)+0.000692)
[0352] +z(ARO) · (-0.000238 · y(AR0)+0.0083632)
[0353] +z(〇LE) · (0.000733 · y(0LE)-0.002774)
[0354] FH(y,z) = l+0.000252 · z(SUL)
[0355] +z(ARO) · (-0.0001599 · y(AR0)+0.007097)
[0356] +z(〇LE) · (0.000732 · y(0LE)-0.00276)
[0357] 第二步选定表2的系数WN和WH并且计算NOx(u)：
[0358] N0x(u)=N0x(x(u))=N0x(y，z)
[0359] =wn · N(y) · FN(y,z)+WH · H(y) · FH(y,z) (22)
[0360] 这两步的计算仅仅是复合有y和z的函数。因此，将不需要附加的约束来验证在符 合如果清单的析取条件的同时是否已经正确地计算了 y和z。因此避免了增加该问题的复杂 性的许多二元变量和混合约束的引入。我们指出使用函数S(x，r)并不改变NOx(U)的特性 (或其他排放的特性）。
[0361 ] 在y和z的公式中通过用Sigmoid函数SC(xk，r)来替换函数S(xk，r):
[0362] SC(xk，r，a) =0·5 · (l+tanh(a · (xk-r)) (8)
[0363] NOx(u)于是就可以写为可微分连续函数的形式。
[0364] 图4表示了针对特性OXY的函数SC(t，r，a)(A)及其一阶导数(B)。在图4A中，还表示 了符号函数。注意系数a对应于在点t = r处函数SC(tr，a)的导数SC'（t，r，a)。这个系数可以 被选定为使得除了在小的区间te ]r-δ，r+δ[内之外函数C(t，r，a)等于S(t，r)。已知每种特 性的测量精度，就容易将a选定成使得2δ小于测量误差。在图4A的示例中，测量精度为2δ = 0.03。因此，使用（8)计算的排放的值将与使用符号函数（1)计算的那些同样处在测量特性 的误差范围内。
[0365] NOx被写为可微分函数的形式，因此就有可能相对于汽油的特性X并且相对于配方 u来计算NOx的梯度。因而还有可能计算NOx的海赛函数。将特别地能够在监测方法中、特别 是在参照图2的逻辑图描述的步骤(23)和(26)的水平上使用这种梯度和海赛函数。
[0366] 以下通过举例详述梯度的计算。将能够以类似的方式计算海赛函数。
[0367] 示例2:梯度计算
[0369]会有必要针对任何特性&来作为u的函数计算导数 。对于线性混合律而言这 简单地是基础成分B(j，k)的矩阵的系数。回想到的是我们已经从X计算出y和ζ。因此：
[0371 ]其中p是汽油的特性数目。
[0372]我们现在到达的水平是对NOx公式(22)的每项的进行计算。
[0391]
[0392]
[0393]
[0394] iifH ι
[0395]
[0396]
[0397]
[0398]
[0399] 对于任何与SUL、0LE和ARO不同的特性p，我们使得y(p)=x(p)和ζ(ρ)=0。对于这 些特性而言，^ = 1 ，并且= S。对于SUUOLE和ARO而言，这些导数的计算包括对 函数SC(t，r，a)求导数。对于这些特性中的每一者而言，将针对表5如果清单取以下项：
[0400]
[0401]
[0402]
[0403]并且将计算以下内容：
[0404]
[0405]
[0406] 相对于特性X并且尤其是相对于配方u对各排放的梯度的计算为在线监测排放打 开了如同针对汽油常规特性所已有的情况的路径。
[0407] 示例3:N0x(u)以及其梯度的数值计算
[0408]函数 NOx (u)依赖于特性 OXY、SUL、RVP、E200、E300、ARO、OLE。
[0409] 我们考虑80.45EPACM模型的区域C、阶段2、季节夏季。
[0410] 在这个示例中，我们考虑在点X(u)处的情况，其值在表6中给出，并且我们仅改变 E300的值。函数N0X( X)针对特性E300 > 95的值由于在涉及的周期上的如果清单的条件的原 因呈现出斜率的中断。
[0411] 这种特性 E3 ()(中精度是:Prec (E300) = 0 · 4。
[0412]表7呈现了以下情况下针对E300的多个不同值的，函数NOx(X)的值之间的比较结 果：
[0413]-当函数NOx(X)是非正则化的（换句话说，所使用的函数是使用符号函数S(Xk，r)改 写的80.45EPACM模型函数)时，
[0414]-当函数NOx(X)是通过考虑与特性E300的Sigmo id函数相关联的系数a使得a = Prec(E300)/7来正则化(换句话说，该函数是使用Sigmoid函数SC(xk，r)改写的80.45EPACM 模型函数)时，
[0415]-当函数NOx(X)是通过考虑与特性E300的Sigmo id函数相关联的系数a使得a = Prec(E300)/14来正则化时，
[0416]表6
[0420] 因此，注意到的是，通过借助于Sigmoid函数以连续并且可微分函数的形式用公式 表示如果清单来根据本发明修改80.45EPACM模型的函数NO x而计算出的值N0X( X)使得有可 能获得与使用80.45EPACM模型的函数获得的那些值非常接近的结果。还注意到的是，将系 数a的值降低得越多，向未正则化的值收敛得越快。
[0421] 我们现在比较NOx(X)的梯度。表8表示未正则化的函数NOx(X)在E300 = 95的左边和 右边的数值梯度的值。
[0422]表 8
L0424」使用示例2中导出的根据本发明的梯度公式计算的特性E300的分析梯度于是为 0.23641474。右导数总是给出0因为E300>95的值引用95。导数的数值估计是通过对称公式 进行的(参见表8的第2栏）。观察到的是，在这种情况下数值和分析梯度非常接近。
【主权项】
1. 一种用于监测具有η种固体、液体或气体成分的混合物Μ的特性的方法，所述混合物 显示出： -特性x(B，u)，其中x(u) = [xi，...xk]是该混合物Μ的k种特性的向量，k是非零正整数， u=[山，...Un]是配方向量，并且Ui，i = l，. . .，n，表示该混合物Μ中的第i种成分的比 例， B=[Bi，. . .，Bn]是运η种成分的特性的矩阵， -由特性x(B，u)引发的至少一种特性R(u)=R(パx(u))，z(x(u)))，其中z(x(u))=y(x (u))-x(u) y(x(u))是该混合物的特性向量 并且其中，y(x(u))和z(x(u))是运样的，它们符合析取条件，运些析取条件针对每种特 性Xk将选自xk、mk、Mk中的至少一个值根据所述值Xk与至少一个值mk、Mk之间的一个或多个不 等式来指定给yk，其中mk、Mk是预定义的常数，并且a是针对配方U的特性k的值， 其特征在于，所述方法包括W下步骤： (A) 确定该混合物Μ的特性x(u)， (B) 估计该混合物Μ的该至少一种引发特性R(u)，R(u)取决于W下各项： -该混合物的一组预先确定的特性x(u)， -与运些预先确定的特性相关联的函数y(x(u))和z(x(u))，所述函数被公式表示为使 得对于所考虑的每种特性xk，y(xk)和z(xk)是S(xk，r)的函数，其中：r等于mk或Mk， (C) 确定配方U，使得所获得的所述混合物Μ的至少一种先前估计的引发特性Rj，j = 1，. . .，q(其中q是非零正整数)符合规范Rj < Rj(u)和/或衣.hO SI i ，Rj、F分别是所述 - / - '至 引发特性Rj的最小和最大容许值， (D) 根据确定出的该配方U产生至少一个信号W用于控制用于分配该混合物Μ的成分的 装置， (Ε)将所述至少一个控制信号传输至用于分配成分的该装置W便获得混合物Μ。2. 如权利要求1所述的监测方法，其中，在对所述引发特性R(u)的所述估计中，该函数S (祉，r)是通过Sigmoid函数SC(xk，r)来近似的： SC(xk,r,a)=0.5 · (l+tanh(a · (xk-r)) (8) 其中，a是针对特性xk的预先确定的系数当xk=r时其对应于该曲线SC(xk，r)的斜率。3. 如权利要求2所述的监测方法，其中，该系数a被选定成使得除了在区间r-δ<xk<r+5 上之外SC(xk，;r) = S(xk，:r)，其中，δ被选择成使得％小于确定该特性X冲的误差。4. 如权利要求2或3之一所述的监测方法，其中，该系数a小于或等于δ，有利地小于或等 于δ/5,优选地小于或等于δ/7。5. 如权利要求1至4中任一项所述的监测方法，其中，所考虑的是： -当且仅当W下条件成立时，具有配方u的混合物Μ符合规范iUu'）立F :货） -当且仅当W下条件成立时，具有配方U的混合物Μ符合规范&含扣(U):巧S) -当且仅当W下条件成立时，具有配方U的混合物Μ符合规范.巧空巧f和Rj(u) >&:其中： 如果，则阳 > 巧1 并且在其他情况下蜗 > 吊]=0 如果Rj<&，则[Rj<&] = 1，并且在其他情况下，[Rj<&] = 0。6. 如权利要求5所述的监测方法，其中，所考虑的是^且仅当W下条件成立时，具有配 方U的混合物Μ符合规范气{ tn直可和/或& :其中，.?、里分别是当所述特性不符合规范R (?;;;忘^ 、& < Rj(u)时代表与该 特性扣相关联的惩罚的参数。7. 如权利要求5或6中任一项所述的监测方法，其中，巧.>^]是通过Sigmoid函数 沉:所，馬来近似的，分别为洗締，京h其中，a是针对特性咕的预先确定的系数当巧二时对应于曲线化，巧^ j的斜率， 和/或 化<&]是通过Si卵oid函数SC(Rj，gj)来近似的： SC(Rj，gj，a'）= 0.5( 1+化nMa'（gj-Rj))) (1Γ) 其中，a'是针对排放特性R姻先??定的系数当扣=?时对应于曲线SC(R，&)的斜率。8. 如权利要求2至4中任一项所述的并且如权利要求5至7中任一项所述的监测方法，该 方法包括优化该配方U的步骤，在该步骤过程中寻求将对运些配方U的一组约束、对运些特 性X的一组约束和对运些引发特性Rj的一组约束考虑在内的优化问题的解，所述优化问题 被定义为： 其中F(u)是如权利要求5或7所定义的那样，F(u，n)是如权利要求6或7所定义的那样； 这S瓦.，（i3 )代表对运些配方的约束，其中，^u和远巧分别是针对整组约束IU的 配方U的最小值和最大值， 5^,) 讲）齿帘(?) (W)代表对该混合物的运些特性X的约束，其中，￡(Lp) 和;> 分别是针对整组约束Lp，江....巧的特性X的最小值和最大值，其中，P:所跟 踪的特性的数量， 所述优化步骤为捜索对该优化问题（12)的解U0而使用函数F(u〇)的值及其导数的值、或 函数F(u〇,3i)的值及其导数的值;所述导数值是通过基于对如根据权利要求2至4之一所定 义的所述引发特性R(u)的估计来表达所述导数而确定的，其中，函数S(xk，r)是通过该 Sigmoid函数SC(xk，r) (8)来近似的；所述函数F(U0)或F(U0，π)的值是基于对如根据权利要 求2至4之一所定义的所述引发特性R(u)的所述估计来确定的，其中，函数S(xk，r)可选地是 通过该Sigmoid函数SC(xk，r) (8)来近似的，所述问题(12)在存在最优解U0时是可解决的，对 于该最优解，F(uq)=0 or F(uq，3t)=〇。9. 如权利要求8所述的监测方法，包括 (a) 定义混合物的示例的步骤，其中定义的是： -运η种成分的特性的矩阵B， -对运些配方U的一组约束IU，使得《這《空《。： .，;其中，UIU、；分别为所述紀IU 的最小值、最大值 -运些特性^的最小值14^和最大值化的组1^。，[..'':,-(￡:,,.:巧，其中Ρ:所跟踪的特性的 数量， -可选地，针对特性R的惩罚向量^和/或' (b) 可选地，捜索可行混合物的步骤，在该步骤过程中，我们针对咕￡ {Ri，...，Rp}求解 和/或其中，函数R(u)的值及其导数的值用于捜索对该优化问题（16,16'）的解u;所述导数值 是通过基于对如根据权利要求2至4之一所定义的所述引发特性R(u)的估计来表达所述导 数而确定的，其中，函数S(xk，r)是通过该Sigmoid函数SC(xk，r)(8)来近似的;所述函数R(u) 的值是基于对如根据权利要求2至4之一所定义的所述引发特性R(u)的所述估计来确定的， 其中，函数S(xk，r)可选地是通过该Sigmoid函数SC(xk，r)(8)来近似的， (C)如权利要求8所定义的优化步骤，在该优化步骤过程中寻求对该优化问题的最优解 U0:并且，如果F(u〇)>0或F(u〇,3i)>〇,则重复运些先前的步骤，同时对定义混合物示例的 该步骤的运些组约束和/或运些成分进行修改， 否则，应用所述最佳配方U0。10.如权利要求9所述的方法，其中，如果在步骤(C)中F(u〇) = 0或F(u〇,3i)=〇,则该方法 包括步骤(d)，在该步骤中： -计算至少一个值Fi(uo)，其中，Fi是将如混合物的成本或品质等附加约束考虑在内的 函数， -找到第二优化问题的最优解(其中，a和b是Fi(uo)和F2(u〇)的预先确定的权重 其中，函数F(U^的值及其导数的值或函数F(iA 31)的值及其导数的值用于捜索对该优 化问题（17)的解ιΛ所述导数值是通过基于对如根据权利要求2至4之一所定义的所述引发 特性R(U)的估计来表达所述导数而确定的，其中，函数S(xk，r)是通过该Sigmoid函数SC(xk， r)(8)来近似的;所述函数F(u^或F(iA 31)的值是基于对如根据权利要求2至4之一所定义的 所述引发特性R(u)的所述估计而确定的，其中，该函数S(xk，r)可选地是通过该Sigmoid函 数SC(xk，r)(8)来近似的， -如果F(uV)=〇,则应用配方ιΛ否则在]11日，訂中找到点U1，使得F(山，31)=0,并且应 用Ul。11. 如权利要求9或10之一所述的监测方法，其中，在步骤（b)的过程中，如果 巧,,（'《:巧姑:3么哀,,，贝=0，其中，Umax^arg max Rj(u)，u满足该组约束（16)，和/或如果 病,4;。。解空,? 马屯.=乐?其中Umin^arg min12. 如权利要求1至11中任一项所述的监测方法，其中： -该混合物Μ是控类的混合物，例如汽油， -所述混合物的运些特性X至少选自氧含量、硫含量、蒸气压力、在200°F下的馈分，在 300°F下的馈分、芳族化合物含量、苯含量、締控含量、甲基乙基苯含量、乙基叔下基酸含量、 叔戊基乙基酸含量， -该混合物的运些引发特性Rj选自挥发性有机化合物的排放(V)、氮氧化物的排放(N) W及有毒化合物的排放(T)。13. -种计算机程序产品，包括多条指令，当运些指令被处理器执行时，运些指令用于 执行如权利要求1至12之一所述的方法的步骤。14. 一种用于监测具有η种成分的混合物Μ的特性的系统，所述系统连接至用于将成分 分配到用于使成分混合的单元的装置，该系统包括： -用于确定所述混合物的特性x(B，u)的装置(111)，其中： x(u) = [xi，. . .xk]是该混合物Μ的k种特性的向量，k是正的非零整数， u=[山，...Un]是配方向量，并且Ui，i = l，. . .，n，表示该混合物Μ中的第i种成分的比 例， B=[Bi，. . .，Bn]是η种成分的特征的矩阵， -管理系统（112)，包括： -用于接收所述特性X (Β，U)的装置（113) -用于存储由该接收装置提供的特性的值的存储装置（114)，W及至少一个用于确定由 特性x(B，u)所引发的混合物特性R(u)=R(y(x(u))，z(x(u)))的模型，其中 z(x(u))=y(x(u))-x(u) y(x(u))是该混合物的特性向量 并且其中，y(x(u))和z(x(u))是运样的，它们符合析取条件，运些析取条件针对每种特 性Xk将选自xk、mk、Mk中的至少一个值根据所述值Xk与至少一个值mk、Mk之间的一个或多个不 等式来指定给yk，其中mk、Mk是预定义的常数，并且a是针对配方U的特性k的值， -处理装置（115 )，该处理装置被设计为用于： -确定混合物Μ的配方U，使得该混合物针对每种特性扣，j = l，...，p(其中P为正的非零 整数)都符合规范&含Rj(u)和/或分别是所述引发特性的可容许的最小值 和最大值，运是通过使用对混合物Μ的至少一种引发特性R(u)的估计来实现的，该混合物的 特性x(u)是通过该确定装置提供的，所述估计针对该混合物的一组确定特性使用函数y(x (u))和z(x(u))的公式，使得针对所考虑的每种特性xk，y(xk)和z(xk)是S(xk，:r)的函数，其 中：r等于mk或Mk， -然后根据所确定的该配方u生成用于该分配装置的至少一个控制信号， -用于将该至少一个控制信号传输至用于分配成分的装置的装置（116)。15. 如权利要求14所述的用于监测特性的系统，其特征在于，该处理装置被设计为实施 如权利要求8至12之一所述的监测方法的优化步骤和/或步骤(a)至步骤k)或步骤(a)至步 骤(d)。16. -种用于混合η种成分的单元（100)，该单元包括用于将η种成分分配到至少一个混 合物收集器(108)中的装置(110) W及如权利要求14或15之一所述的监测系统。
【文档编号】G06F17/10GK105849716SQ201480069703
【公开日】2016年8月10日
【申请日】2014年12月26日
【发明人】M.切布雷, G.皮托拉特, S.贾纳奇
【申请人】道达尔炼油化学公司