摘 要：

为减轻汽车尾气排放对世界生态环境的压力，国内外环保组织对车用汽油硫含量提出了日趋严格
的要求。 根据我国环保部发布的最新规定，从 2020 年 7 月 1 日起，要求所有销售、注册登记的汽车必
须符合国 VI（a 标准）， 从 2023 年 7 月 1 日起， 要求所有销售、注册登记的新车须符合国 VI（b 标准），并长远要求汽油指标符合国 VI 标准， 使得低硫、超低硫将继续成为未来车用汽油的发展趋势。因此，采用高效的技术手段降低催化裂化汽油中的硫含量成为目前汽油生产过程的重中之重。
S-Zorb 装置脱硫技术具有脱硫率高、辛烧值损失小、成本低等优点， 可以在得到较高脱硫率的同
时保证较小的辛烷值损失，被国际上称为有生命力的新工艺技术。本文针对 S-Zorb 装置控制系统变量
庞杂的问题，通过运用灰色关联度分析明晰其中关键影响指标，对 S-Zorb 装置的重点设备进行控制，
从而优化 S-Zorb 装置，充分激发 S-Zorb 装置的最大效用潜能。 同时基于这些重点变量建立神经网络及
遗传算法， 厘清主要操作变量优化调整过程中对应的汽油辛烷值和硫含量的变化轨迹。

问题一： 对异常数据的检验与剔除是保证原始数据可靠性与研究准确性的前提。 基于此需求，本问
题依次采用最大最小的限幅剔除异常值法、 拉依达准则（3σ）准则对样本数据中的异常数据进行检测，
进而根据研究要求进行数据删除与补齐。

问题二： S-Zorb 装置脱硫过程涉及数量庞大的操作步骤及相应变量，变量之间具有高度非线性和相
互耦联关系。 因此，本问题选用适用于此问题的灰色关联度分析对关键变量进行筛选。以产成品的辛烷
值含量为自变量，分别验证其他变量与产成品间的相关度，提取相关度大于 80%的变量（共计 30 个），
作为后续研究的要素指标。 结果涵盖 2 个原材料属性变量（辛烷值、 饱和烃,v%）和 28 个操作变量。

问题三： 考虑到脱硫过程实则是一个非线性复杂系统，本研究以筛选出的 30 个变量指标作为输入
层数据、 以产成品的辛烷值和含硫量作为 2 个输出层数据指标， 构建了加入了动量因子的三层 BP 神经
网络预测模型，并对该网络的隐含层数、学习率等关键指标进行对比分析及网络拟合度检测，结果表明
构建的神经网络拟合度较好。

问题四： 针对产成品辛烷值损失幅度小于 30%和含硫量低于 5μg/g 的优化要求， 本研究以 30 个变
量的取值范围、产成品辛烷值损失幅度小于 30%和含硫量小于 5μg/g 为约束条件，以产成品辛烷值损
失最少为目标，构建优化模型， 并运用遗传算法对优化模型进行求解。在算法设计中将构建的 BP 神经
网络预测模型嵌入遗传算法中以获取 28 个操作变量值变化（2 个原材料属性变量不变） 对应的产成品
的硫含量和辛烷值数值。

问题五： 在筛选出的 28 个关键操作变量的取值范围内，分别从最小值开始,以各变量给定的变化值
为步长， 代入构建的产成品辛烷值损失预测模型，观测产成品的辛烷值和含硫量的变化，并分别绘制曲
2线图进行可视化展现，进而讨论各操作变量变化对产成品硫含量和辛烷值的影响。

关键词： 汽油精制过程；辛烷值预测；优化；灰色关联； BP 神经网络；遗传算法

下载地址：链接：https://pan.baidu.com/s/11bGlBJLUtSbCJCBtJRc0Eg
提取码：5enm