线性回流比控制策略通过优化每个操作区间内回流轨迹的斜率和截距，同时强制执行产品纯度和过程模型约束，从而实现主馏分收率最大化。 对于区间 (j)，定义回流比为 (R_j(t)=a_jt+b_j)，然后根据产生的馏出液流量 (D(t)=V(t)/(R_j(t)+1)) 计算主馏分总量。参数 (a_j)、(b_j) 以及适用的区间切换时间是非线性规划问题中的决策变量。

优化的核心在于最大化累积的主馏分产品，同时确保回流在物理上可行，且馏出液组成在整个切割过程中或结束时满足所需的纯度规范。

制定线性回流策略

定义控制轨迹

对于主馏分区间 (t\in[t_{j-1},t_j])，使用

[ R_j(t)=a_jt+b_j ]

其中：

(R_j(t)) 是回流比，
(a_j) 是回流比斜率，
(b_j) 是截距，
(t_{j-1}) 和 (t_j) 是区间的开始和结束时间。

正的 (a_j) 会随时间增加回流，而负的 (a_j) 则会逐渐降低回流。参数的选择应确保轨迹保持在设备的操作范围内。

关联回流与馏出液采出

如果 (V(t)) 是蒸汽上升量，且回流比定义为

[ R=\frac{L}{D} ]

那么馏出液流量为

[ D_j(t)=\frac{V(t)}{R_j(t)+1} =\frac{V(t)}{a_jt+b_j+1}. ]

这种关系捕捉了核心的收率权衡：增加回流通常会改善分离效果，但在固定的蒸汽上升量下会降低瞬时馏出液采出率。

计算累积主馏分量

在区间 (j) 内收集的总馏出液为

[ P_j= \int_{t_{j-1}}^{t_j} \frac{V(t)}{a_jt+b_j+1},dt. ]

如果蒸汽上升量恒定，即 (V(t)=V) 且 (a_j\neq 0)，则该积分具有解析形式

[ P_j= \frac{V}{a_j} \ln\left( \frac{a_jt_j+b_j+1} {a_jt_{j-1}+b_j+1} \right). ]

当 (a_j=0) 时，该策略在区间内保持恒定，且

[ P_j= \frac{V(t_j-t_{j-1})}{b_j+1}. ]

对于由多个区间组成的主馏分，总量为

[ P_{\text{main}}=\sum_{j=1}^{m}P_j. ]

因此，优化目标通常写为

[ \max_{{a_j,b_j,t_j}} P_{\text{main}}. ]

添加产品纯度约束

使用组成加权产品纯度

仅最大化总馏出液可能会导致产品不合格。因此，优化过程必须通过间歇精馏模型跟踪组分组成。

设 (x_D^k(t)) 为馏出液中组分 (k) 的摩尔分数。区间 (j) 内组分 (k) 的累积量为

[ P_j^k= \int_{t_{j-1}}^{t_j} x_D^k(t)D_j(t),dt. ]

所收集主馏分的平均组成为

[ \bar{x}_{D,j}^k

\frac{P_j^k}{P_j}

\frac{ \int_{t_{j-1}}^{t_j} x_D^k(t)D_j(t),dt }{ \int_{t_{j-1}}^{t_j} D_j(t),dt }. ]

所需的纯度规范可以表示为

[ \bar{x}{D,j}^k\geq \bar{x}{D,\text{spec}}^k. ]

这种公式允许组成在切割过程中发生变化，只要收集到的产品满足所需的平均规范即可。

必要时强制执行瞬时或路径纯度

如果产品必须在每一时刻都符合规范，则施加更强的路径约束

[ x_D^k(t)\geq x_{D,\text{spec}}^k, \qquad t\in[t_{j-1},t_j]. ]

这通常比平均纯度约束产生的收率更低，因为它阻止了优化器收集暂时纯度较低但混合到完整馏分中仍可接受的物料。

通过规范函数表示纯度

如果单元操作使用规范函数 (X_{\mathrm{SPEC},k})，则约束可以通用地写为

[ X_{\mathrm{SPEC},k} \left( \mathbf{x}(t),\mathbf{M}(t),R_j(t) \right) \geq 0, ]

其中 (\mathbf{x}(t)) 表示相组成，(\mathbf{M}(t)) 表示釜内和塔内持液量。这允许直接从动态过程模型评估纯度约束。

构建非线性优化问题

定义决策变量

对于 (m) 个线性策略区间，典型的决策向量为

[ \mathbf{z}

\left[ a_1,b_1,\ldots,a_m,b_m, t_1,\ldots,t_{m-1} \right]. ]

如果区间边界固定，则仅优化 (a_j) 和 (b_j) 值。如果切换时间也进行优化，则 (t_j) 值成为决策变量。

等效的参数化方法是使用区间端点的回流值：

[ R_{j,\mathrm{start}}=a_jt_{j-1}+b_j, \qquad R_{j,\mathrm{end}}=a_jt_j+b_j. ]

斜率和截距可以从以下公式恢复：

[ a_j= \frac{R_{j,\mathrm{end}}-R_{j,\mathrm{start}}} {t_j-t_{j-1}}, ]

[ b_j= R_{j,\mathrm{start}}-a_jt_{j-1}. ]

端点变量通常更容易在操作上进行约束和解释。

包含动态塔模型

回流策略通过塔和釜的平衡影响间歇轨迹。通用动态模型可表示为

[ \frac{d\mathbf{y}}{dt}

\mathbf{f} \left( \mathbf{y}(t),R_j(t),\mathbf{p} \right), ]

以及代数关系

[ \mathbf{0}

\mathbf{g} \left( \mathbf{y}(t),R_j(t),\mathbf{p} \right). ]

在此，(\mathbf{y}(t)) 包含液位、组分存量、温度和组成等量，而 (\mathbf{p}) 包含塔板数、进料组成、压力和蒸汽上升条件等固定过程参数。

模型还必须强制执行初始条件：

[ \mathbf{y}(0)=\mathbf{y}_0. ]

由此产生的优化是非线性的，因为回流同时影响汽液平衡、内部流量、组成、存量和馏出液速率分母。

指定完整的优化问题

一个典型的公式是

[ \begin{aligned} \max_{\mathbf{z},,\mathbf{y}(t)} \quad & P_{\text{main}}

\sum_{j=1}^{m} \int_{t_{j-1}}^{t_j} \frac{V(t)}{a_jt+b_j+1},dt \[4pt] \text{subject to} \quad & \frac{d\mathbf{y}}{dt}

\mathbf{f}\left(\mathbf{y},R_j(t),\mathbf{p}\right), \ & \mathbf{0}

\mathbf{g}\left(\mathbf{y},R_j(t),\mathbf{p}\right), \ & \bar{x}{D,j}^k \geq \bar{x}{D,\text{spec}}^k, \ & R_{\min}\leq R_j(t)\leq R_{\max}, \ & a_jt+b_j+1>0, \ & t_{j-1}<t_j, \ & t_m\leq t_{\text{batch}}. \end{aligned} ]

目标也可以是最大化特定主馏分组分的量：

[ \max P_{\text{main}}^k

\max \sum_{j=1}^{m} \int_{t_{j-1}}^{t_j} x_D^k(t) \frac{V(t)}{a_jt+b_j+1},dt. ]

当“收率”是指目标组分的回收率而非总收集馏出液时，这是合适的。

处理切换和切割边界

强制执行线性策略之间的连续性

如果回流策略从区间 (j) 变为区间 (j+1)，可以通过以下方式强制连续性：

[ a_jt_j+b_j

a_{j+1}t_j+b_{j+1}. ]

如果没有此约束，优化器可能会产生突兀的回流跳变。如果控制硬件支持，这种跳变是可以接受的，否则应加以限制或用有界斜坡代替。

优化切割切换时间

切换时间决定了过程何时从一种回流策略改变为另一种，或者何时开始和停止产品收集。它们可以在满足以下条件的情况下进行优化：

[ t_{j-1}+\Delta t_{\min} \leq t_j \leq t_{\text{batch}}, ]

其中 (\Delta t_{\min}) 防止区间缩短到可忽略的持续时间。

优化切换时间很重要，因为随着釜内物料的消耗，组成会持续变化。即使回流水平本身合理，如果切换时间选择不当，固定的回流曲线也可能收集过多的中间副馏分。

包含副馏分和残液约束

如果操作包含主馏分、副馏分和残液阶段，请定义单独的策略：

[ R_{\text{main}}(t)=a_{\text{main}}t+b_{\text{main}}, ]

[ R_{\text{off}}(t)=a_{\text{off}}t+b_{\text{off}}. ]

目标可以是最大化主馏分回收率，同时限制副馏分量：

[ \max P_{\text{main}}^k ]

受限于

[ P_{\text{off}}\leq P_{\text{off,max}} ]

以及主产品和釜底产品的必要规范。在循环操作中，副馏分的数量和组成可能成为下一批次的输入，从而产生顺序或外环优化问题。

数值求解模型

离散化动态方程

连续时间公式通常通过直接转录、配置法或优化器内的数值积分转换为有限维非线性规划。

对于简单的实现，将每个区间划分为网格点 (t_n)，评估

[ R_j(t_n)=a_jt_n+b_j, ]

并用数值求积近似累积产品：

[ P_j \approx \sum_n w_n \frac{V(t_n)} {R_j(t_n)+1}, ]

其中 (w_n) 是积分权重。

塔状态方程在相同的网格点处强制执行，或者通过对每个试验策略积分动态模型来评估。

同时优化策略水平和持续时间

一种实用的近似方法是使用分段恒定回流水平，但线性策略通过每个区间仅两个参数提供了更平滑的轨迹。优化器可以同时确定：

初始回流水平，
最终回流水平，
每个线性段的斜率，
每个段的持续时间，
主馏分和副馏分操作之间的切换时间。

这比恒定策略提供了更大的灵活性，同时保持了决策变量的可管理性。

检查数值和物理可行性

优化应拒绝任何满足以下条件的候选策略：

[ R_j(t)+1\leq 0, ]

因为馏出液流量表达式变得未定义或在物理上无意义。它还应拒绝违反冷凝器、再沸器、回流阀、泛塔或最小馏出液流量限制的轨迹。

数学上的可行解并不自动成为可实施的操作策略。最终轨迹应根据执行器响应限制和工厂控制系统的分辨率进行检查。

理解权衡

更高的回流改善纯度但降低采出率

对于固定的蒸汽上升量 (V)，

[ D(t)=\frac{V}{R(t)+1} ]

随回流增加而降低。高回流将更多的冷凝液体送回塔内，改善了分离效果，但单位时间内收集的馏出液较少。

因此，当纯度难以维持时，优化器倾向于使用更高的回流；当组成余量允许更快的采出时，则使用较低的回流。

平均纯度和路径纯度是不同的目标

平均纯度约束允许收集的馏分内存在组成变化。路径约束要求每一个瞬时馏出液样本都符合规范。

路径约束问题限制性更强，可能会降低主馏分收率，但在禁止混合或必须持续控制产品质量时可能是必要的。

模型精度限制了优化的价值

最优策略取决于汽液平衡模型、持液假设、蒸汽上升行为和纯度测量。用简化的平衡级模型优化的轨迹在具有显著液体持液量或非理想热力学的塔中可能表现不同。

因此，在将预测收率视为操作保证之前，必须进行模型验证和闭环实施。

为您的目标做出正确的选择

根据收率的含义和操作要求选择公式：

如果您的主要重点是主馏分质量收率： 最大化 (\sum_j\int D_j(t),dt)，同时强制执行所需的平均纯度和回流边界。
如果您的主要重点是目标组分回收率： 最大化 (\sum_j\int x_D^k(t)D_j(t),dt)，因为总馏出液质量可能包含不需要的组分。
如果您的主要重点是保证产品质量： 应用瞬时纯度约束 (x_D^k(t)\geq x_{D,\mathrm{spec}}^k)，而不是仅依赖平均馏分纯度。
如果您的主要重点是最短批次时间： 最小化 (t_m)，受限于最小主馏分量和纯度约束。
如果您的主要重点是实际工厂实施： 优化端点回流值和切换时间，然后对线性策略施加连续性和执行器速率限制。

数学制定的线性回流策略将回流操作转化为一个受约束的动态优化问题，其中收率、纯度、时间和可操作性被共同优化。

总结表：

要素	关键公式或见解
回流策略	每个操作区间的 $R_j(t)=a_jt+b_j$
馏出液流量	$D_j(t)=V(t)/(R_j(t)+1)$
主馏分收率	最大化 $P_{main}=\sum_j\int D_j(t)\,dt$
目标组分回收率	最大化 $P_{main}^k=\sum_j\int x_D^k(t)D_j(t)\,dt$
纯度约束	应用平均纯度或瞬时路径纯度限制
决策变量	策略斜率、截距、端点回流值和切换时间
操作约束	强制执行回流边界、正流量分母、区间持续时间和批次时间限制
实际实施	添加策略连续性、执行器速率、泛塔、冷凝器和再沸器约束
数值解法	使用带有直接转录、配置法或数值求积的动态模拟
主要权衡	更高的回流改善分离但降低馏出液采出率