乙烯是石油化工产业最基本的原料,世界上已将乙烯产量作为衡量一个国家石油化工产业发展水平的重要标志之一。然而,在由热裂解法生产乙烯的过程中,裂解炉炉管总是不可避免的产生渗碳和结焦,会极大影响乙烯企业的生产效益。在裂解炉炉管结焦的诸多成因中,裂解炉炉管外表面(金属)温度是最主要的影响因素之一。因此,研究如何精准测量裂解炉炉管外表面温度,进而准确诊断和预测裂解炉炉管的结焦程度,成为保障裂解炉运行安全、提高裂解炉生产效益、使乙烯行业走向工业智能化的关键问题之一。本文针对目前广泛应用的接触式和非接触式裂解炉炉管外表面温度测温技术以及利用结焦机理模型、“黑箱”模型、红外热像技术和人工经验方式进行炉管结焦程度诊断的方法中存在的不足,提出了相应改进的裂解炉炉管外表面温度测量方法和炉管结焦程度诊断和结焦趋势预测方法,并进行了验证实验。本文主要研究工作如下:(1)介绍了乙烯工业生产中裂解炉炉管结焦问题的成因,重点研究了目前应用于裂解炉炉管外表面温度测量和炉管结焦程度诊断与结焦趋势预测的技术。(2)现有的红外测温技术在测温精度、炉管温度辨别准确度以及技术成本方面都存在一定的缺陷。针对这一问题,本文提出了一种新颖的裂解炉炉管温度测量和处理方法。该方法基于本文课题团队研制的新一代乙烯裂解炉炉管外表面温度智能测温装置,在该测温装置基础上,提出了一种运行于该智能测温装置的基于机器学习和神经网络的温度智能处理算法。该方法不仅提升了炉管外表面温度的测温精度和炉管识别的准确性,而且也在一定程度上降低了裂解炉炉管外表面温度测量技术的成本。(3)针对现有裂解炉炉管结焦程度诊断方法存在的不足,本文提出了一种基于人工蜂群算法(Artificial Bee Colony,ABC)和自适应模糊神经网络(Adaptive Neural Fuzzy Inference System,ANFIS),并引入结焦时间因子(Coking Time Factor,CTF)的融合诊断预测方法:ABC-ANFIS-CTF。由实际数据验证表明,该方法不仅提高了裂解炉管结焦程度诊断推理系统的训练效率和诊断精度,而且实现了对炉管结焦程度发展趋势的预测。(4)介绍了如何将所提出的裂解炉炉管智能结焦程度诊断方法实际应用于乙烯企业。该结焦程度诊断方法的应用,依赖于本文课题团队开发的一套适用于乙烯企业系统平台的乙烯裂解炉炉管智能健康监测系统。该监测系统首先实时采集与裂解炉炉管结焦相关的数据,然后通过内嵌的结焦诊断方法实现对炉管结焦程度诊断和结焦趋势预测。实际应用证明,本文所提出的裂解炉炉管结焦程度诊断和结焦趋势预测方法具备可行性和工程应用价值。