РАЗРАБОТКА ЛИНГВИСТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ КАЧЕСТВЕННЫХ ПОКАЗАТЕЛЕЙ БЕНЗОЛА НА ВЫХОДЕ БЕНЗОЛЬНОЙ КОЛОННЫ В НЕЧЕТКОЙ СРЕДЕ

В настоящее время в связи интенсивным развитием нефтехимической отрасли и ростом спроса на ее продукты актуальной научно-практической задачей стала повышение производительности объектов производства качественного бензола на основе их моделей. На практике основные показатели качества бензола оцениваются нечетко на основе опыта, знаний операторов-технологов, управляющие процессом производства бензола и специалистов заводской лаборатории. В работе предложен метод синтеза лингвистических моделей плохо формализуемых технологических объектов, как бензольная колонна, с нечеткими входными и выходными параметрами, позволяющий моделировать и оптимизировать режимов их работы в нечеткой среде. На основе предложенного метода разработаны лингвистические модели оценки основного качественного показателя бензола, производимого в бензольной колонне Атырауского нефтеперерабатывающего завода, являющейся объектом исследования. На основе разработанных лингвистических моделей – базы правил в Fuzzy Logic Toolbox проведено нечеткое моделирование различных режимов работы исследуемой бензольной колонны и оптимизация ее режиме. В результате определен оптимальный режим ее работы бензольной колонны, позволяющий максимизировать объем и бензола с ее выхода с наилучшим качественным показателям. Новизна и важность предложенного метода синтеза лингвистических моделей сложных технологических объектов в нечеткой среде, в том, что позволяет разработать эффективных лингвистических моделей объектов с нечеткими входными и выходными параметрами. Практическая значимость разработанных лингвистических моделей исследуемого объекта заключается в оптимизации ее режимов работы в нечеткой среде на основе нечеткого моделирования.

1. Suleimenov E.Zh. Technological regulations for a benzene production unit / E.Zh. Suleimenov. – Atyrau: Publishing House of Atyrau University of Oil and Gas, 2022. – 167 p.

2. Orazbayeva K.N. Research and construction of mathematical models of reforming section reactors for automated control of a benzene production unit / K.N. Orazbayeva, G.T. Serikova, R.G. Sarmurzina // Scientific and technical journal «Automation, telemechanization and communication in the oil industry». – Moscow: VNIIOENG, 2020. – № 3. – Р. 33-36.

3. Methods of Multi-Criteria Optimization of Technological Processes in a Fuzzy Environment Based on the Simplex Method and the Theory of Fuzzy Sets / B. Orazbayev et al // Mathematics. – 2024. – Vol. 12. – Р.1-22. https://doi.org/10.3390/math12182856.

4. Krivonogov A.A. Application of the Method of Expert Assessments in Determining the Level of Criticality of the Information Security Vulnerability of Smart Contracts / A.A. Krivonogov, Y.N. Philippovich, S.A. Kesel // Software Engineering Application in Systems Design (CoMeSySo. – 2022). Lecture Notes in Networks and Systems, Springer, Cham. – 2023. – Vol 596. https://doi.org/10.1007/978-3-031-21435-6_45.

5. Zimmermann H.-J. Fuzzy Set Theory – and Its Applications: Springer Science+Business Media, LLC / H.-J. Zimmermann // Fifth. Edition, 2023. – 527 p. https://doi.org/10.1007/978-94-010-0646-0.

6. Koveshnikov A.V. Processes for producing benzene by hydrodealkylation of aromatic oxygencontaining raw materials / A.V. Koveshnikov. – Moscow: Oil and Gas. – 2023. – 235 p.

7. Petrov I.Ya. Benzene production from naphtha in oil refineries under deterministic conditions / I.Ya. Petrov, A.G. Byakov, V.N. Dopshak // Chemical Technology. – 2023. – Vol. 48, № 3. – Р. 120-133.

8. Zhilin V.F. Synthesis and technology of producing benzene and toluene / V.F. Zhilin // Russian Chemical Journal. – 2024. – Vol. 55, № 2. – Р. 104-115.

9. Franck H.G. Production and uses of benzene derivatives / H.G. Franck, J.W. Stadelhofer // In: Industrial Aromatic Chemistry. Springer, Berlin, Heidelberg. – 2020. – Vol. 55, № 1. – Р. 132-235. https://doi.org/10.1007/978-3-642-73432-8_5.

10. One-Pass Conversion of Benzene and Syngas to Alkylbenzenes by Cu–ZnO–Al2O3 and ZSM5 Relay / T. Han et al // Catal Lett. – 2022. – Vol. 152. – Р. 467-479. https://doi.org/10.1007/s10562-021-03617-5.

11. Multi-objective Optimization Using Fuzzy and Weighted Sum Approach for Natural Gas Dehydration with Consideration of Regional Climate / Z.Y. Kong et al // Process Integr Optim Sustain. – 2022. – Vol. 6. – Р. 845-862. https://doi.org/10.1007/s41660-022-00247-1.

12. Sarmurzina R.G. Formulation and solution of the problem of selecting optimal operating modes for a benzene production complex in a fuzzy environment / R.G. Sarmurzina, K.N. Orazbayeva // Bulletin of Al-Farabi Kazakh National University, series: mathematics, mechanics, informatics. – 2018. – № 4(67). – P. 170-175.

13. Emelyanova Yu.V. Spectroscopic methods of analysis in analytical chemistry / Yu.V. Emelyanova, M.V. Morozova, E.S. Buyanova // Publishing house of the Ural. University, Ekaterinburg, 2017. – 88 p.

14. Akash M.S.H. Introduction to Spectrophotometric Techniques / M.S.H. Akash, K. Rehman // In: Essentials of Pharmaceutical Analysis. Springer, Singapore. – 2020. – Р. 19-27. https://doi.org/10.1007/978-981-15-1547-7_2.

15. Devore J.L. Modern Mathematical Statistics with Applications / J.L. Devore, K.N. Berk, M.A. Carlton // Springer International Publishing, 2021. – 212 p.

16. Ivanov B.N. Probability Theory and Mathematical Statistics / B.N. Ivanov. – M. Lan, 2024. – 307 p.

17. Bronevich A.G. Statistical classes and fuzzy set theoretical classification of probability distributions / A.G. Bronevich, A.N. Karkishchenko // Statistical Modeling, Analysis and Management of Fuzzy Data. Studies in Fuzziness and Soft Computing, Physica, Heidelberg. – 2022. – Vol. 87. – Р. 173-195. https://doi.org/10.1007/978-3-7908-1800-0_12.

18. Methods Based on Fuzzy Set Theory / J.N. Mordeson et al // Linear Models in the Mathematics of Uncertainty. Studies in Computational Intelligence, Springer, Berlin, Heidelberg. – 2022. – Vol. 463. – Р. 99-114. https://doi.org/10.1007/978-3-642-35224-9_10.

19. Leonkov A.V. Fuzzy Modeling in Matlab and FuzzyTech / A.V. Leonkov // BHV: St. Petersburg, 2nd ed., 2022. – 727 p.

20. Roger Jang J.-S. MATLAB: Fuzzy Logic Toolbox / J.-S. Roger Jang // User's Guide. Springer International Publishing, 2020. – 208 p.