PX氧化反应器动态模型和4-CBA浓度的软测量

建立了PX氧化反应器的动态机理模型,模型能够较好地预测不同工艺条件下的4-CBA浓度。基于上述模型,对现有工艺过程进行了数值模拟,发现4-CBA浓度与尾气CO2浓度具有很强的相关性。通过数据回归得到了简化的4-CBA软测量模型,上述模型为现有PX氧化过程的4-CBA浓度实时控制提供了理论依据。     

基于改进的FasBack神经模糊系统的4-CBA软测量模型研究

提出一种基于改进的FasBack神经模糊系统的新型对羧基苯甲醛(4-CBA)软测量模型,用Leven-berg-M arquardt算法训练模型中的部分参数,经实际过程数据验证表明,提出的模型学习速度快、预测精度高、鲁棒性强,为实现精对苯二甲酸(PTA)生产过程中4-CBA含量的实时、精确控制提供了一条有效的途径。     

PTA生产中4-CBA浓度的影响因素分析和软测量

根据济南化纤公司75 kt／a精对苯二甲酸(PTA)的生产工艺,建立了对二甲苯(PX)氧化反应器的数学模型,模型能够较好地预测不同工艺条件下的对羧基苯甲醛(4-CBA)浓度。在此模型基础上,对现有工艺过程进行了数值模拟,结果发现,4-CBA浓度与尾气CO_2浓度和单位液相体积耗氧速率具有很强的相关性。通过数据回归得到了4-CBA软测量模型,该软测量模型结果与工业运行实测结果基本一致     

基于双阈值AdaBoost算法的4-CBA含量软测量建模

针对PX氧化过程中4-CBA含量无法在线测量的问题,提出了一种基于双阈值更新样本权重的AdaBoost算法,该算法以BP神经网络作为弱学习器,采用轮盘赌方法根据样本权重在训练样本集中选择部分样本训练弱学习器,采用上一轮弱学习器的训练相对误差绝对值来更新所有训练样本的权重,在此基础上,用双阈值对样本误差范围进行划分,然后用不同的权重因子与原来的样本权值相乘实现样本权值的二次更新。该过程降低了含有大误差的样本的权值,增加了较大误差的样本的权值,从而减小了在下一轮训练过程中选到异常样本的概率。分别采用5种不同的方法并用实测的工业数据建立了4-CBA含量软测量模型,仿真结果表明用提出的改进AdaBoost算法建立的4-CBA含量软测量模型,其预测误差小于其他方法建立的模型误差。     

基于双阈值AdaBoost算法的4-CBA含量软测量建模

针对PX氧化过程中4-CBA含量无法在线测量的问题,提出了一种基于双阈值更新样本权重的AdaBoost算法,该算法以BP神经网络作为弱学习器,采用轮盘赌方法根据样本权重在训练样本集中选择部分样本训练弱学习器,采用上一轮弱学习器的训练相对误差绝对值来更新所有训练样本的权重,在此基础上,用双阈值对样本误差范围进行划分,然后用不同的权重因子与原来的样本权值相乘实现样本权值的二次更新。该过程降低了含有大误差的样本的权值,增加了较大误差的样本的权值,从而减小了在下一轮训练过程中选到异常样本的概率。分别采用5种不同的方法并用实测的工业数据建立了4-CBA含量软测量模型,仿真结果表明用提出的改进AdaBoost算法建立的4-CBA含量软测量模型,其预测误差小于其他方法建立的模型误差。     

PTA生产中4-CBA含量的软测量技术

介绍了软测量技术的基本原理,并对近几年4-CBA含量的软测量建模方法进行系统综述,指出了该技术存在的问题和今后研究方向。     

4-CBA对PET产品色相b值的影响

针对聚酯(PET)装置负荷提升后,聚酯产品色泽指标b值波动很大的现象,统计跟踪分析了PET装置原料精对苯二甲酸(PTA)、辅料催化剂、添加剂及工艺操作的变化,讨论了PET产品中b值的影响因素。结果表明:对羟基苯甲醛(4-CBA)是影响PET产品的b值的主要因素;PET切片的b值升高与原料PTA中4-CBA含量变化趋势相近;PET装置负荷大幅提升后,当PET b值上升超过1.5时,生产上要及时控制4-CBA含量;PET装置平稳运行时,PTA中4-CBA含量小于40μg/g,可满足生产要求。     

煤气化废水汽提塔塔底氨含量软测量模型研究

煤气化废水处理流程中的汽提塔的塔底氨含量,是塔控制操作中的关键质量指标。通过建立基于历史数据的工业软测量模型,能够消除实际操作中取样分析实际滞后对操作的影响。仿真表明,采用PLS方法建立的软测量模型,可以有效克服变量相关性的影响,模型具有精度高,外推能力好等优点。软测量模型的建立,有利于汽提塔后续先进控制的实施。     

基于证据框架的最小二乘支持向量机在精对苯二甲酸生产中的应用

支持向量机是一种基于统计学习理论的新型机器学习方法.本文给出一种考虑损失函数的噪声模型参数β的贝叶斯证据框架最小二乘支持向量机回归算法,通过贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中.将提出的算法用于精对苯二甲酸（purified terephthalic acid,PTA）生产过程中的关键指标对羧基苯甲醛（4-carboxybenzaldhyde,4-CBA）含量的预测中,能很好地跟踪4-CBA含量的变化趋势,泛化能力较强,为4-CBA含量的实时预测提供了很好的解决方案.     

优选优生进化算法及4-CBA软测量模型参数估计

提出一种优选优生进化算法(select-best and prepotency evolution algorithm,SPEA),该算法中优选优生操作首先使群体中的所有个体都以相同的概率在自身所处环境的某个领域内选择最优个体进行交叉操作,不但保持后代个体的多样性,避免早熟,而且使群体中较优个体多次参加交叉操作,保留优良信息,同时也避免了遗传算法(genetic algorithm,GA)中占用大量计算时间的种群挑选操作：然后挑选交叉操作产生的较优个体参与变异形成下一代个体,从而增强算法的局部搜索能力,使求得的全局最优解有较高的精度。与GA相比较,SPEA计算复杂性低,离线性能和在线性能都有较大的改进,局部搜索能力和全局寻优能力都有较大的提高。举例将SPEA应用于对苯二甲酸(terephthalic acid,TA)中对羧基苯甲醛(4-carboxybenzaldehyde,4-CBA)含量软测量模型的参数估计,获得了满意的结果。     

基于差分进化算法-最小二乘支持向量机的软测量建模

软测量技术是解决工业过程中存在的一类难以在线测量参数估计问题的有效方法,该技术的核心是建立优良的数学模型。支持向量机是基于统计学理论的一种机器学习方法,最小二乘支持向量机是一种扩展的支持向量机,相对于支持向量机具有较快求解速度。最小二乘支持向量机存在着参数选择的问题,针对这个问题,采用差分进化算法进行参数选择。提出基于差分进化算法的最小二乘支持向量机应用于软测量建模,并将其应用于对苯二甲酸中对羧基苯甲醛含量测试的软测量建模中,获得了满意的结果。     

基于稀疏最小二乘支持向量机的软测量建模

针对传统最小二乘支持向量机非稀疏化解问题,提出了基于遗传算法的最小二乘支持向量机稀疏化及参数优化方法,稀疏化的基本思想是给训练样本赋予一个概率值,将概率值小于0.5的样本作为测试样本,从而将总的训练样本集分成测试样本集和保留的训练样本集。定义了包括稀疏率、训练误差及测试误差在内的适应度函数。种群个体的前N维表示每个样本对应的概率,后m维表示要优化的参数。通过选择、交叉和变异操作对所有参数进行整体优化,取适应度最小的个体对应的保留的训练样本及优化参数建立最小二乘支持向量机模型。并用该方法用于PX氧化过程4-CBA含量的软测量中,工业数据仿真结果表明,用本文提出的方法稀疏化率达到87%,核参数选取自动完成,与稀疏前建立的模型相比推广能力更高。     

PTA产品中4-CBA含量超高的原因

根据PTA装置生产运行状况,从氧化反应深度和加氢反应效果2个方面分析了影响PTA中4-CBA含量的因素,并探讨降低4-CBA含量的方法。     

Dynamic soft sensor development based on Gaussian mixture regression for fermentation processes

The dynamic soft sensor based on a single Gaussian process regression (GPR) model has been developed in fermentation processes.However,limitations of single regression models,for multiphase/multimode fermentation processes,may result in large prediction errors and complexity of the soft sensor.Therefore,a dynamic soft sensor based on Gaussian mixture regression (GMR) was proposed to overcome the problems.Two structure parameters,the number of Gaussian components and the order of the model,are crucial to the soft sensor model.To achieve a simple and effective soft sensor,an iterative strategy was proposed to optimize the two structure parameters synchronously.For the aim of comparisons,the proposed dynamic GMR soft sensor and the existing dynamic GPR soft sensor were both investigated to estimate biomass concentration in a Penicillin simulation process and an industrial Erythromycin fermentation process.Results show that the proposed dynamic GMR soft sensor has higher prediction accuracy and is more suitable for dynamic multiphase/multimode fermentation processes.